地震波的分形特性

分形的基本特性为自相似性和稳定的分形维数。本文用Dubuc算法计算地震波的分形维数。认为地震波具有分形特性。本文尝试着将非线性科学的最新热点－分形论应用于结构振动领域,从新的角度对地震波的特性进行了 初步的研究,是对分形理论和结构工程相结合的初步尝试,取得了理论上和实践上有意义的成果,具有多学科综合交叉的特色。     

分形和基于C~(++)的分形参数化绘图

对分形图形技术进行了一些研究.在分析分形图形形成的理论上,研究了分形图形的几种生成方法:基于L-系统的分形图形、复变函数迭代.通过研究各种方法的基本思想和生成过程,归纳筛选出决定其形态的参数,用Delph i语言实现分形绘图系统.     

分形的推广、应用和某些基本问题

首先简要介绍分形和自相似性.其次讨论分形的推广,包括笔者提出的复数维.第三探讨分形的某些应用,包括应用于社会科学和文学.第四研究分形中的若干基本问题,特别是分维、分形中量纲的奇异性,D维分形物体的量纲是不同的(cm)D.最后探索宇观-微观分形、泛量子理论和对分形的展望.     

与分形相结合的模糊控制

世界上普遍存在着分形(Fractal)规律.分形可以是形态、功能和信息方面的自相似性,而且相似性是有层次级别的.本文提出了量化因子和比例因子的分形因数F,把分形规律应用到模糊控制中去.用Matlab对其进行建模仿真,并和PID控制、传统模糊控制进行比较,结果表明加入分形因数F以后改善了控制精度.     

表皮葡萄球菌聚集形成分形结构的多重分形谱研究

对细菌分形结构形成机制的探讨有助于认识菌落的生长过程以及分形结构形成过程涉及的非平衡态物理与化学过程,丰富分形结构的研究体系。报道了表皮葡萄球菌在玻璃基底上集聚形成具有自相似性的分形结构。进一步的研究表明：生物膜是表皮葡萄球菌形成分形结构的关键,多重分形谱能够应用于定量研究细菌菌群分形结构的内部精细结构和生长过程,表皮葡萄球菌形成分形结构的机理符合团簇一团簇聚集模型。     

分形理论在供应链管理中的应用

为解决因环境变化日益复杂及不可预测性而造成的供应链管理难题，利用分形理论构建具有自相似、自组织、自优化功能的可重构分形供应链，并着重利用分形理论对此类供应链的相似性进行了研究，给出了分形供应链的相似性及自相似性评价指标集及基于分形方法的定量分析相似度的数学模型．并对所提出的分形供应链相似性评价方法进行了例证分析．     

利用分形维数实现亚像素图像匹配

图像匹配是图像分析领域中的一个很重要的研究内容.图像相关性的研究是提高图像匹配精度的关键,分形由于具有自相似这一重要特征在充分利用图像相关性方面独具潜力.本文提出了一种基于分形维数的亚像素图像匹配算法,该方法通过在被匹配图中遍历搜索模板子区和对子区进行次子区划分,采用最优盒计数法求取模板子区和搜索子区中次子区的分形维数,根据统计相关性原理找到相似性最大位置,然后利用分形插值法将匹配点定位到亚像素级,实现高精度的图像匹配.实验证明,该方法具有良好的匹配效果.     

烧结矿分形特征

概括了分形理论的基本概念和分形维数的计算方法,总结了在显微分析中的分形模型和分析方法,利用分形分析方法研究了烧结矿材料的粒度分布、孔隙结构,结果发现:烧结矿的粒度分布和孔隙结构具有分性特征,粒度的分维值是评价烧结矿粒度组成情况的一个定量指标,也是材料破碎过程中断裂阻力的一种量度:烧结矿的微孔隙具有多层次的自相似性,烧结矿的分形特征与烧结过程中孔隙的形成机理有关.     

分形理论在图像压缩中的应用

在图像压缩中运用分形理论是一种基于自然图像局部自相似性的有效压缩技术。文章重点介绍分形图像压缩技术理论基础——迭代函数系统,再介绍分形图像压缩编码和解码的方法,最后简单介绍分形编码的改进方法。     

分形通信量预测算法研究

最近一些研究显示无论是有线还是无线通信网络,其通信量具有分形性(或称自相似性),分形特征将严重影响通信网络优化、资源分配以及性能预测.因此,分形通信量的预测在通信网络管理与设计中扮演中非常重要的角色.现结合FGN过程和XE-NLMF递归方程,给出了一种分形通信量预测算法.实验结果表明该算法具有较好的性能.     

学习策略与学习过程

讨论了学习者的学习技巧和策略.对学习策略基本概念、策略与技巧的区别、学习策略理论、学习策略训练和学习者学习过程的意义进行了探讨.通过对学习者学习过程的研究,使教育者能够意识到学习策略的重要性,进而在教学过程中最大程度上帮助学习者,达到事半功倍的效果.     

