基于小波变换和概率神经网络的焊接接头类型识别

为了实现机器人自动焊接过程中快速、精确地提取焊缝特征信息,提出了一种基于小波变换和概率神经网络的焊接接头类型识别方法。先采用小波变换对由激光视觉传感器采集的焊接接头图像进行降噪和增强,对重构后的图像进行二值化,然后提取图像的特征信息,组成图像特征向量,最后构建概率神经网络分类器并进行测试。结合视觉传感器中激光器与摄像机的位置关系,最终识别出4种焊接接头。实验结果表明,所提出的方法特征提取简单,识别率高,并具有较好的实时性。     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。     

域同态的扩张的个数

设h:F→Ω是域的同态,E是F的有限次扩域,本文讨论了使h到E上的扩张的个数取得最大值的条件.     

实二次域上理想类的zeta-函数在-1处的值

用连分数给出了实二次域理想类的zeta-函数-1处值的一个具体的计算公式.     

ON A PAIR OF NON-ISOMETRIC ISOSPECTRAL DOMAINS WITH FRACTAL BOUNDARIES AND THE WEYL-BERRY CONJECTURE

ＯＮＡＰＡＩＲＯＦＮＯＮＩＳＯＭＥＴＲＩＣＩＳＯＳＰＥＣＴＲＡＬＤＯＭＡＩＮＳＷＩＴＨＦＲＡＣＴＡＬＢＯＵＮＤＡＲＩＥＳＡＮＤＴＨＥＷＥＹＬＢＥＲＲＹＣＯＮＪＥＣＴＵＲＥＳＬＥＥＭＡＮ，Ｂ．Ｄ．ＣＨＥＮＨＵＡＭａｎｕｓｃｒｉｐｔｒｅｃ...     

几类非对称典型域的扩充空间

本文引入了一类齐性复解析流形,可以看作 Grassmann 流形及[4]、[5]中引入的复流形(?)(r_1,…,r_p;s_1,…s_p)和(?)更一般的形式,并利用它来实现作者在[1]中给出的几类非对称典型域的扩充空间.     

Clifford分析中无界域上正则函数的边值问题

在引入修正Cauchy核的基础上,讨论了无界域上正则函数的带共轭值的边值问题：a(t)Φ (t) b(t)Φ (t) c(t)Φ-(t) d(t)Φ=g(t)．首先给出了无界域上正则函数的Plemelj公式,然后利用积分方程方法和压缩不动点原理证明了问题解的存在唯一性．     

不连续不可逆二维映象的动力学特性

总结两个保守映象不可逆地分段连续链接(称为类耗散系统)以及一个保守映象与一个耗散映象不可逆地分段连续链接(称为半耗散系统)情况下得到的五项共同动力学特征：不连续边界象集构成的随机网成为唯一的混沌轨道；由于某些相点具有两个逆象而导致的相空间塌缩(类耗散)；由于系统的不连续不可逆性质而出现的胖分形禁区网；在具有吸引子共存时占据不连续边界象集随机网和胖分形禁区网区域的点滴状吸引域以及由此导致的吸引子不可预言性；即使在传统强耗散存在的情况下点滴状吸引域仍由类耗散机制主宰.以一个累积-触发电路为例，说明这五项系统动 关键词： 随机网 禁区网 点滴状吸引域     

微积分严格化之后(续二)

一、复数域上的微积分Frobenius定理说 :实数域上所有有限维结合可除代数 ( Division Algebra)只有三个 ,即 :实数域 ,复数域 ,四元数 ( Quaternion)代数 ,如果去掉结合性要求 ,则实数域上还有另一个可除代数 Cay-ley-Dickson代数 ,即 Octonion代数。在实数域上的维数为 8。由于四元数代数不可交换 ,Cayley-Dickson代数既不可交换又不结合。而复数域既可交换又可结合 ,且复数早已为人们所熟悉 ,于是人们在考虑原有微积分 ,即实数域上的微积分之后 ,理所当然地考虑复数域上的微积分 ,这就形成了复分析。复分析既然是复数域上的微积分 ,那…