连续调谐太赫兹回旋管非稳定振荡状态研究

太赫兹回旋管可实现高功率输出,并具有一定的频率调谐范围,是核磁共振波谱系统理想的高功率太赫兹辐射源。设计了263 GHz,TE_5,2基波连续调谐回旋管,通过磁场调节实现频率调谐范围为1.39 GHz,利用时域多模多频自洽非线性理论对设计的连续调谐回旋管非稳定振荡状态进行了研究。结果表明,在低次纵向谐波模式工作磁场范围内,当工作电流大于起振电流时,连续调谐回旋管先进入稳定状态,高次纵向谐波模式被抑制,工作模式TE_5,2的输出功率随时间不变;当电流增大,纵向谐波模式间的竞争引起回旋管由稳定状态进入到非稳定振荡状态,工作模式TE_5,2的输出功率随时间呈振荡变化且互作用效率大大降低;随着电流的进一步增大,回旋管又回到与低电流不同的稳定状态,互作用效率进一步降低。同时发现非稳定振荡状态的起始电流随着磁场增加而增大。本研究对需工作于稳定状态的面向DNP-NMR应用的连续调谐太赫兹回旋管的研制具有一定指导意义。     

基于双向循环神经网络的汉语语音识别*

当前基于深度神经网络模型中,虽然其隐含层可设置多层,对复杂问题适应能力强,但每层之间的节点连接是相互独立的,这种结构特性导致了在语音序列中无法利用上下文相关信息来提高识别效果,而传统的循环神经网络虽然做出了改进,但是只能对上文信息进行利用。针对以上问题,该文采用可以同时利用语音序列中上下文相关信息的双向循环神经网络模型与深度神经网络模型相结合,并应用于语音识别。构建具有5层隐含层的模型,其中第3层为双向循环神经网络结构,其他层采用深度神经网络结构。实验结果表明:加入了双向循环神经网络结构的模型与其他模型相比,较好地提高了识别正确率;噪声对双向循环神经网络汉语识别有重要影响,尤其是训练集和测试集附加噪声类型不同时,单一的含噪声语音的训练模型无法适应不同噪声类型的语音识别;调整神经网络模型中隐含层神经元数量后,识别正确率并不是一直随着隐含层中神经元数量的增加而增加,神经元数量数目增加到一定程度后正确率出现了降低的趋势。     

在Pbkc（c[0,1]）与Pbkc（Lp[0,1]）取值的集值随机变量（1）

对拟连续测度空间(G,β,u)的一致有界等度连续函数族,通过包含关系,取凸包和闭包,构造了在Pbkc(c[0,1])与Pbkc(Lp[0,1])取值的集值随机变量及连续的集值映射,深化了集值随机过程理论研究.     

全连续随机算子的边界不动点定理

本文利用随机拓扑度理论研究全连续随机算子的不动点问题,得到若干仅依赖于边界条件的随机不动点定理.作为特例,也给出了相应的确定性算子的边界不动点定理.     

卷积神经网络用于近红外光谱古筝面板木材分级

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。     

对整数边长的倍角三角形问题再探

《中学生数学》2011年9月下刊登了魏祥勤、魏秀英二位老师的一文《探究一类边长都是特殊整数的倍角三角形问题》,文章通过角平分线性质及勾股定理的应用,得到了几个结论,受二位老师的启发,本人以角平分线性及相似三角形性加以新的探讨,并补充第三种分类情形.     

结合幅度谱和功率谱字典的语音增强方法

从双路字典学习、噪声功率谱估计、语音幅度谱重构角度提出了一种改进的谱特征稀疏表示语音增强方法。在字典学习阶段,融合功率谱与幅度谱特征,采用区分性字典降低语音字典和噪声字典的相干性;在语音增强阶段,提出一种噪声功率谱估计方法对非平稳噪声进行跟踪估计;考虑到幅度谱和功率谱特征对不同噪声的适应程度不同,设计了语音重构权值表。对分别由幅度谱和功率谱恢复而来的两路信号进行自适应加权重构,结合相位补偿函数得到增强后的语音信号。实验结果表明,该方法在平稳、非平稳噪声环境下相比于单一谱特征的语音增强方法平均提高31.6%,改善了语音增强方法的性能。     

相似非线性算子的谱相等

引进非线性算子相似的定义,证明了相似的非线性算子的谱相等。     

一种新的求解拟单调变分不等式的压缩投影算法

2020年Liu和Yang提出了求解Hilbert空间中拟单调且Lipschitz连续的变分不等式问题的投影算法,简称LYA。本文在欧氏空间中提出了一种新的求解拟单调变分不等式的压缩投影算法,简称NPCA。新算法削弱了LYA中映射的Lipschitz连续性。在映射连续、拟单调且对偶变分不等式解集非空的条件下得到了NPCA所生成点列的聚点是解的结论。当变分不等式的解集还满足一定条件时,得到了NPCA的全局收敛性。数值实验结果表明NPCA所需的迭代步数少于LYA的迭代步数,NPCA在高维拟单调例子中所需的计算机耗时也更少。