化学热力学中的理想化方法

理想化方法是科学抽象的一种形式。它是应用科学抽象的理想纯化作用来进行科学研究的方法。理想化方法在自然科学中的应用主要包括两个方面,即建立“理想模型”;设计“理想实验”。“理想模型”就是为了便于研究而建立的一种高度抽象的理想客体。作为科学抽象的结果,“理想模型”也是一种科学概念。它在现实世界中不存在,而在思维中可以实现。“理想实验”又叫做“假想实验”、“抽象实验”或“理想上的实验”,它是人们在思想中塑造的理想过程,是一种逻辑推理的思维过程和理论研究的重要方法。化学热力学,即以宏观的方法建立起来的化学热力学体系普遍地使用了“理想化方     

利用表面肌电进行手势自动识别

针对手势自动识别研究中提高正确率和降低训练时间两者需要同时兼顾的问题,提出了一种基于Fisher Score(FS)特征降维方法与机器学习相结合的新的手势识别模型。提取4通道表面肌电信号的时域、频域、时-频域和非线性特征,构成特征集;采用FS方法和主成分分析(PCA)方法分别进行特征降维,采用线性判别分析(LDA)和支持向量机(SVM)分别作为分类器;通过两种特征降维方法与两种分类器的不同组合构建不同的手势识别模型,并对分类模型的性能进行对比研究。实验结果表明,特征降维方法与分类器的组合能显著提高分类器的正确率、降低训练时间。与PCA方法相比,FS方法是一种实现简便、效果理想的特征降维方法:与SVM组合的分类模型获得最高分类正确率99.92%;与LDA组合的分类模型不仅获得99.24%的分类正确率,而且花费最短的训练时间1.44ms,该模型可为手势的实时自动识别提供理想的方法和途径。     

物理理想模型教学

"理想模型"是物理学中一种重要的方法,学生在物理学的学习中会多次遇到。那么,怎样才能使学生学会在实际的问题中运用"理想模型"这一方法呢?本文给出了两个具体的实例,与实验有关的问题和有关理论的问题各举一例,最后总结了理想模型法在解决实际的物理学问题中的意见。     

理想电压源及理想电流源的等效电路

本引入数学中极限的思想，利用实际电源两种模型等效变换的方法，给出理想电压源的诺顿型等效电路和理想电流源的戴维南型等效电路。并利用这两种等效电路论证电路分析中的一些重要结论。     

基于多特征索引和局部约束的服饰检索方法

为弥补传统BoW(Bag of Words)模型缺失的颜色信息和空间信息, 提出了基于多特征索引和局部约束的服饰检索方法。基于BoW 模型分别建立关于颜色特征和SIFT 特征的两种倒排文件索引结构, 检索相似服饰图像, 并提出了局部约束的后验证方法。实验结果表明, 该方法在不同环境采集的服饰数据库的测试中, 得到了理想的检索性能。     

理想化方法在中学物理教学中的应用

所谓理想化方法就是在科学研究中通过想象和概括建立模型和进行实验的方法,它主要有理想模型和理想实验两种方法.     

三种油田产量预测联解模型的对比

数学模型和甲型水驱特征曲线是油藏工程中两种重要的预测方法。为有效克服两种方法的局限性,近年来不少学者提出了数学模型与甲型水驱特征曲线联解模型。在前人研究的基础上,选取较具代表性的三种联解模型,从模型的特点及适用范围进行分析和对比,实例验证表明Hubbert模型与甲型水驱特征曲线联解法对油田整个生产阶段预测效果最理想,Rayleigh模型与甲型水驱特征曲线联解法适用于油田生产递减阶段,而广义翁氏模型与甲型水驱特征曲线联解法预测含水率偏低。     

Q泡暗物质的能量稳定性与激发态

暗物质的理论研究和实验探测是天体粒子物理学中的重要课题,这种物质可能是最轻的超对称粒子构成,并以玻色球和泡的方式存在.在复标量场模型中构造了带U(1)荷的Q泡模型,通过引入两种跑动势的方法计算了Q泡暗物质的特征半径和能量稳定性质,结果得到了Q泡在s基态和p、d、f激发态的U(1)荷和能量,计算了不同能级的能量差,分析了能级的简并性质.这一研究的物理意义在于Q泡暗物质可以发射不同能量的粒子,并为暗物质的实验探测提供一定的理论预测.     