学习策略与学习过程

讨论了学习者的学习技巧和策略。对学习策略基本概念、策略与技巧的区别、学习策略理论、学习策略训练和学习者学习过程的意义进行了探讨。通过对学习者学习过程的研究,使教育者能够意识到学习策略的重要性,进而在教学过程中最大程度上帮助学习者,达到事半功倍的效果。     

一种基于迁移学习的学习资源推荐方法

移动互联网技术的飞速发展和智能终端设备的广泛普及为支持泛在学习(U-Learning)提供了可能.泛在学习是一种随时随地都能发生的在线学习.当前,互联网涌现了一大批可供学习的平台和资源,类似平台包括网易云课堂、Coursera、知乎网、简书网等.手动检索和个性化推荐是在线学习系统提供给用户获取学习资源的常用方式.个性化推荐因其能主动建模学习者偏好,为学习者提供个性化的学习资源推荐服务而受到了广泛关注并成为在线学习领域的研究热点.本文在传统协同过滤个性化推荐系统的基础上提出一种基于迁移学习的学习资源的推荐方法,该方法从已有的数据中学习知识,然后迁移到目标任务中,解决了目标任务中数据过少从而导致学习特征的能力不足的问题.     

基于半监督学习的单类分类器

半监督学习是一种利用有标记样本和无标记样本进行学习的新的机器学习方法。针对单分类中只有目标类标记样本和大量无标记样本的情况,提出了一种基于半监督学习的单类分类算法。利用已标识的有标记样本建立两个单类分类器,通过相互学习来挖掘未标记样本中的隐含信息,扩大有标记样本的数量。利用所有已标识样本,用不同的单分类方法建立多个单类分类器,通过集成学习的方法得到最终的分类器。在UCI数据集上进行了实验,表明提出的基于半监督学习的单类分类器的有效性。     

面向自主学习的互动式网络学习系统研究

随着知识半衰期的持续缩短,终身学习、非正式学习和个性化学习将会成为个人成长和发展过程中内在需求.因此,构建以学习者为中心的,注重学习过程中的交流、互动与协作的网络学习系统成为教育信息化建设中的重要内容.本文首先分析了互联网环境下的学习的特点,讨论了适用于互联网环境下的联通主义的学习理论;然后分析了以学习者为中心的网络学习环境的起源和特征;接下来讨论了面向自主学习的互动式网络学习系统的设计;最后对全文进行总结并展望后续工作.     

试论网络英语学习与传统英语学习

如何有效地利用传统教学中的有益成分,实现网络英语教学与传统教学之间的优势互补是一个需要研究的问题。本文章通过对二者进行比较,旨在让学生更好的利用网络、网络资源,发挥学生英语自主学习能力,将网络英语资源有效地运用于实际英语教学中。     

机器学习中加速强化学习的一种函数方法

 机器学习中值函数需要反复更新直至其收敛是造成强化学习速度慢的根本原因.提出一种可实现批量更新值函数的学习方法,从加快值函数收敛的角度来加速强化学习.通过在训练情节中记录下从初始状态到达当前状态的状态转换序列,从中求出其它状态到达当前状态的最短状态路径,使当前状态更新的值函数可沿该最短状态路径逆序向前传播,从而实现值函数的批量更新.从在栅格环境中求最短路径的仿真试验结果看,该方法可显著提高值函数的更新频率,缩短学习时间.     

深度学习自适应学习率算法研究

为了获得更好的收敛速度和训练效果,提出了根据模型测试准确率对学习率使用不同调整策略的自适应学习率调整算法.将训练过程分为前期、中期和后期三个阶段:在前期适当增大学习率,在中期和后期根据与测试准确率的增量相关的衰减因子函数使用不同大小的学习率衰减因子减小学习率,增量越小表示模型越接近收敛,因而使用更小的衰减因子.基于MXNet框架,在数据集CIFAR-10和CIFAR-100上进行测试实验,结果表明所提出的方法在收敛速度和准确率收敛值方面都有更好的效果.     

组织学习与个人学习的知识发酵模型研究

知识经济时代 ,知识成为构建和保持组织创新能力、适应能力、学习能力以至核心竞争能力的唯一源泉 ,理论界和管理界对组织如何更好利用知识创造价值进行了大量而深入的研究 ,并且也得出了许多重要的研究成果 ,但是已有的研究都存在着共同的缺点 ,即缺乏对知识增长过程的机理分析 ,这就难以揭示知识在组织中运动和作用的内在规律 ,本文正是在这种背景下分析了知识所具有的生物活性 ,运用仿生学的理论 ,借鉴生物发酵过程 ,提出了组织学习和个人学习的知识发酵模型 ,该模型对进一步探讨知识的特性和指导组织进行知识管理具有重要的指导意义     

Pseudo-label based semi-supervised learning in the distributed machine learning framework

With the emergence of various intelligent applications,machine learning technologies face lots of challenges including large-scale models,application oriented real-time dataset and limited capabilities of nodes in practice.Therefore,distributed machine learning(DML) and semi-supervised learning methods which help solve these problems have been addressed in both academia and industry.In this paper,the semi-supervised learning method and the data parallelism DML framework are combined.The pseudo-l...