基于目标高斯分布的定位系统节点最优部署方法

针对三维空间定位系统中目标位置服从高斯先验分布假设条件下节点最优部署问题, 分析了纯方位目标定位算法中估计误差的费希尔信息矩阵, 推导出基于目标先验分布的克拉美罗界(Cramer-Rao bound, CRB)。为了解决目标位置在任意高斯分布时, 协方差矩阵为非对角阵的问题, 提出了基于三维坐标旋转的最大后验概率估计方法, 将协方差矩阵转化为对角阵以实现最小化CRB的迹, 从而得到定位系统中节点的最优部署。最后, 通过梯度下降算法对节点最优部署问题的理论推导进行仿真, 验证了该部署方法的有效性，同时仿真结果中不同节点部署方法的对比也表明了该方法可有效降低定位误差。     

一类中立型Cohen-Grossberg神经网络的概周期解

研究一类具有混合时滞的中立型Cohen-Grossberg神经网络。通过建立线性辅助方程， 得到该神经网络存在唯一的概周期解的新结果，同时也给出此概周期解的存在范围。     

分布式声传感器井中背景噪声统计特性分析

分布式声传感器技术(DAS: Distributed Acoustic Sensor)是一种新近提出的高精度勘探数据采集方法,受制于复杂背景噪声的影响,DAS记录处理水平有待进一步提高.针对上述问题,采用基于替代序列的时间序列平稳性检验方法和Lilliefors检验法对DAS记录中复杂背景噪声的平稳性和高斯性进行研究.用以分析的实际地震数据是按照勘探工业要求采集的井中DAS记录.研究结果表明,DAS背景噪声是非平稳、非高斯随机过程且噪声特性随记录时长发生变化.相关研究成果实现了针对DAS背景噪声特性的可靠认知,对提高DAS记录处理水平具有重要参考价值.     

多重网络中的创意扩散模型研究

基于线上线下多种渠道的创意扩散研究是企业管理的新兴研究热点之一.为此,引入多重网络理论与传播动力学理论,考虑工作中线下沟通、工作中通过企业社交媒体在线沟通及非工作时间电子沟通三种渠道,构建多种渠道构成的多重网络中的创意扩散模型.研究创意在多重网络中持续扩散的阈值条件,并对创意在多重网络中的扩散过程进行仿真实验.结果表明:1)当员工在单位时间内通过以上各渠道沟通的平均次数较接近时,在多重网络中创意扩散的速度较快,创意扩散的范围较广;2)与匀质网络相比,当非工作时间电子沟通子网络是无标度网络时,在多重网络中创意扩散的速度较快,扩散的范围较广;3)增大子网络层间创意扩散的相互促进作用对整个多重网络中创意的有效扩散有积极影响.     

复合跟踪微分器在电容式位移传感器中的应用

针对从含噪原始信号中提取位置以及速度信息,经典跟踪微分器存在不能很好兼顾相位滞后和噪声放大问题、参数多,调试复杂等不足.在跟踪微分器等效线性分析基础上,提出复合形式跟踪微分器,用于电容式位移传感器位置信号跟踪以及速度信号估计,通过MATLAB\SIMULINK仿真以及实验平台测试,结果表明:在跟踪频率1 Hz、幅值1含噪声正弦信号中,复合跟踪微分器能光滑逼近原始位置信号,且能有效进行速度估计,相较于经典跟踪微分器,复合跟踪微分器跟踪相位滞后小0.03 rad,能更好兼顾跟踪信号相位滞后及速度信号噪声放大.     

一类离散时间复杂网络系统的输出同步

利用线性稳定性理论和Lyapunov函数方法,研究了一类离散时间复杂网络系统的输出同步问题,得到了系统输出指数同步的充分性条件,数值算例表明了方法的有效性.     

基于弦振动测量金属细线的线密度

提出了一种测量金属细线线密度的新方法,并对测量原理、公式进行了较为详细的推导,将测量结果与标准值进行了比较.从测量结果可知,其相对误差较小,说明利用该方法测量细线的线密度确实可行.     

Self-rolled TiO_2 microscroll/graphene composite for electrochemical dopamine sensing

Dopamine is an important neurotransmitter,and nonenzyme electrochemical sensor of dopamine detection based on highly active material is urgently demanded.In this work,an electrochemical sensor with high sensitivity and selectivity based on self-rolled TiO_2microscroll/graphene composite was developed and validated for dopamine sensing.The device exhibited a superior performance for dopamine detection with a detection limit of 4.25×10~(-9)mol L~(-1),and in the dopamine concentration range of 0.06–90μmol L~(-1),the oxidation currents increased linearly with the concentration.The remarkable performance enhancement was mainly ascribed to the increased surface area due to the porous surface of the TiO_2nanomembrane and highly conductive graphene therein.In addition,we have demonstrated that the sensor could be effectively used on detecting dopamine concentrations in urine samples.Our work demonstrates that the current microscroll-based device is promising in the field of real-time health monitoring for future human community.     

连续刚构铁路桥收缩徐变效应监测与分析

对连续刚构铁路桥箱梁温度场及桥梁线形进行长期、连续监测,通过主梁跨中下挠的理论与实测对比揭示了连续刚构铁路桥收缩徐变效应。对比了国内外常用收缩徐变估算模型,选择CEB-FIP徐变模型对黄河特大连续刚构桥进行了有限元分析。采用实测温度数据,以箱梁内测温度、外侧温度、顶底板温度梯度、左右侧温度梯度作为箱梁温度场的评判指标,对箱梁1年内的四季温度场分布进行分析。在基于相同温度场的条件下,通过理论值与实测值对比,发现分析成果与实测结果较吻合,说明混凝土的收缩徐变是引起连续刚构铁路桥跨中下挠的主要原因,对比结果还说明通过改善箱梁顶底板应力差能够改善收缩徐变长期效应。     

An ensemble of LSTM neural networks for high‐frequency stock market classification

We propose an ensemble of long–short‐term memory (LSTM) neural networks for intraday stock predictions, using a large variety of technical analysis indicators as network inputs. The proposed ensemble operates in an online way, weighting the individual models proportionally to their recent performance, which allows us to deal with possible nonstationarities in an innovative way. The performance of the models is measured by area under the curve of the receiver operating characteristic. We evaluate the predictive power of our model on several US large‐cap stocks and benchmark it against lasso and ridge logistic classifiers. The proposed model is found to perform better than the benchmark models or equally weighted ensembles.