ESR成像技术的研究意义及其发展现状

主要介绍了电子自旋共振 (ESR)

基于改进Sigmoid卷积神经网络的手写体数字识别

深度学习技术在数字识别领域有着普遍的应用。通过深度学习技术构造神经网络模型,运用不同的激活函数搭配不同的参数初始化策略,对MINIST手写数据集进行训练;构建分析模型,识别图像中的数字,将大数据量的图片降维成小数据量图片,同时保证能够有效保留图片特征;通过对图片数据的分析,加入特征转换过程,利用梯度下降优化器,搭建网络结构,将数据降维,有效地避免过拟合;利用交叉熵验证对模型进行编译和训练,对输出的分类结果进行进一步分析,在Sigmoid激活函数的输出层,通过K最近邻分类算法,设置KNN分类器,进一步提高了分类预测的准确率。MNIST数据集上的实验结果显示识别率为96.2%,在输出层引入K最近邻算法KNN(K-Nearst Neighbors)结合传统卷积神经网络(Convolutional Neural Network,CNN)的全连接层与softmax层,经交叉验证得到99.6%的识别率。

两物体对心碰撞的几何解法

Ｏ．Ｌｏｇｅｒｇｉｓｔ．对于质量相等的两物体对心碰撞，提出了一种简单的几何解法（参见《自然》， ３８卷 １１号．［日］中央公论社，第９１至９３页）．本文在此基础上论证了质量不同的（包括相同的）两物体对心碰撞的几何解法的原理，并提出了相应的作图方法．

二体对心碰撞几何解法的一普遍方法及其计算机绘图

Logergist对于质量相等的二体对心碰撞提出了一种几何解法。本文在此基础上,引入一速度变换和两条新的辅助线,论证了质量为任意关系的二体任意对心脏碰撞的几何解法的原理和作图方法。还编制了计算机绘图软件TBC·BAS,在计算机(IBM——PC系列微机或其兼容机接DXY——880绘图机)上实现了上述几何解法。