物理学中的理想模型

理想模型是物理学的一种重要的研究方法.在物理学研究领域里,常根据研究对象的特点,突出其主要特性,忽略次要特征,从而抓住其本质而建立的抽象模型,就是所谓的理想模型.理想模型在物理学研究中具有重要意义,质点、刚体、理想气体、点电荷等,都是理想模型.质点是一个“没有大小和形状,只有质量和位置的点.”这样的点实际上是不存在的.物体再小,总有一定的尺寸和形状.可是,在研究月亮绕地球的运动时,由于两者距离比两者线度大得多,这时,就可把它们看作质点,从而使问题大大减化.     

论电源的两种模型及其等效交换

电源在电路中对负载来说有两种功效：一是向负载提供电压;二是向负载提供电流。从电源的这两种功效出发,可以设想把一个实际电源转化为电压的提供者电压源模型,或电流的提供者电流源模型。下面就实际电源如何转化为这两种模型或两种模型的等效变换等问题进行推导论述。一、电源的两种模型１、电压源模型。（１）理想电压源：为电路提供一定电压的电源称为电压源。如果电源内阻ｒ为零,电源将提供一个恒定不变的电压,这种电压源称为恒压源,亦称理想电压源。其电路符号如图一所示。理想电压源对外提供的电压数值上等于电源电动势Ｅ,极性…     

基于改进的长短期记忆网络的调制识别算法

自动调制分类技术是无线通信技术中的一个重要研究领域,卷积神经网络以及长短期记忆网络(Long Short-Term Memory,LSTM)两种深度学习模型在基于特征的自动调制分类技术中得到了广泛的应用.然而在实际应用中这两种模型都存在着一些问题,卷积神经网络模型在处理长时间依赖序列的分类任务时的准确率不佳,LSTM模...     

基于特征优化的广告点击率预测模型研究

针对互联网广告数据具有高维稀疏性的特点,在现有的点击率(Click-Through Rate, CTR)预测问题的相关理论和技术基础上,给出了一种基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)的卷积神经网络(Convolutional Neural Networks, CNN)在线广告特征提取模型(CNN Based on GBDT,CNN+). CNN+模型不仅能从原始数据中提取出深度高阶特征,还能解决卷积神经网络在稀疏、高维特征中提取特征困难的问题.在真实数据集上的实验结果表明,与主成分分析(Principal Component Analysis,PCA)和梯度提升决策树这两种特征提取方法相比, CNN+模型提取的特征更加有效.     

DNA分子融化(melting)过程的monte carlo模拟

DNA双螺旋链在复制和转录的过程中要在酶的催化下解旋,这是一个高度复杂的过程,目前还无法用物理学的方法来描述.然而DNA的热变性(thermal denaturation)或称为融化(melting)的过程实现DNA在复制和转录中过程中的解旋,可以方便的用物理学的方法进行研究,这种研究可以看成是了解DNA复制和转录过程的第一步.采用PB模型,利用Monte Carlo方法模拟DNA的融化曲线,可得到的融化曲线的一些重要特征与实验结果符合得很好.     

基于多特征融合的GraphHeat-ChebNet隧道形变预测模型

对隧道的形变进行预测是隧道结构异常检测的内容之一。为了充分挖掘形变特征的时空关联性,针对隧道内衬多个断面的形变同时预测,提出一种基于多特征融合的GraphHeat-ChebNet隧道形变预测模型。所提模型中利用GraphHeat和ChebNet这2种图卷积网络(graph convolution net,GCN)分别提取特征信号的低频和高频部分,并获取形变特征的空间关联性,ConvGRUs网络用于提取特征在时间上的关联性,通过三阶段融合方法保留挖掘的信息。为了解决实验数据在时间维度上不充足的问题,引入双层滑动窗口机制。此外,所提模型与其他模型或算法在不同数据集上实验比较,衡量一天和两天预测值的误差指标优于其他模型,而且对大部分节点预测的误差较低。说明模型受样本节点数影响较小,能较好地预测一天和两天的形变,模型学习特征与时空模式的能力较强,泛化性较好。     

