基于深度学习的镍基高温合金叶片磨削烧伤识别研究

针对目视检查镍基高温合金叶片磨削烧伤时易出现误检、漏检等问题,提出一种基于深度学习的镍基高温合金叶片磨削烧伤识别分类模型（Tenon Grinding Burn Net,TenonGBNet）. 以K4125镍基高温合金叶片为研究对象,通过磨削烧伤试验和试件组织检测获得不同烧伤程度的叶片榫齿磨削烧伤分级标准和对应的图片集;将ODConv动态卷积融合Inception V2模块和Coordinate Attention注意力机制,保证模型轻量化的同时提高模型的特征提取能力;使用全连接层进行识别分类.结果表明,与其他4个经典分类模型相比,TenonGBNet在具有较小的模型复杂度和参数量的同时保持了96.50%的平均分类准确率,且各烧伤等级的分类准确率均超过95%.     

包含Smarandache LCM函数及其对偶函数的混合均值

对于任意正整数n,数论函数w(n)为最小的正整数k,使得n≤k(3k+1),即w(n)=min{k:n≤k(3k+1),k∈N},利用初等及解析的方法,通过分区间讨论的方式来研究Smarandache LCM函数sl(n)及其对偶函数sl*(n)与w(n)的混合均值性质,给出■的一个有趣的渐近公式.     

三元变系数混合型欧拉函数方程φ(abc)=3φ(a)φ(b)+4φ(c)的可解性

研究了三元变系数混合型欧拉函数方程φ(abc)=3φ(a)φ(b)+4φ(c)的可解性问题,利用初等数论的有关内容及计算方法,得出了该方程的所有共计87组正整数解。该计算方法有助于解决同类型方程的可解性问题。     

基于虚拟仪器的近红外整粒小麦成分的测量系统

结合虚拟仪器技术和近红外光谱分析技术搭建了一种快速无损检测整粒小麦成分含量的系统。详细介绍了 该系统的硬件和软件设计，并扫描了40个已知粗蛋白化学值的整粒小麦样品的光谱图，建立了光谱数据与整粒小麦 粗蛋白含量间的关系模型来检验此系统的性能。结果表明此系统可以用于现场对整粒小麦进行快速无损检测。     

四元欧拉函数方程φ(abcd)=φ(a)+φ(b)+2[φ(c)+φ(d)]的正整数解

利用初等数论的方法,研究了四元欧拉函数方程φ(abcd)=φ(a)+φ(b)+2[φ(c)+φ(d)]的正整数解问题,并得到其全部16组解。     

基于网络结构的产业集群知识创新和扩散绩效

从网络角度研究包含二维知识的产业集群的知识创新和扩散过程,将集群内企业的知识增长分为自主创新和交易学习两种途径,并基于小世界网络模型对集群知识增长过程进行了建模,通过仿真,研究了网络拓扑结构、生产函数中的技术比例、知识交易机制、企业的自主创新能力和吸收能力等因素对集群知识创新和扩散绩效的影响,并提出了提升集群知识创新和扩散绩效的对策建议.     

混合型欧拉函数方程φ(abc)=2φ(a)φ(b)+8φ(c)的正整数解

利用初等数论方法及欧拉函数有关性质,研究三元变系数混合型欧拉函数方程φ(abc)=2φ(a)φ(b)+8φ(c)正整数解的问题.结果得出了该方程共计95组正整数解.     

基于贝叶斯网络的不确定环境下多属性决策方法

融合贝叶斯网络推理技术来求解不确定多属性决策问题,根据问题的决策变量、环境变量和多个属性之间的依赖关系构造贝叶斯网络,通过推理求解在各个方案下每个属性取值的概率分布,从而把问题转化成风险决策问题.采用此方法求解不确定环境下多属性决策问题时,决策者只需考虑节点与其父节点之间的依赖关系,降低了思考的复杂程度,适用于大规模的复杂问题求解.算例表明基于贝叶斯网络的求解方法对不确定环境下的多属性决策问题是有效的.     

AHP判断矩阵一致性调整的前瞻算法

提出一种AHP判断矩阵调整的前瞻算法。在向前试探（前瞻）一步的基础上，对最矛盾元素朝其最优调整方向进行调整。给出了算法的具体步骤，并用实例演示了算法流程，同时分析了算法的收敛性。前瞻一步，使得算法较已有的其他算法保留了更多的原始判断信息，调整速度更快，并通过对比实验验证了这些优点。     

一种基于集对分析的区间数多属性决策方法

针对属性权重和决策矩阵均为区间数的多属性决策问题,提出了一种基于集对分析的排序方法。通过借鉴集对分析理论把论域三划分的思想,把区间评价值转化成联系数的形式,给出了两个具有直观意义、计算简便的排序准则,并分析其合理性。分析过程中发现,区间数权重向量和区间数决策矩阵的方案评价向量具有不同的自由度,因此需要对它们采用不同的处理方法。最后,通过算例表明算法排序有效。与已有的数学规划等方法相比,该方法计算更为简便,排序准则具有直观的意义。