子群是正规子群的一个充分条件

判断子群是否为正规子群有多种方法,本文从有限群与其子群阶的关系上,给出子群是正规子群的一个充分条件。     

交错群显式（AGE）矩阵迭代方法

本文介绍一种新的显示迭代方法，以适合求解共轭转置矩阵方程，这是一种交错使用的迭代方法。     

基于自适应共轭梯度算法的高分辨率谱估计器

基于AR模型的功率谱估计是现代谱估计应用非常广泛的一种方法。通过对一全极点模型的参数估计来实现功率谱估计。提出了一种采用自适应共轭梯度算法来进行参数估计的方法。由于共轭梯度算法采用迭代运算求解Yule-Walker方程,同现有的谱估计算法相比,大大减小了谱估计算法的计算复杂度;随着自相关矩阵阶数的增大,该方法谱估计精度在小信噪比下提高显著。仿真结果表明,这种方法和基于AR模型的其它谱估计方法在不同信噪比下具有几乎相同的分辨率。因此,该谱估计算法具有重要的实用意义,有助于谱估计算法的实时实现。     

DEAE纤维素色谱法对肺源肝素亚组分的分步梯度分离

利用ＤＥＡＥ－纤维素柱层析分步梯度洗脱，将肝素分为活性高低不同的亚组分，即ＨＰ１、ＨＰ２、ＨＰ３，根据三亚组分特点，使肝素能更加对症、更加安全地应用于临床。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

梯度羰基铁/碳纤维增强复合超材料的多尺度结构及超宽频电磁波吸收性能

先进电磁波吸收材料对薄厚度、轻重量、宽频带、强吸收等综合性能提出了更高要求。在此,我们提出了一种具有梯度电磁特性的新型层状台阶吸波超材料。通过在环氧树脂中分散不同含量的羰基铁和碳纤维来获得不同复介电常数和复磁导率的材料。通过对各层材料的电磁参数和几何尺寸实现宽频吸波性能的优化。在相同厚度和相同各层材料电磁参数条件下,平板层状结构在2.0–40 GHz范围内只能实现小于?6 dB的反射损耗,而本文设计的层状台阶超材料实现了小于?10 dB的电磁波吸收。此外,层状台阶超材料在11.2–21.4 GHz和28.5–40 GHz的频率范围反射损耗小于?15 dB。根据实验和仿真结果,本文讨论了多尺度结构协同效应所引起的多种电磁波吸收机制。因此,将多层结构和周期性台阶结构结结合获得新型的梯度吸收超材料,可为宽频电磁吸波材料的设计和研制提供新的思路。     

从射影观点看三角形“五心”定理的变形

本文用射影观点考察三角形的“五心”定理,通过配极变换推出五个新的命题。     

神经网络中误差反传算法的分析与改进

分析了ＢＰ网络存在的主要问题及其产生原因,提出了改进算法ＢＰＧ,以共轭梯度方向代替梯度方向进行搜索,并在学习过程中采用不精确的一维搜索、限幅和条件轮回等措施．计算机仿真结果表明：改进的ＢＰＧ算法优于原ＢＰ算法．