无穷远点处亚纯单叶函数的拟Hadamard卷积(英文)

本文研究了圆环域U内亚纯星象和凸象函数的某些新子类的拟Hadamard卷积.利用卷积方法,获得了该类函数的与拟Hadamard卷积有关的某些性质,推广了一些已知结果.

亚纯倒星象函数和倒凸象函数类的拟Hadamard卷积

引进了去心圆盘U^＊={z：0〈｜z｜〈1}内的亚纯倒星象函数和倒凸象函数的某些新子类,研究了该类中函数的拟Hadamard卷积,所得结果推广了前人的某些工作.

基于多元线性拟合与卷积神经网络的测井曲线环境校正研究——以新和—三道桥地区古近纪—白垩纪地层为例

测井曲线质量是影响岩石物理建模和地震标定等工作的重要因素。多种地质和工程因素都可能导致井壁垮塌,进而造成密度等探测深度较浅的曲线失真。本文提出一种基于多元线性拟合与卷积神经网络相结合面向不同程度的井眼垮塌测井曲线的环境校正方法,即利用多元线性拟合方法,实现井眼垮塌较小井的环境校正并作为扩充样本,训练卷积神经网络以实现井眼垮塌较大井的环境校正。该方法能够针对测井曲线的失真程度和样本多少,充分考虑多元线性拟合与卷积神经网络方法的适应性与技术优势,校正到接近原状地层的测井曲线。本文方法应用于国内西部某油田深层碎屑岩地层,有效地改善了研究层段的岩石物理特征的规律性和提高了井震标定质量,有利于研究人员正确理解地震响应特征,为油气田测井岩石物理分析和地震储层预测提供技术支撑。

卷积神经网络的正则化方法综述

近年来,卷积神经网络已经广泛应用于计算机视觉各个领域中并取得了显著的效果。正则化方法是卷积神经网络的重要组成部分,它能避免卷积神经网络在模型训练的过程中出现过拟合现象。目前关于卷积神经网络正则化方法的综述较少,且大多缺乏对新提出的正则化方法的总结。首先对卷积神经网络中的正则化方法相关文献进行详细的总结和梳理,将正则化方法分为参数正则化、数据正则化、标签正则化和组合正则化;然后在ImageNet等公开数据集上,基于top-1 accuracy、top-5 accuracy等评价指标,对不同正则化方法的优缺点进行对比分析;最后讨论了卷积神经网络的正则化方法未来的研究趋势和工作方向。

改进的大核卷积U-Net视网膜血管分割方法

眼底视网膜血管结构形态复杂、对比度低,且训练样本有限,易产生过拟合现象。针对以上问题,提出一种改进的大核卷积U-Net视网膜血管分割方法(large kernel residual U-Net, LKR-UNet)。减少U-Net下采样次数和每一层的通道数缓解模型过拟合和退化问题;使用大核残差卷积模块(large kernel residual convolution block, LKR-Block)充分提取视网膜血管的特征;通过级联空间通道注意力(cascaded spatial channel attention, CSCA)模块计算空间和通道注意力,提高分割的准确性。提出方法在DRIVE和CHASE_DB1数据集上进行消融实验,在两个数据集上的敏感度分别为84.04%和83.77%,AUC分别为97.82%和98.75%,F1-score分别为82.92%和84.67%。该方法较现有先进算法有一定提升,能有效进行视网膜血管分割。

基于卷积神经网络的抓取框检测方法

服务型机器人抓取的难点在于物体形状不规则、物体位姿随机性以及背景环境复杂。针对此问题,提出一种基于卷积神经网络的机器人抓取方法。该方法以深度图信息作为输入,采用轻量级卷积神经网络将抓取质量、抓取方向和抓取角度映射为热图,根据质量热图中的峰值生成候选抓取框,并从中选取最优抓取框。为验证论文研究方法有效性,基于Cornell抓取数据集进行训练,使用IntelRealSenseD415i深度相机和UR5机械臂搭建实验平台,在真实场景下对随机摆放的物体进行抓取实验。对比试验表明,在Cornell数据集上的准确率和检测速度均有提高,分别达到88.2%和21.0 ms,对数据集之外的物体,抓取成功率达到86%。综上所述,该方法能够快速、精确地对多个物体分别生成抓取框,满足抓取任务的需要。

基于时序卷积网络的早期帕金森多模态检测系统

帕金森病是最常见的神经退行性疾病之一,其临床特征与其他神经退行性疾病有重叠,且缺乏明确的病理机制,导致早期诊断检测困难、误诊率高等问题;为了研究有效的早期帕金森病检测方法,深入探索帕金森病发展的时间特征规律,并提高早期帕金森病预测、分析和诊断决策的准确性,设计了一种基于时序卷积网络的早期帕金森病多模态检测系统,为及时发现早期帕金森病提供辅助诊断依据;该系统利用语音、步态和受试者自测数据,采用多元线性池化方法进行多模态融合,结合时间卷积网络和参数共享方式,以提高系统的检测精度并降低过拟合风险;实验测试结果显示,基于时序卷积网络的早期帕金森病检测系统的准确率达到96.22%,在多项评估指标上优于传统的帕金森检测模型,展现出良好的早期帕金森联合检测效果。

用广义拟Hadamard卷积定义的广义积分算子的封闭性质

首先利用广义拟-Hadamard卷积引入一个广义积分算子;其次,应用两个经典不等式和系数不等式研究广义积分算子及其特殊殊算子在某些非标准化广义解析函数类上的封闭性质.

