复标度方法对Pb同位素单粒子共振态的研究

在相对论平均场(RMF)理论框架下,采用复标度方法研究Pb同位素的单粒子共振态.研究复标度哈密顿量Hθ的本征值随复标度参数θ变化的情况,研究结果表明:连续谱随θ转动,当θ增加到一定值时,共振态开始出现;共振态出现后,共振态位置不随θ变化.同时利用θ轨迹方法得到201～212Pb的共振态能量和宽度,并进一步研究Pb同位素链的共振态能量和宽度随原子核质量数变化的情况.     

H粒子的能量

本文在H粒子是一个六夸克集团的假定下,考虑了s夸克与u、d夸克的质量差,用夸克势模型计算了H粒子最低态的能量,结果表明它是一个能量比(?)阀能高几百MeV的共振态。     

基于人工神经元网络的图象重建

文章探讨利用人工神经元网络重建图象的方法 ,并讨论经过改进的 Hopfield网络的基本模型及其实现算法。研究完成了同步跳变、异步跳变和混合跳变等算法在图象重建中的实现 ,最后将衰减最大能量神经元准则应用于上述算法中。实验证明收敛的迭代步骤减少 ,收敛精度提高。     

神经网络法鉴别来自pp对撞不同过程的eμ事例

基于ＰＹＴＨＩＡ５．６蒙特卡罗模拟，作为一种唯象的研究，对于ＬＨＣＰＰ对撞中来自Ｈ→ｒ＋ｒ－，Ｄｒｅｌｌ－Ｙａｎ，以及ｔｔ和Ｗ＋Ｗ－过程的ｅμ事例，用一具有多个输出网点的前馈式神经元网络进行鉴别，对各物理过程均获得了满意的选择效率和本底压低水平．该研究适用于未来中能质量区Ｈｉｇｇｓ粒子和ｔｏｐ夸克的寻找，以及Ｗ＋Ｗ－物理的实验研究．     

G.729 CS-ACELP语音译码器丢失帧的重建机制

在分组网络中传输语音时,因为存在流量过载的情况,所以需要考虑其引发的分组丢失对生成语音质量的影响,对于采用合成分析法的语音编码方式,一旦分组丢失,会引起译码器输出语音的质量明显降低,介绍了一种于基共轭代数码本激励线性预测编译码器丢失语音帧的重建机制,依照Ｇ．７２９标准的三种兼容程度分别建立模型,重点在于外推出激励信号和综合滤波器参数。运用本机制模拟随机性和突发性的帧丢失两种情况,发现在帧丢失率达３     

具有测量数据丢失的大系统状态观测器设计

文中研究一类具有测量数据部分丢失的大系统状态观测器设计问题.针对一类由N个子系统构成的线性离散关联大系统,假设测量数据丢失满足已知概率的Bernoulli分布,给出了一种状态观测器设计新方法,使原系统和观测器之间的状态误差满足均方指数稳定.采用线性矩阵不等式方法,给出了状态观测器存在的充分条件,通过求解线性矩阵不等式得...     

相对论质量与能量的共轭关系

相对论质量与能量是描述物体运动性质的重要物理量，质能关系是物理学的基本关系之一，质量与能量是共存的、不相替代的、相互关联而又不相转换的，称此关系为质量能量共轭关系，建立质能共轭关系可使质能关系的内容具体化，既便于掌握这一关系，又有利于澄清一些模糊观点     

基于粒子群优化算法的电阻抗图像重建

电阻抗成像的实际应用具有许多优越性,但电阻抗图像重建是一个严重病态的非线性逆问题。目前电阻抗成像的静态算法大多采用Newton-Raphson类算法,这类算法需要计算Jacobian矩阵、使用正则化技术等,算法复杂且稳定性较差。针对该问题,采用了一种新的求解逆问题的方法:粒子群优化算法(PSO)。PSO是一种基于种群搜索策略的自适应随机算法,具有算法简单、调节参数少、收敛速度快、易于实现等特点。给出了电阻抗成像的建模模型,并对粒子群优化算法做了适当的改进以适应电阻抗问题的求解。与牛顿类算法相比,它可以省去繁复的雅可比矩阵计算过程,而采用自适应搜索来求取最优解。仿真结果表明,应用PSO进行图像重构时,能够对突变区域进行准确的定位,图像分辨率较高。     

试探粒子模型下托卡马克中逃逸电子的能量极限分析

高能量的逃逸电子轰击装置的第一壁材料会对托卡马克装置构成严重威胁.利用试探粒子模型分析了HT-7托卡马克中限制相对论逃逸电子的能量机制.     