音乐情感的自动识别

音乐与情感有着非常密切的联系,发展针对音乐的情感识别系统,对于计算机音乐的研究与发展有着深远的意义.提出了一种基于PAD(Pleasure arousal dominance)模型以及基因表达式编程(GEP)算法的音乐情感自动识别方法.在众多音乐特征元素中抽取与情感关系密切的6个特征,并且采用PAD模型来描述音乐中的情感,在此基础上使用GEP算法实现对简单乐曲中单一情感的自动识别.从实验结果分析,本系统能够达到一个比较理想的识别效果和较低的识别误差.     

基于混合模型的广告转化率问题研究

现有广告转化率预估模型缺乏对深层特征间相互作用的研究,针对这一问题提出了一种新的混合模型.通过高效的梯度提升机(light gradient boosting machine,LightGBM)模型提取高阶组合特征,并结合基于区域的因子分解机(field-aware factorization machines,FFM)模型有效处理稀疏数据的优点进行转化率的预估.为了验证模型的有效性和泛化能力,在两个数据集上讨论了参数对预估结果的影响,并将模型与其他模型进行对比实验.实验结果表明提出的混合模型的预估结果更准确.     

基于多特征融合的GMM汉语普通话口音识别

提出一种基于MFCC和共振峰频率特征的汉语普通话口音识别方法.该方法首先提取Mel频率倒谱系数(MFCC)和共振峰频率特征作为混合高斯模型(GMM)的输入,然后采用期望最大化(EM)算法训练模型,对两种特征分别建模,最后采用基于最大似然准则(ML)的信息融合策略进行口音判别.实验数据库为7个地区的语音数据.经过交叉验证,该方法对于中国典型地区普通话口音的识别率达到85.61%,比单一使用MFCC特征或共振峰频率特征分别提高了6.62%和32.90%.     

二级倒立摆最优控制实验

二级倒立摆是检验各种控制理论的理想模型.本文给出了二级倒立摆的两种最优控制方法,分别是线性二次状态控制器(LQR)和线性二次输出控制器(LQY).通过仿真实验,分别得出LQR和LQY两种方法下的响应曲线,可以发现两种方法都能够使得二级倒立摆系统稳定,且将两种方法进行了对比,发现其控制效果相当.     

一种改进的人脸特征点定位方法

人脸特征点自动定位方法在人脸识别、三维人脸模型重建等方面都有重要作用.三维人脸模型重建对下巴特征点精度要求很高.采用一种结合遗传算法和活动外表模型(AAM)的人脸特征点定位方法(GA-AAM),对AAM算法在下巴轮廓提取中的不能精确收敛问题作了改进.对于用实时AAM算法做特征点粗定位得到的结果,在AAM的代价函数中引入代表特征点处的边缘信息,进一步采用遗传算法作优化.实验结果表明该方法对下巴特征点的精确收敛十分有效.     

用DDS方法分析机床的动态特性

本文应用DDS(Dynamic Data Systern)方法,在时域内对机床系统的动态特性进行了分析。首先用模态分析方法,在频域内分析了卧式铣床动态特性。然后在空运转和实际工作条件下,拾取振动信号,分别建立DDS模型。文章重点研究了(1)如何选定合理的测试点。(2)进行空运转实验并与切削实验比较,可能识别统计的数学模型中有关机床结构和切削过程两部分子系统。(3)利用DDS模型判别机床动态稳定性、予测颤振的方法,指出模型自回归方程特征根的模大于一或阻尼比趋于或小于零是发生颤振的条件。(4)讨论了DDS频谱及其特点。除采用上述时域和频域分析方法外,还用实时分析仪进行了分析计算,所有分析计算结果完全一致。