基于物理信息神经网络的气动数据融合方法

为了解决训练传统深度神经网络对大数据的依赖问题,气动数据中包含的物理结构信息需要被充分利用。物理信息神经网络(physics-informed neural network,PINN)是一种非监督的学习算法,采用深度神经网络直接逼近流场偏微分方程的解,因此适用于气动数据的建模。然而训练PINN时,损失函数反映的是抽样点处神经网络所拟合的偏微分方程值的偏差,对于复杂的非线性偏微分方程,这一偏差不能准确反映神经网络所拟合的函数与微分方程解函数的偏差,而且用神经网络拟合初始条件和边界条件时,不可避免存在拟合误差,误差随空间和时间累计,这使PINN的建模精度相比传统的模型没有优势。为了解决这些问题,本文把PINN与流场的计算流体动力学(Computational Fluid Dynamics,CFD)仿真结果进行融合,在流场抽样点处的损失函数中增加了PINN在该点的输出与流场在该点的CFD值偏差,从而提高了神经网络的建模精度。根据CFD仿真时使用的模型,融合方式采用瞬时模式或时均模式。测试结果表明该方法能够有效提高PINN的建模精度。

无监督多重非局部融合的图像去噪方法

非局部均值去噪(Non-local means,NLM)算法利用图像的自相似性,取得了很好的去噪效果.然而,NLM算法对图像中不相似的邻域块分配了过大的权重,此外算法的搜索窗大小和滤波参数等通常是固定的且无法根据图像内容的变化做出自适应的调整.针对上述问题,本文提出一种无监督多重非局部融合(Unsupervised multi-non-local fusion,UMNLF)的图像去噪方法,即变换搜索窗等组合参数得到多个去噪结果,并利用SURE(Stein's unbiased risk estimator)对这些结果进行无监督的随机线性组合以获得最终结果.首先,为了滤除不相似或者相似度较低的邻域块,本文引入一种基于可微分硬阈值函数的非局部均值(Non-local means with a differential hard threshold function,NLM-DT)算法,并结合快速傅里叶变换(Fast Fourier transformation,FFT),初步提升算法的去噪效果和速度;其次,针对不同的组合参数,利用快速NLM-DT算法串联生成多个去噪结果;然后,采用蒙特卡洛随机采样的思想对上述多个去噪结果进行随机的线性组合,并利用基于SURE特征加权的移动平均滤波算法来抑制多个去噪结果组合引起的抖动噪声;最后,利用噪声图像和移动平均滤波后图像的SURE进行梯度的反向传递来优化随机线性组合的系数.在公开数据集上的实验结果表明:UMNLF算法去噪结果的峰值信噪比(Peak signal to noise ratio,PSNR)超过了NLM及其大部分改进算法,以及在部分图像上超过了BM3D算法.同时,UM-NLF相比于BM3D算法在视觉上产生更少的振铃伪影,改善了图像的视觉质量.

切换拓扑下时变非线性多智能体系统的一致性

为了解决联合切换拓扑是任意有向网络结构的马尔可夫切换拓扑下多智能体系统一致性的问题,提出了一种对任意网络结构进行的构造方法,针对构造后的网络,设计了一种一致性协议,研究了时变非线性多智能体系统的"领导—跟随"一致性问题.首先,通过引入一个虚拟领导者节点与联合切换拓扑中最少数量的领导者连接,对任意有向网络结构进行构造,使所构造的网络拓扑包含有向生成树;其次,设计了具有动态增益的一致性协议,并引入一致性误差和状态变换,将系统的一致性问题转化为时变参数的设计问题;进一步,基于李亚普诺夫稳定性理论,分析了马尔可夫切换拓扑下时变非线性多智能体系统稳定性;最后,仿真示例说明了理论结果的有效性.

加权聚合深度卷积特征的图像检索方法

针对目前基于深度卷积特征的图像检索方法无法充分突出图像显著性区域特征和不能有效抑制背景噪声等问题,提出了一种加权聚合深度卷积特征的图像检索方法.根据逆文档频率,该方法对拥有较少特征和紧密特征的特征图赋予较大权重,生成差异性加权向量.由于不同图像表现的特征不同,该方法选择最能真实反映图像特征的一组特征图,计算出权重矩阵并对其进行滤波处理,最终生成选择滤波加权矩阵.公开数据集上的实验结果表明,本文提出的方法能够有效地增强图像特征的辨别能力,在图像检索精度上优于其它同类方法.

光学微腔中的耗散孤子

耗散孤子是一种通过耗散增益能量平衡、非线性与波传播的色散平衡形成的能量局域化结构,由于其形状、速度和强度在传播过程中表现出较强的稳定特性,常被应用于通讯、谱分析等相关应用.近年来,研究发现,光学微腔可以稳定且高效地产生耗散孤子,这种能够在片上集成装置产生的耗散孤子在通讯、双光梳光谱技术、频域校准和分析,以及远距离探测等方面都有着极大的应用优势.本综述从光学微腔中耗散孤子的耗散增益能量平衡以及非线性和波的色散平衡角度,分别对光学微腔中的耗散光孤子和光力微腔中耗散孤子的形成、发展和应用进行阐述,并对耗散孤子的进一步发展和应用进行展望.