用重复卷积法求解物理宽化函数

用重复卷积法求解物理宽化函数吴万国,林嘉　（福州大学中心实验室,福州３５０００２）（中国（福建）对外贸易中心集团,福州３５０００１）关键词Ｘ射线衍射,晶粒度,晶格畸变,重复卷积粉末试样的Ｘ射线衍射谱线一般具有一定的宽度,引起话线宽化的主要原因有仪器致...     

光周期敏感不育水稻中激素的二阶导数卷积伏安法研究

二阶导数卷积伏安法应用于水稻中痛量雌雄激素的检测，具有快速，灵敏，干扰少的特点。本文以光周期敏感核不育水稻农垦５８Ｓ为材料，以农垦５８作对照，了叶焉和穗中雌，雄性激素的含量，研究了不同光周期条件下两类激素的变化。     

弱耦合映射系统在周期窗口内的行为

通过解析讨论及数值计算的验证,发现弱耦合映射系统的周期窗口只存在于耦合强度极小的范围内(对于3周期窗口大约为10^-3),这个范围可以定义为周期窗口的深度。在周期窗口内耦合映射的行为可以通过讨论少数几个模(相对简单的耦合三映射,实质是一维映射)而确定。耦合映射的第一Lyapunov指数随耦合强度增大的变化曲线呈锯齿形状。 关键词：     

孔性氧化铝模板与一维纳米新材料的制备

纳米材料尤其是以碳纳米管有序阵列为代表的一维纳米阵列材料的重要价值,促进了人们对模板合成方法的研究。本文简要回顾和总结了近年来有关孔性氧化铝模板的制备及其应用的研究进展,结合我们实验室的部分相关研究工作,揭示了孔性氧化铝模板在合成与组装一维纳米新材料方面的重要作用,以进一步活跃和促进该重要领域的研究和发展。     

神经网络的函数逼近能力分析

本文综述了多层前传网络（ＭＬＰ）及径向基函数网络（ＲＢＦ）对函数任意精度逼近的能力，比较了两种网络的最佳逼近特性。对激活函数类的扩充作了介绍，并说明有限数值精度对函数逼近能力实现的影响。     

基于毛竹叶片理化参数的刚竹毒蛾危害检测研究

虫害检测算法研究是开展虫害快速、准确监测，制定精准森防检疫措施的重要基础。以毛竹叶片为研究尺度，基于刚竹毒蛾危害下的寄主外部形态与内部生理现象总结，选择并实测叶损量LL、相对叶绿素含量RCC、相对含水量RWC、原始光谱的733.66~898.56 nm值(ρ_{733.66~898.56})、一阶微分光谱的562.95~585.25 nm值(ρ′_{562.95~585.25})与706.18~725.41 nm值(ρ′_{706.18~725.41})等理化参数，随机划分实验组(63组)和验证组(37组)并设计5次重复实验；分别运用Fisher判别分析、BP神经网络、随机森林等三种方法建立刚竹毒蛾危害等级的检测模型，从检测精度、Kappa系数及R2等指标对模型的检测效果予以分析和比较。结果显示，Fisher判别分析、BP神经网络、随机森林的检测精度分别为69.19%，65.41%，83.78%，Kappa系数分别为0.576 9，0.532 4和0.778 8，R2分别为0.722 2，0.582 6和0.870 9，总体而言，三种方法均具备刚竹毒蛾危害的检测能力，随机森林的检测效果最优，Fisher判别分析次之，再次为BP神经网络；从分等级来看，随机森林的检测精度亦优于Fisher判别分析与BP神经网络，但3种方法对中度危害等级的检测精度均有所不足。该成果可为刚竹毒蛾危害及其他病虫害检测算法的选择提供参考，并为进一步建立冠层、遥感影像像元等尺度的虫害检测模型奠定基础。     

Some Remarks on One-dimensional Functions and Their Riemann–Liouville Fractional Calculus

A one-dimensional continuous function of unbounded variation on [0,1] has been constructed.The length of its graph is infnite,while part of this function displays fractal features.The Box dimension of its Riemann–Liouville fractional integral has been calculated.     

基于RBM的神经网络时间序列预测

为了克服神经网络依赖初始化结果,泛化能力不强的缺点,提出一种基于受限玻尔兹曼机(RBM)的神经网络模型.利用无监督学习方法优化神经网络的初始权值和阈值,将RBM与神经网络融合起来,模型与时间序列神经网络做实验对比,结果表明,基于受限的玻尔兹曼机的神经网络模型优于神经网络预测模型,模型可以提高预测的精准度,具有一定的应用意义.     

次线性期望下的一般中心极限定理

受Peng-中心极限定理的启发,本文主要应用G-正态分布的概念,放宽Peng-中心极限定理的条件,在次线性期望下得到形式更为一般的中心极限定理.首先,将均值条件E[X_n]=ε[X_n]=0放宽为|E[X_n]|+|ε[X_n]|=O(1/n);其次,应用随机变量截断的方法,放宽随机变量的2阶矩与2+δ阶矩条件;最后,将该定理的Peng-独立性条件进行放宽,得到卷积独立随机变量的中心极限定理.