加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中, 随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差。针对上述的问题, 结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model, NLMM)提出了一种可靠性改进的分析方法。首先, 需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数。其次, 考虑随机效应对尺度参数和形状参数的影响, 运用NLMM构建了尺度参数和形状参数与试验因子之间的函数关系。然后, 利用贝叶斯方法估计低分位数的可靠性寿命。最后, 实际案例研究表明, 在考虑删失问题和未完全随机设计的影响时, 所提方法能够获得更为稳健和可靠的估计结果。     

基于跟踪信息的多帧联合检测方法

传统多帧联合检测方法针对搜索阶段进行设计, 由于无任何目标信息, 需要采用较高的检测门限以降低虚警数量。然而, 一旦成功建航, 目标存在性已确定, 可利用目标跟踪信息调整多帧联合检测策略, 以提升微弱目标检测能力。基于上述考虑, 本文提出了一种基于跟踪信息的多帧联合检测方法。首先利用当前时刻跟踪信息建立预测波门, 然后设定较低的单帧检测门限保障微弱目标信号的高概率检测, 最后在航迹恒虚警约束下调整多帧联合检测门限, 从而完成航迹维持和撤销。仿真实验表明所提方法可有效提高目标检测概率和跟踪维持概率。     

BS-矩阵线性互补问题误差界的一个新估计式

根据BS-矩阵的特殊结构和性质,利用严格对角占优M-矩阵的逆的无穷大范数范围,结合不等式的放缩技巧,改进了B^S-矩阵线性互补问题的误差界估计式.理论分析和数值算例均验证了新估计式的有效性.     

基于修正斜压场的RC框架边节点剪切性能分析

为研究钢筋屈服强度和混凝土抗压强度对钢筋混凝土(RC)框架边节点剪切性能的影响规律,基于修正斜压场理论(MCFT),对某框架边节点的剪切应力-应变骨架曲线进行数值模拟,并与试验结果进行对比.在验证MCFT算法的精度后,研究钢筋屈服强度和混凝土抗压强度两个参数变化对RC框架边节点剪切应力-应变骨架曲线和峰值剪切应力的影响规律.结果表明:基于MCFT可以较好地模拟RC框架边节点的剪切应力-应变关系曲线; RC框架边节点的峰值剪切应力对混凝土抗压强度的变化更为敏感,但当试件的钢筋(HRB400)屈服应力下降幅度超过16.45%时,对钢筋屈服应力的变化更为敏感;当试件的钢筋(HRB400)屈服应力下降幅度超过10%时,节点发生钢筋滑移破坏,此时峰值剪切应力会大幅下降.     

融合多源先验信息的舰船备件可靠性评估

舰船工作环境常导致备件的实际可靠性规律与设计参数不一致。在实际使用消耗量较小的条件下,全面分析备件可靠性信息来源,通过定义似然权重系数,融合多源先验信息,建立指数型备件可靠性的贝叶斯评估方法。最后,通过仿真分析验证方法的合理性。结果表明,所提出的基于似然权重的先验信息融合方法可以较好地融合不同信息源的可靠性信息,估计方法具有较好的稳定性。     

基于联合违约概率的资产组合投资优化方法

投资组合的资产联合违约概率(joint,probability of default,JPoD)是一种有效的系统风险测度工具.基于JPoD分析,提出了一种新的资产组合选择优化方法,即通过计算资产池中每两种资产的JPoD值得到JPoD矩阵,利用遍历算法逐次筛选,得出具有最小系统风险的多资产组合.实证分析首先利用2014 2015年的上证综指和深证成指数据验证了JPoD方法的有效性;其次,分别利用中国股票市场数据和美国股票市场数据将所提出的资产组合选择方法与马科维茨均值-方差组合理论、随机组合方法进行比较,结果表明无论是在中国股票市场还是美国股票市场,JPoD方法都明显优于其他两种方法.     

人工智能背景下的配送网络优化方法研究

伴随着人工智能的快速发展,在配送领域内无人机得到广泛应用;针对卡车和无人机在配送中的特征,提出卡车与无人机联合配送模式下的路线网络规划问题;在假定该模式具体应用情境的基础上,分别以碳排放量以及配送效率为目标建立路径规划模型,根据模型的特征设计了相应的求解方法;最后通过算例论证联合配送模式的可行性与有效性。     

互助担保:连带责任、互助保证金与成员努力程度

构建了针对现行互助担保模式的简单模型，分析了在互助担保中连带责任以及互助保证金对成员企业努力程度的影响.为了进一步激励成员企业的努力程度，提出增加监督惩罚机制和次序担保贷款机制，并通过建立动态激励模型验证了这些机制的有效性.研究结果如下:在现行的互助担保机制下，连带责任越大成员企业努力程度越低，且保证金越多成员企业努力程度越低，而引入监督惩罚机制以及次序贷款机制能够一定程度避免成员企业低努力程度行为的发生.     

基于多模态融合技术的用户画像方法

针对当前用户画像工作中各模态信息不能被充分利用的问题, 提出一种跨模态学习思想, 设计一种基于多模态融合的用户画像模型。首先利用 Stacking集成方法, 融合多种跨模态学习联合表示网络, 对相应的模型组合进行学习, 然后引入注意力机制, 使得模型能够学习不同模态的表示对预测结果的贡献差异性。改进后的模型具有精心设计的网络结构和目标函数, 能够生成一个由特征级融合和决策级融合组成的联合特征表示, 从而可以合并不同模态的相关特征。在真实数据集上的实验结果表明, 所提模型优于当前最好的基线方法。     

基于原模图LDPC码的联合信源信道译码器的硬件实现

采用FPGA(field programmable gate array)设计基于原模图低密度奇偶校验(low density parity check,LDPC)码的联合信源信道译码器,信道部分和信源部分都是由原模图LDPC码组成.在原模图LDPC码联合译码器的硬件实现架构中,通过2步循环扩展得到了适合硬件实现的准循环原模图LDPC码,译码器信息的迭代更新采用TDMP (Turbo decoding message passing)分层译码算法,采用的归一化最小和算法使得P-JSCD(photograph-based joint source and channel decoding)具有部分并行结构.最后,为了降低资源消耗和译码延迟,采用了提前终止迭代策略.基于FPGA平台的硬件实现结果表明,该联合译码器的译码性能非常接近相应的浮点算法,并且最大时钟频率达到193.834 MHz,吞吐量为24.44 Mbit/s.