银纳米棒四聚体的法诺共振和线宽压缩

利用有限元方法(FEM)研究了光场作用下由银纳米棒组成的四聚体(silver nanorod quadrumer,SNQM)的法诺共振(Fano resonances,FRs)和谱线线宽压缩现象。SNQM由两个相同纳米棒以上下平行排列方式组成的谐振腔(resonant cavity,RC)和由插入其中的两个相同纳米棒同向排列组成的偶极辐射天线(dipole antenna,DA)所构成,通过RC和DA的等离激元之间相互作用所形成的超辐射和亚辐射模式间相消干涉产生FRs现象。研究结果表明:调整SNQM的结构参数可对FRs的调制深度和共振波长进行调谐,在选取适当的结构参数的情况下可实现增强的窄线宽DA辐射。     

基于和声搜索算法的极限学习机网络优化

极限学习机(ELM)因其运算速度快、误差小等优点而得到广泛的应用,但由于随机给定输入权值和阈值可能导致隐含层节点无效,因此,ELM通常需要增加隐含层节点数来提高预测精度,从而导致网络泛化能力不佳。为了解决上述问题,提出一种和声搜索算法的极限学习机网络(HS-ELM),采用和声搜索算法不断调整ELM输入权值和隐含层阈值矩阵选取最优以达到优化网络的目的。最后通过两种复杂度不同的非线性函数拟合加以验证。结果表明,传统ELM网络平均预测误差为0.31×10-3%和1.6%,HS-ELM的平均预测误差为0.01×10-3%和0.4%。证明和声搜索算法优化后的ELM网络在同等情况下所需的隐含层节点数和预测精度均优于传统ELM网络的。