基于SFA-Malmquist模型的区域软件与信息技术服务业全要素生产率测算与分析

软件与信息技术服务业是推动制造业迈向高质量发展的重要支撑.如何构建计量模型并测算软件与信息技术服务业的生产率,是准确把握其发展规律并识别其影响机制的基本前提.以我国28个省份的软件与信息技术服务业的面板数据,基于Translog生产函数,构建随机生产前沿方法(SFA)与Malmquist指数相结合的全要素生产率测量模型,比较分析了我国软件与信息技术服务业全要素生产率及其分解效率,并建立Tobit回归模型实证检验信息技术对软件与信息技术服务业生产率的影响及城市化的调节效应.研究表明,资本投入显著正向影响软件与信息技术服务业的产出,人力资本投入对软件与信息技术服务业的产出具有负向影响;软件与信息技术服务业技术效率呈下降趋势,全要素生产率在统计期内平均增长了5.1%且区域增长差异明显;信息技术促进了全要素生产率,城市化负向调节信息技术与全要素生产率之间的关系.因此,应提高软件与信息技术服务业的人力资本质量,提高运作过程中的技术效率,重视城市化对全要素生产率的影响.     

以非负矩阵分解提取局部特征的SAR目标稀疏表示分类

合成孔径雷达( SAR)目标分类是自动目标识别系统的核心功能之一,对于战场监视等应用具有重要意义。利用SAR图像局部散射明显的特点,提出了通过训练样本的非负矩阵分解获得低维数局部特征编码,并以该编码作为字典进行稀疏表示分类的方法。采用Gotcha项目民用车辆目标的实测数据进行了验证,结果显示在不同信噪比条件下该方法的分类正确率均优于广泛采用的由降采样、随机投影、主成分分析提取低维数特征的稀疏表示分类方法,表明了该方法的性能优势。另外,还通过实验对比分析了非负约束的稀疏表示与标准稀疏表示在分类性能上的差别,结果显示非负约束的稀疏表示导致分类正确率下降,故针对分类问题不宜在稀疏表示时进行非负约束。     

双通道交替最小化算法的GPU并行加速

大气湍流和系统噪声的存在使得天文或空间目标成像模糊。而双通道交替最小化算法是复原湍流和噪声降质图像的有效方法之一。但该算法比较复杂,需要反复迭代运算,处理耗时较长。为了提高算法运行速率,结合算法结构特征,将图形处理器(GPU)加速技术应用于双通道交替最小化算法,重点优化交替最小化迭代过程。实验结果表明：在不同湍流且信噪比(SNR)20 dB的条件下,与直接采用中央处理器(CPU)的算法相比,GPU并行加速用于双通道交替最小化算法,能够实现图像复原的“U-step”运算速率提升80%以上,点扩散函数求解的“H-step”运算速率提升60%以上,且恢复后的图像效果接近衍射极限。并行加速技术与已有的算法相结合的方式能够有效提高运行速率,为湍流和噪声降质图像的复原提供一定的参考。     

基于深度学习的无波前探测自适应光学系统研究进展

近年来自适应光学（AO）系统向着小型化和低成本化趋势发展,无波前探测自适应光学（WFSless AO）系统由于结构简单、应用范围广,成为目前相关领域的研究热点。硬件环境确定后,系统控制算法决定了WFSless AO系统的校正效果和系统收敛速度。新兴的深度学习及人工神经网络为WFSless AO系统控制算法注入了新的活力,进一步推动了WFSless AO系统的理论发展与应用发展。在回顾前期WFSless AO系统控制算法的基础上,全面介绍了近年来卷积神经网络（CNN）、长短期记忆神经网络（LSTM）、深度强化学习在WFSless AO系统控制中的应用,并对WFSless AO系统中各种深度学习模型的特点进行了总结。概述了WFSless AO技术在天文观测、显微成像、眼底成像、激光通信等领域的应用。     

基于RUN优化算法的波前校正系统

将龙格-库塔优化器用于无波前探测自适应光学系统，提出基于RUN的自适应光学控制方法。以61单元变形镜为波前校正器件，不同湍流强度下的畸变波前为校正对象，建立基于RUN优化算法的自适应光学系统模型。对比分析基于RUN、PSO、DEA和GA等算法的波前校正效果、校正速度和局部极值。结果表明，相比基于粒子群优化算法、差分进化算法和遗传算法的自适应光学系统，在取得相同校正效果时，基于RUN优化算法的波前校正系统在不同湍流条件下的校正速度均提高三倍以上，且RUN算法不易陷入局部极值。研究结果可为基于RUN优化算法的波前校正系统的实际应用提供理论基础。