手写公式识别和计算研究

针对手写数学公式的识别和计算问题,提出了一种基于卷积神经网络的字符训练方法。利用计算机视觉对数学公式图片进行预处理,采用卷积神经网络进行二维矩阵转换,得到了对应的字符符号,通过后缀表达式计算了识别结果。运用Softmax函数训练了字符模型,统计和分析了几种类型的数学公式识别和计算结果。实验结果证明,通过训练字符能有效提高正确率,该方法可为复杂手写数学公式识别和计算提供参考。

关于《一种静态电压稳定临界点的识别和计算方法》讨论

论文在研究电力系统电压稳定(崩溃点)临界点性质的基础上，依据崩溃点出现途径的不同，将之区分为约束诱导型分岔点(LIBP——limit induced bifurcation point)和鞍结型分岔点(SNBP——saddle node bifurcation point)，并给出了在连续潮流计算过程中对两类分岔点的快速扫描和识别算法，具有一定的现实意义。但仍存在如下疑问，敬请作者回答。