广义强向量拟平衡问题解的存在性和Hadamard适定性

首先,在映射-f(·,y,u)自然拟C-凸和映射f上半(-C)-连续的条件下,构造一个重要辅助函数,利用不同的证明方法,在不要求C*具有弱*紧基的情况下,建立了广义强向量拟平衡问题解的存在性定理.然后在适当条件下,给出问题序列收敛的定义,建立解集映射的上半连续性,并讨论广义强向量拟平衡问题的Hadamard适定性,得到广义强向量拟平衡问题的Hadamard适定性成立的充分条件.

基于分段抽取软判决加权Walsh Hadamard变换的卷积码识别算法

针对低信噪比环境下卷积码识别研究存在的不足,提出一种基于分段抽取软判决加权Walsh Hadamard变换(WHT)的卷积码识别算法。该算法利用接收比特的解调软判决信息求取软判决频次序列,并构造加权Walsh Hadamard矩阵,从而识别得到基本校验序列。利用基本编码矩阵构造规则,最终实现记忆长度及基本生成矩阵的识别。算法结合分段抽取思想,降低了所需运行存储量。仿真实验表明,该算法可在低信噪比环境下对不同码率卷积码进行有效识别,具有较好的容错性,且对大约束度的卷积码性能提高更为显著。

一种闪烁体γ能谱的快速卷积拟合算法

针对用低能的实验室γ源激发高能物理实验中采用的高密度 ,低光产额的闪烁晶体来测量其光产额时闪烁体的γ能谱不易拟合的问题 ,论文在原有的卷积拟合算法的基础上发展了一种解析方法 ,该方法通过用一解析函数来近似γ能谱中的康普顿本底形状 ,把原来耗时的数值卷积过程简化为一个递推级数的计算 .

卷积Hopf代数及其拟三角结构

设H和A为有限维Hopf代数,H*(A)=Hom(H,A).证明了H*(A)关于其上的卷积代数结构和卷积余代数结构构成一个Hopf代数.利用适当形式,构造了H*(A)上的拟三角结构.当A=k,普通对偶H*=H*(k)可视为卷积Hopf代数的一个特例.

数字反卷积问题的Prony拟合法

本文将应用Prony拟合理论解决反卷积问题,并重点研究在反卷积过程中易产生不稳定解的两种情况:①已知核的频带较未知核的窄;②有噪声存在。指出了Prony拟合法在这种情况下的有效性。作为成功的例证,文中给出了应用这一算法的计算机模拟结果。

拟卷积公式的指数公式及其应用

反演是组合分析里的重要结论,利用Lagrange-Bürmann反演公式已经导出了对任意的形式幂级数都适用的拟卷积公式,本文则利用拟卷积公式进一步得到了由它诱导的指数公式,并应用它得到了Bell多项式和Stirling数的一些性质.

拟卷积公式及其应用

利用Lagrange-B櫣rmann反演公式导出了对任意的形式幂级数都适用的拟卷积公式,并讨论它在组合分析中的一些应用。

卷积神经网络过拟合问题研究

在卷积神经网络建模过程中,由于样本量不足,模型往往容易出现过拟合现象。这极大地降低了模型的预测准确率。论文通过研究过拟合解决策略,将过拟合解决方法加入到卷积神经网络中,解决了牙形石自动化鉴定过程中的过拟合问题。实验结果表明,优化后的模型鉴定准确率较高,有助于提高牙形石地质研究工作的自动化、智能化水平。

周期拟完美序列的构造和计数与循环Hadamard(Ⅱ)型差集的乘子群

揭示了周期拟完美序列与循环Hadamard(Ⅱ )型差集的深刻对应关系 ,进而建立了周期拟完美序列的计数公式 ;并且通过决定循环Hadamard(Ⅱ )型差集的乘子群 ,分别求出了各族循环Hadamard(Ⅱ )型差集对应的本质不同的拟完美序列的个数。

用曲线拟合法获得反卷积的稳定解

本文介绍了用曲线拟合的最小二乘法获得反卷积稳定解的方法。实验表明,这种方法在信噪比较低时仍能获得较为满意的结果。与其他方法相比,该方法具有更好的滤波效果。

卷积方程的拟合求解法

本文提出卷积方程的一种求解方法.它可用于根据实洲数据辨识一个参数未知的线性平移不变系统.利用所述方法可依次确定系统的阶数、极点和系数。最后,我们讨论了误差情况和给出了数值例子,表明所提出的方法是可行的。

去卷积和高斯拟合方法在FTIR光谱处理中的应用

讨论了FTIR光谱产生的机理,并分析了影响其光谱质量的两种原因:(1)干涉图的截断;(2)仪器采样率低。为了改善由上述两种原因引起光谱畸变,我们对其进行了仪器线型函数去卷积和高斯拟合,使其更接近实际光谱,从而使由其计算出的物理量更接近实际值,结果更精确。