Professeur de et non chercheur, Je n'ai pas de donner unpoint de l'Histoire de la , mais nous avons la mission de servirde relais entre la recherche et la nation pour notre enseignement. Il nous revient le dif-f...Professeur de et non chercheur, Je n'ai pas de donner unpoint de l'Histoire de la , mais nous avons la mission de servirde relais entre la recherche et la nation pour notre enseignement. Il nous revient le dif-ficile travail de transposer vos recherches dans des simplifications non ,la de jeunes esprits, d'une collective familiale,展开更多
Nous savons encore peu de choses sur la place qu'ont les femmes dansla francaise, sur leur participation aux qui ont I' de la France dans la . Certes quelques noms de femmes qui ont un pendant la flottent dans...Nous savons encore peu de choses sur la place qu'ont les femmes dansla francaise, sur leur participation aux qui ont I' de la France dans la . Certes quelques noms de femmes qui ont un pendant la flottent dans la commune: Marie-An-toinette, Manon Rolland, Charlotte Corday etc…En les prenant pour展开更多
Let F be a C^∞ curve in IR^n and μ be the measure induced by Lebesgue measure on F, multiplied by a smooth cut-off function. In this paper, we will prove some mixednorm estimates based on the average decay estimates...Let F be a C^∞ curve in IR^n and μ be the measure induced by Lebesgue measure on F, multiplied by a smooth cut-off function. In this paper, we will prove some mixednorm estimates based on the average decay estimates of the Fourier transform of μ.展开更多
蜗壳式离心泵作为流体输送的核心设备,压力脉动及水利性能对泵的稳定性、噪声、寿命等有重大影响。结合曲率控制前缘的设计方法,按增长率1.19%、0.47%、0.32%设计,建立前缘轴长比为0.96、2.11、3.11、4.11的蜗壳式离心泵,以SSTκ-ω模...蜗壳式离心泵作为流体输送的核心设备,压力脉动及水利性能对泵的稳定性、噪声、寿命等有重大影响。结合曲率控制前缘的设计方法,按增长率1.19%、0.47%、0.32%设计,建立前缘轴长比为0.96、2.11、3.11、4.11的蜗壳式离心泵,以SSTκ-ω模型定常计算结果为初始条件,进行κ-εRNG模型非定常分析,通过频域图分析蜗壳式离心泵压力脉动,并通过矢量云图分析水力性能。结果表明:设计的模型最佳流量为35 m 3/h,设计效率与模拟效率误差仅为2%;前缘轴长比不同,流道内压力扩散有差异;前缘轴长比为3.11时出口压力脉动偏低,低频区更易产生压力脉动;前缘轴长比为0.96时,压力脉动范围偏小,适用于一定流量范围内扬程变化较大的工况。展开更多
针对小目标水漂垃圾形态多变、分辨率低且信息有限,导致检测效果不理想的问题,提出一种改进的Faster-RCNN(Faster Regions with Convolutional Neural Network)水漂垃圾检测算法MP-Faster-RCNN(Faster-RCNN with Multi-scale feature an...针对小目标水漂垃圾形态多变、分辨率低且信息有限,导致检测效果不理想的问题,提出一种改进的Faster-RCNN(Faster Regions with Convolutional Neural Network)水漂垃圾检测算法MP-Faster-RCNN(Faster-RCNN with Multi-scale feature and Polarized self-attention)。首先,建立黄河兰州段小目标水漂垃圾数据集,将空洞卷积结合ResNet-50代替原来的VGG-16(Visual Geometry Group 16)作为主干特征提取网络,扩大感受野以提取更多小目标特征;其次,在区域生成网络(RPN)利用多尺度特征,设置3×3和1×1的两层卷积,补偿单一滑动窗口造成的特征丢失;最后,在RPN前加入极化自注意力,进一步利用多尺度和通道特征提取更细粒度的多尺度空间信息和通道间依赖关系,生成具有全局特征的特征图,实现更精确的目标框定位。实验结果表明,MP-Faster-RCNN能有效提高水漂垃圾检测精度,与原始Faster-RCNN相比,平均精度均值(mAP)提高了6.37个百分点,模型大小从521 MB降到了108 MB,且在同一训练批次下收敛更快。展开更多
文摘Professeur de et non chercheur, Je n'ai pas de donner unpoint de l'Histoire de la , mais nous avons la mission de servirde relais entre la recherche et la nation pour notre enseignement. Il nous revient le dif-ficile travail de transposer vos recherches dans des simplifications non ,la de jeunes esprits, d'une collective familiale,
文摘Nous savons encore peu de choses sur la place qu'ont les femmes dansla francaise, sur leur participation aux qui ont I' de la France dans la . Certes quelques noms de femmes qui ont un pendant la flottent dans la commune: Marie-An-toinette, Manon Rolland, Charlotte Corday etc…En les prenant pour
基金Supported by Natural Science Fundation of Anhui Province (07021019)Education Committee of AnhuiProvince (KJ2007A009 KJ2008B244)
文摘Let F be a C^∞ curve in IR^n and μ be the measure induced by Lebesgue measure on F, multiplied by a smooth cut-off function. In this paper, we will prove some mixednorm estimates based on the average decay estimates of the Fourier transform of μ.
文摘蜗壳式离心泵作为流体输送的核心设备,压力脉动及水利性能对泵的稳定性、噪声、寿命等有重大影响。结合曲率控制前缘的设计方法,按增长率1.19%、0.47%、0.32%设计,建立前缘轴长比为0.96、2.11、3.11、4.11的蜗壳式离心泵,以SSTκ-ω模型定常计算结果为初始条件,进行κ-εRNG模型非定常分析,通过频域图分析蜗壳式离心泵压力脉动,并通过矢量云图分析水力性能。结果表明:设计的模型最佳流量为35 m 3/h,设计效率与模拟效率误差仅为2%;前缘轴长比不同,流道内压力扩散有差异;前缘轴长比为3.11时出口压力脉动偏低,低频区更易产生压力脉动;前缘轴长比为0.96时,压力脉动范围偏小,适用于一定流量范围内扬程变化较大的工况。
文摘针对小目标水漂垃圾形态多变、分辨率低且信息有限,导致检测效果不理想的问题,提出一种改进的Faster-RCNN(Faster Regions with Convolutional Neural Network)水漂垃圾检测算法MP-Faster-RCNN(Faster-RCNN with Multi-scale feature and Polarized self-attention)。首先,建立黄河兰州段小目标水漂垃圾数据集,将空洞卷积结合ResNet-50代替原来的VGG-16(Visual Geometry Group 16)作为主干特征提取网络,扩大感受野以提取更多小目标特征;其次,在区域生成网络(RPN)利用多尺度特征,设置3×3和1×1的两层卷积,补偿单一滑动窗口造成的特征丢失;最后,在RPN前加入极化自注意力,进一步利用多尺度和通道特征提取更细粒度的多尺度空间信息和通道间依赖关系,生成具有全局特征的特征图,实现更精确的目标框定位。实验结果表明,MP-Faster-RCNN能有效提高水漂垃圾检测精度,与原始Faster-RCNN相比,平均精度均值(mAP)提高了6.37个百分点,模型大小从521 MB降到了108 MB,且在同一训练批次下收敛更快。