一类时滞递归神经网络模型的周期振动性

利用线性矩阵不等式方法,研究一类5个神经元时滞递归神经网络模型的周期振动性,得出保证系统存在周期振动性的一组充分条件,理论分析和数值仿真显示,所得结果为一类5个神经元时滞递归神经网络模型提供了新的振动性判定准则.     

室内信道中多极化MIMO系统的容量

针对室内多径信道,提出一种研究系统信道容量的方法,利用结合信道特征设计的三维多极化测量系统测量信道中多径入射信号的三维空间分布,代入天线方向图与入射信号进行空间积分计算出系统容量。利用该方法和系统对典型室内环境进行了测量,研究了真实的三极化天线组成的MIMO(multiple-input-multiple-output)系统的容量和摆放方向对多极化天线系统容量的影响。结果表明:三极化系统具有比单极化系统更优越的性能,可以利用该特性对室内环境中多极化MIMO系统的设计和布局进行优化以实现更高的系统容量。     

基于归一化图像的小波域水印算法

提出了一种基于小波变换的抗几何攻击数字图像盲水印算法.首先本算法以基于矩的图像归一化技术和不变质心理论为基础,获得嵌入水印的兴趣区域.其次,将得到的兴趣区域分成4块,分别对其进行小波变换后将其中3个低频子带嵌入水印,而将另一个低频子带计算量化步长.然后,将水印利用量化调制方式自适应地嵌入到小波域的低频系数.实验结果表明,该算法不仅具有较好的不可感知性,而且对几何攻击和常规信号处理都具有较好的稳健性.     

具无限时滞的高维中立型脉冲积分微分方程概周期解的存在性

利用线性系统指数二分性理论和不动点定理,研究了一类具无限时滞的高维中立型脉冲积分微分方程概周期解的存在性问题,获得了保证中立型系统概周期解存在性和唯一性的充分条件,推广了相关文献的主要结果.     

河南产香茶菜属6种植物的RAPD分析

从70个随机引物中筛选出10个具有较高多态性检测能力的引物,用于RA PD扩增,共扩增出85个条带,其中多态性条带59条,占68.81%.对得出的结果用SPSS12.0进行聚类分析,结果表明:河南产香茶菜不同种、同一种的栽培和野生之间存在明显的遗传分化,其中种间的差异要大于种内.从DNA分子水平上探讨了香茶菜属6种植物之间的遗传关系,为中药材冬凌草的品种鉴别提供依据.     

圆柱形反应器鞘区离子平均动能的径向分布

针对鞘层结构,建立了鞘层模型和离子速度分布函数,导出了离子平均动能的积分表达式并得出数值积分的结果.用级数的两项拟合平均动能积分表达式的对数项,积分得到解析结果和简化结果.应用积分表达式、解析式及简化式进行计算,得出了圆柱形鞘层内不同位置(半径)处的粒子平均动能.结果表明鞘层越厚、粒子平均自由路程越小,则它们的差别越小.它们可有效地应用于散布在反应室各处粉体的刻蚀和纯化.     

运用属性论方法加强供应链牛鞭效应防范

提高预测的准确性是缓解供应链牛鞭效应的关键。目前预测的方法往往很难适应订购量历史数据的变动,导致预测结果的偏差。运用属性论方法,就制造商—零售商—客户三级供应链,提出了一个需求信息预测的方法,由此来提高对这种波动性的适应能力,增强预测的准确性,帮助供应链上各节点企业优化决策过程,最终防范了牛鞭效应,并且还提供了此预测方法的算法流程。     

双创背景下大学生创业意愿调查及分析

为探究双创背景下大学生创业现状,利用问卷调查法,基于定性分析与定量分析相结合的原则,剖析大学生创业过程中在理念认知、资金支持、环境建设等方面存在的问题,并以此为切入点,从社会、学校、大学生3个角度为提升大学生创新创业能力提供支持.     

分子间相互作用对芳杂环聚合物PBO光谱性能影响的理论研究

采用量子化学计算方法AM1-ZINDO/CI对芳杂环聚合物PBO的光物理性能进行研究。结果表明:PBO分子链共轭平面结构间的面面相互作用,影响到前沿分子轨道的电子跃迁方式,从而导致聚集态电子光谱相对于理论单分子链存在红移现象。由含3个单元的PBO聚集态分子模型模拟计算显示,PBO分子链共轭平面结构间的面面相互作用使得电子光谱最大吸收峰由383.06 nm红移至407.19 nm。结合同系线性规律,推导出PBO聚合物聚集态的电子光谱最大吸收峰为425.33 nm,从本征结构上解释了PBO聚集态电子光谱的光谱性质。     

MEC架构下基于DDPG的车联网任务卸载和资源分配

为了缓解车联网中个体车辆计算资源配置过低而导致的任务处理时延较大的问题,提出了一种移动边缘计算(mobile edge computing, MEC)架构下的动态任务卸载策略和资源分配方案。以最小化全网任务处理时延为目标,将车联网中的任务卸载和资源分配问题建模为马尔可夫决策过程(Markov decision process, MDP),并利用深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法进行了问题求解。仿真结果表明,与执行者-评价者(actor-critic, AC)和深度Q网络(deep Q-network, DQN)这2种算法相比,DDPG算法以最快的算法收敛特性获得最小的全网任务处理时延。