零质量粒子的数学解

对于相互作用的两个基本粒子,如果两粒子之间的相互作用极强,当粒子的势函数满足一定的条件时,由量子力学基本原理很容易得出,两粒子可以形成零质量状态。即两粒子通过强烈的相互作用,将自身所含能量全部释放出来,形成一个质量为零的粒子。由量子力学分析易知,零质量粒子的形成过程,也是粒子的湮灭过程。     

利用神经网络重构自由曲线的研究

自由曲线重构问题是CAD／CAM工程中的首要问题,为了获得工件的数学模型,需要通过测量的型值点构造曲线。用神经网络的方法对自由曲线进行重构,并通过与三次B样条插值法构建的曲线相比较,以分析由神经网络法拟合复杂曲线的可行性。     

利用神经网络算法推算超额吉布斯自由能

利用神经网络算法推算了超额吉布斯自由能Gm^E，并将推算结果与实验结果进行了比较，推算的平均相对误差均在1．42％以内。     

基于神经网络组合模型的能源消费量预测研究

为了提高预测的精度,将神经网络组合预测模型应用于能源消费总量预测中,通过建立RBF、ELM、BP神经网络预测模型,用熵值法确定组合预测模型的加权系数,建立神经网络组合预测模型.利用安徽省统计年鉴获得的1991～2007年安徽省能源消费总量进行检验仿真,结果表明组合预测模型的误差较小,精度较高,预测结果更接近于实际情况.     

利用神经网络学习的岩体分级

将神经网络理论应用于岩体分级,意在探索出一条更强有力的分级新途径。利用神经网络对已知样本集进行学习,建立各种地质及工程因素与岩体的等价级别之间非线性映射。学习后的网络及权值可用于识别新的岩体的等价级别。主要探讨了PDP模型学习岩体分级的方法,并给出了应用结果。     

基于AIC准则优化的径向神经网络微地形曲面重构

采用RBF网络模型进行复杂微地形曲面重构,建立了适应于曲面重构的RBF网络模型.在建立网络模型过程中,对不同的聚类半径由最近邻聚类法求出不同类别的聚类数目及相应的聚类中心和初始扩展常数,通过对不同类别分别进行调整扩展常数的网络训练,求出其最小AIC量,再根据赤池信息量准则确定最优结构的RBF神经网络模型,从而进行复杂微地形的曲面重构.实验结果表明:该方法能较好地反映原始地形;这种基于AIC准则将样本输入信息与样本输出信息同时考虑,进行RBF网络结构优化的方法,为确定最优RBF网络模型的隐节点数目及相应参数提供了途径.     

基于小波神经元网络模型的网损预测方法研究

提出了一种电力系统网损预测的新算法-小波神经元网络预测模型,它以非线性小波基为神经元函数,通过优化伸缩因子和平移因子确定对应务神经元的小波基函数,从而合成小波神经元网络,达到全局最优的拟合效果,克服了普通人工神经元网络学习速度慢、难以确定网络结构、存在局部极小点等方面的缺点,仿真结果表明,该方法准确,并可使学习速度大大提高。     

用人工神经元方法预报IF钢性能

用人工神经元方法分析ＩＦ钢性能与成分、加工工艺之间关系，通过实验与现场数据训练１个前向网络的考核结果表明，该方法是用于大生产中ＩＦ钢成分与工艺设计的有效方法。     

RBF神经网络非对称损失改进及应用

针对应用RBF（Radial Basis Function）神经网络信用评分中存在的第Ⅰ类错误率高的问题，提出了基于Linex损失下RBF神经网络分类方法，并给出了UCI（University of California Irvine）中德国信用评分数据集上的测试结果。实验结果表明，该方法能有效解决传统RBF神经网络信用评分中存在的问题。     

高能μ子在铁和铅中的能量损失研究

研究了能量从１０ＧｅＶ到１０００ＧｅＶ的μ子在称之为ＬＡＡ的探测器装置的铅量能器和铁过滤器中的能量损失，得出了高能μ子在铅和铁中的能量损失率随μ子能量的变化．     

一种改进的多层前馈神经网络结构研究

通过将传统多层前馈神经网络结构改造为具有跨层连接的网络,提出了相应的多层前馈神经网络改进算法.通过分析网络误差函数,从理论上证明了:相对于无跨层连接网络,有跨层连接网络能以更加简洁的结构逼近理想状态.最后,用一个隐层神经元解决了传统网络必须用两个隐元才能解决的异或问题.