基于动态卷积的胸部X光片疾病分类算法

胸部疾病严重威胁人类健康，及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义．胸部疾病经常通过胸部X光片进行诊断，但由于胸部疾病的多样性以及病理特征的复杂性，现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较高等问题．针对以上问题，提出一种基于动态卷积的胸部X光片疾病分类算法．将动态卷积模块加入密集连接网络，在不显著增加网络模型尺寸的前提下，增强网络对多尺度信息的特征提取能力，在提升分类准确度的同时保持高效推理；使用Meta-ACON改进ReLU(rectified linear units)激活函数，通过线性-非线性切换因子自适应地选择是否激活以及使用何种激活函数，从而增强网络的泛化能力；提出加权焦点损失函数，在焦点损失函数的基础上加入权重调整因子，使网络依据分类的难易程度为每种疾病合理分配权重，增大较难分类疾病的损失占比以提高其分类准确度，进而优化整体性能；对数据加载方式进行优化，增大批数据处理量以提升批归一化效果；在测试阶段使用测试时数据增强策略，综合分析多个维度的分类结果，提高分类的准确性与鲁棒性．在chestX-ray14数据集上的实验结果表明，在密集连接网络中...     

轴向磁场作用下平均Taylor涡对湍流脉动的影响

采用基于高精度电流守恒格式的直接数值模拟方法，对轴向磁场作用下导电流体的湍流Taylor-Couette流动进行计算.在等电势边界条件的同心圆筒中，磁场与感生电流引起的反向周向速度分布、以及其对平均流动的影响被揭示出来.采用两种不同的湍流流场平均方法，将湍流中的全部脉动划分为平均流动(Taylor涡)的贡献和湍流的贡献.通过计算不同磁场强度下的湍动能的分布，对比分析轴向磁场对平均Taylor涡流和湍流两种贡献方式的影响.     

基于前景理论的投资组合优化问题研究

借鉴Kahneman和Tversky提出的前景理论,从期望效用最大化的视角对风险资产进行组合投资。首先建立基于前景理论的投资组合优化模型,然后针对模型中S形价值函数在参照点的非光滑性,使用CHKS函数进行了光滑化处理;针对目标函数的非凹性,使用多初始点技术进行了处理。最后利用中国金融市场的实际数据进行了实证分析,通过设定不同参数取值,验证了前景理论对中国金融市场的适用性。     

对数非线性薛定谔方程基态解的数值解法

针对对数非线性薛定谔方程，本文构造了一种求基态解的数值解法.该方法首先对原始能量泛函进行正则化处理,然后使用归一化梯度流方法来求正则化后的基态解.在求解的每个时间步我们采用向后欧拉傅里叶谱方法的隐式数值格式,并通过不动点迭代求解. 我们分析了正则化方法的能量误差,并通过数值模拟验证了本文方法的可靠性.     

动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

基于垂直管道内重油-水两相流动型态的持水率和压降预测模型

针对重油井筒举升流动规律认识不清的问题，本文采用高黏（584.24 cp，1.889 g/cm3）重油作为研究对象，研究重油-水在上升管中的流动特性，得到了五种重油-水两相流动型态。结果表明与轻油-水流动不同，重油-水流动过程中未发生相转化，该现象与表面能方程的预测结果相似。通过持水率测量得到重油-水两相的滑移效应随油水混合流速降低或持水率增加而变得更加明显，基于漂移流模型和动量守恒方程推导得到五种流态下重油-水两相流的持水率预测模型，相对误差率在20%以内。总压降梯度在低持水率时以重力压力梯度为主，高混合流速和高持水率时以摩擦压力梯度为主。采用基于Bannwart模型建立的重油-水中心环状流压降预测模型，误差率在30%以内，为进一步提高重油井筒举升流动参数的预测精度提供了理论基础。     

凯勒流形上Yang-Mills-Higgs流的曲率估计（英文）

主要研究紧致凯勒流形上Yang-Mills-Higgs流的曲率估计。在Higgs丛不是半稳定并且HarderNarasimhan-Seshadri滤过没有奇点长度为1的假设条件下，证明了与之相应的Hermitian度量对应的曲率是一致有界的。     

基于分层贝叶斯模型的损失准备金估计

传统的准备金模型主要是通过加总个体数据得到聚合损失三角形数据建立的,然而,这种数据的加总对原始个体数据产生不可避免的信息浪费.虽然这种方法简单,但可导致准备金估计的较大偏差.近年来提出的个体数据准备金模型中大都没有考虑保单合同之间的相依性.本文假设相同事故年的保单产生的索赔具有某种共同效应导致的相依情形,通过建立个体数据准备金的分层贝叶斯模型,利用信度理论的思想,得到每个事故年的准备金估计,从而得到总准备金的估计.进而,讨论了发展因子和结构参数的估计及其相应的统计性质.最后,给出数值例子表明本文给出的准备金估计的计算方法,并且比较了个体数据和聚合数据下准备金估计的均方误差.