松枯梢病对湿地松,火炬松生长影响的研究

通过对闽侯县、长乐市等地湿地松、火炬松幼林的观察与调查分析表明,松枯梢病使湿地松当年新梢长和梢基部径生长分别降低５６．７３％和３５．８２％。感病新梢的长与径生长随着病害发展而减缓,至６月发病高峰后,其生长与健梢生长的差异明显加剧;病害严重程度与幼树的树高、胸径生长呈负相关。通过对南屿林场２５块１３￣１７年生湿地松样地的该病危害损失测定,建立阿公枯梢病所致的湿地松树高、胸径和材积生长损失的估测模型,     

基于制造-质量损失成本的公差优化分配法

基于成本-公差函数和质量损失函数，构造了以制造成本和质量损失成本之和最小为目标函数、以概率边界为约束条件的公差优化分配数学模型，采用拉格朗日乘数法进行求解，实现了公差的定量优化分配。实例验证表明，该方法找到了制造成本与质量保证之间的1个平衡点，对实际应用具有一定的参考价值。     

基于Ergun方程的菱镁球团填充床层阻力特性实验

菱镁球团重烧竖炉内的气流流动分布较为复杂,获得料层阻力特性规律是开展竖炉内气体流动及气固换热过程研究的基础.从颗粒填充床的气体动力学出发,以Ergun方程为基础,首先系统测量了菱镁球团颗粒关键宏观特性——粒径分布、密度、球形度及空隙率;通过冷态实验修正了Ergun方程中黏性阻力系数和惯性阻力系数,获得了适用于描述菱镁球...     

基于混沌神经网络的交通事故损失预测

文章应用混沌方法对交通事故损失时间序列进行处理，计算出最大Lyapunov指数，得到最大可预报时间尺度，在此基础上，建立人工神经网络预测混沌时间序列的模型。最后运用该方法对我国交通事故损失进行了预测分析。     

再保险定价研究

在保险公司是风险中性的情况下，讨论了在投资收益影响下的再保险保费定价问题．通过建立它应满足的线性正倒向随机微分方程，得到它在投资收益影响下的定价公式．该公式对保险公司合理地厘定再保险保费具有一定的参考作用。     

复合驱过程中化学剂损失与超低界面张力有效作用距离

以大庆天然油砂制作填砂管模型,通过改变复合体系的注入量,研究了碱、活性剂、聚合物3种组分的动态吸附特性,并模拟计算了不同注入量下各组分在地层中运移距离与损失量的关系.结果表明,活性剂的损失量最大,在运移1/5井距后即损失约80%;而聚合物和碱的损失分别只有12%和15%.结合界面张力随运移距离的变化情况可以判断,超低界面张力在油层中的有效作用距离有限,而体系在非超低界面张力状态下对采收率的贡献应予以足够的重视.     

基于深度卷积神经网络与中心损失的人脸识别

传统人脸识别方法手工设计特征过程复杂、识别率较低,对于开集人脸识别通用深度学习分类模型特征判别能力较弱。针对这两方面的不足,提出了一种以分类损失与中心损失相结合作为模型训练监督信号的深度卷积神经网络。首先,利用构建的应用场景数据集优调从公共数据集获得初始化参数的深度人脸识别模型,解决训练数据过小和数据分布差异问题,同时提高模型训练速度;然后,以传统损失函数和新的中心损失作为迁移学习过程中的监督信号,使得类内聚合、类间分散,提高模型输出人脸特征的判别能力;最后,对人脸特征进行主成分分析,进一步去除冗余特征,降低特征复杂度,提高人脸识别准确率。实验结果表明,与传统人脸识别算法相比该算法可以自动进行特征提取,并且相对于通用深度学习分类模型该算法通过度量学习使特征表示更具判别力。在自建测试集和LFW、YouTube Faces标准测试集上都取得了较高的识别率。     

弹流润滑状态下渐开线斜齿轮啮合损失解析模型研究

为了得到更简便的齿轮啮合损失计算方法,以渐开线斜齿轮为研究对象,结合弹流润滑理论和最小弹性势能原理,提出了一种新的齿轮啮合损失解析模型. 基于对仿真结果的分析及采用单参数齿轮台架试验方法得到的试验曲线,揭示了齿轮箱转速及转矩对其传动效率的影响规律. 针对高速重载工况,依据线性回归的理论,提出了斜齿轮啮合损失的解析模型. 由解析模型可知:齿轮的啮合损失与齿轮转速的对数分布呈二次曲线变化,与齿轮转矩的对数分布呈线性变化;解析模型与原始数据吻合度较高;能够较快捷地得到高速重载变速箱的效率,且结果在可接受范围内.      

基于单星观测的双损失函数弹道估计方法

针对没有标准弹道模板先验信息支持的情况下,单星观测弹道估计问题中观测信息不全,无法直接进行弹道估计,并且在使用残差大小作为优化标准,收敛不确定问题,提出了采用双损失函数的确定性弹道估计方法。利用基于观测量的损失函数和基于高度偏差的损失函数联合搜索确定弹道中两点高度,从而确定弹道平面方向,保证系统确定地收敛到最优解。通过数值仿真验证了算法的有效性。     

基于多维度特征提取网络的肝脏图像分割

随着计算机技术的发展,基于深度学习的医学图像自动分割已经成为人工智能辅助医疗的重要研究方向.为弥补现有神经网络结构对信息提取不足而产生的边缘细节丢失问题,构建了一种基于多维度特征提取网络(RDD-UNet)模型,该模型是基于残差UNet和混合损失函数的三维分割网络,以向肝脏肿瘤分割方法提供高精度的脏器分割结果.首先,该网络从原始CT数据的3个轴向提取信息,以长短跳跃连接的组合形式融合多尺度语义特征,保证了层内和层间信息的充分利用.其次,网络中设计了不平衡深度可分离空洞卷积模块,在提升三维网络计算效率的同时,扩大了体素级别的特征感受范围.最后,针对小尺寸分割目标数据不平衡问题提出了混合损失函数,并与深度监督结构相结合,提升了边缘细节的分割效果.该网络模型从体素、轴向和网络层级3个维度上充分提取特征信息,提高了肝脏分割的准确率,在公共数据集LiTS 2017上的Dice分数达到0.965 2,与其他方法相比达到了较高的精度水平.