高维小波框架包子空间对空间L2(Rn)的分解

研究小波框架包子空间对空间L²(Rⁿ)的分解。运用时频分析方法与逼近论思想,刻画了数量矩阵伸缩的高维小波框架包的特征,构造了若干高维小波框架包子空间,进而,由小波框架包子空间得到了L²(Rⁿ)的直交分解式。给出高维小波框架包函数的频域表达式,类似于正交基,提出高维紧小波框架包构成空间L²(Rⁿ)的巴塞尔框架的充分条件,扩展了小波框架应用范围。     

五元域上LCD码的构造

基于最优线性码与射影几何理论,针对不同码长最优码的距离特性,研究了低维五元最优LCD码的构造。首先利用删截等方法构造了较小码长的三维和四维最优线性码以及最优LCD码;其次,借助部分已知矩阵和删截等方法构造了较大码长的三维和四维最优线性码以及最优LCD码;最后,利用已知最优LCD码和特殊码长最优自正交码构造了任意大码长的最优LCD码,完全解决了三维和四维最优LCD码的构造问题。这些LCD码的构造方法对于五元高维最优LCD码以及一般域上最优LCD码的研究具有重要的理论指导意义。     

局部有界双连续n次积分算子C群的生成元及性质

在一个带有局部凸拓扑τ的Banach空间上,提出了局部有界双连续n次积分算子C群的定义,以及局部有界双连续n次积分算子C群的生成元,证明了其若干性质.     

辫子群的q-组合式

从标准R-矩阵和适当选取的相互对偶的辫子群出发,作者在[1]中利用双重玻色化定理刻画了ABCD型量子包络代数U_q(g)的递归构造.本文详细刻画在这些递归构造中,辫子群的生成元在更高一秩的新量子群中的表达式,它们是关于单根向量的q-组合式形式.     

深度人脸伪造与检测技术综述

由于现有深度人脸伪造软件通常是开源的或者被封装为APP免费分发，导致了虚假视频的泛滥。因此开展针对深度人脸伪造检测技术的研究就显得尤为重要。目前，深度人脸伪造及检测技术正处在快速发展时期，各种相应的算法也在不断更新迭代。本文首先介绍了深度人脸伪造和其检测技术的代表性算法并给出简要分析，其中深度人脸伪造技术包括身份替换、面部重演、属性编辑、人脸生成等，检测技术包括图像级伪造检测技术和视频级伪造检测技术。然后归纳总结了常用的深度人脸伪造与检测数据集及不同算法的评估结果，最后讨论了伪造技术及其检测技术目前面临的主要问题及发展方向。     

Z2Z4上的加性负循环码

在Z_2Z_4-加性循环码的基础上构造负循环码。首先,引入Z_2Z_4-加性负循环码的定义及其构造;然后,构造其生成多项式及张成集;最后,通过实例说明其与加性循环码有相同的参数。     

Production of annular flat-topped vortex beams

A model of an annular flat-topped vortex beam based on multi-Gaussian superimposition is proposed.We experimentally produce this beam with a computer-generated hologram(CGH) displayed on a spatial light modulator(SLM).The power of the beam is concentrated on a single-ring structure and has an extremely strong radial intensity gradient.This beam facilitates various applications ranging from Sisyphus atom cooling to micro-particle trapping.     

刍议初中数学“预设性生成”课堂教学

早在20世纪70年代美国心理学家维特罗克在《作为生成过程的学习》一文中最早提出“生成学习”的概念；国内最早明确提出生成性教学思想的是叶澜教授，她于1997年率先提出生成性教学思想．目前，大多数研究者都认同预设和生成是辩证的对立统一体，两者是相互依存的．     

政治信任危机的生成及化解措施

在全面深化改革期间，中国社会在孕育一场深刻的社会变革的同时也隐藏着不可忽视的政治信任危机。政治信任危机的生成有经济、政治、文化、社会、法律等多方面原因。创新行政管理方式和建立健全行政机制、引导群众实事求是看待改革成效、摧毁政治文化的定向思维、消解人情文化“异化”等是化解政治信任危机的主要措施。     

HLMGAN:分层学习的多奖励文本生成对抗网络

文本生成是自然语言处理的一项重要任务. 针对生成的文本大多缺乏多样性，且当生成文本过长时，文本生成的质量会有明显下降的问题，提出了一种采用Sentences and Words（SW）奖励机制的传递向量文本生成对抗网络. 首先，为生成器提出了层次结构设计，包括传递特征向量训练模块和生成向量训练模块，同时传递判别模型中真实文本特征向量给生成器的传递特征向量训练模块，由此来提高长文本生成的准确率，生成向量训练模块接收其生成词序列；然后，在训练过程中，使用关系存储核心代替传统的长短期记忆循环神经网络模型作为生成器，提高了模型的表达能力和捕获信息的能力；最后，采用SW奖励机制提高文本生成的多样性. 实验结果表明，分层学习的多奖励文本生成对抗网络（Generation Adversarial Network Based on Hierarchical Learning with Multi-reward Text，HLMGAN）模型在合成数据负对数似然度和双语互译质量评估辅助工具指标中均有所提升.