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。     

图的一种加权邻接矩阵谱半径和能量的界

图G的一种加权邻接矩阵记为A_db(G)=(a^db_ij)_n×n,若顶点v_i和顶点v_j相邻,则$a_{i j}^{d b}=\frac{d_{i}+d_{j}}{d_{i} d_{j}}$, 反之a^db_ij=0.给出图G的加权谱半径的上下界,并在此基础上给出加权谱半径的Nordhaus-Gaddum-type关系.得到了图G的加权能量的几个上下界,并在此基础上给出加权能量的Nordhaus-Gaddum-type关系.     

基于局部分块和背景加权的视觉跟踪算法

针对视觉运动目标的鲁棒跟踪问题,提出了一种基于局部分块和背景加权的跟踪算法。首先对目标的前景和背景区域进行分块采样,然后利用基于积分直方图的局部快速穷搜索算法计算每一个分块在当前帧中的后验概率图,最后对后验概率图确定的对应分块的搜索结果赋予不同的权值,进而计算出目标在当前帧中的位置。实验结果表明:基于局部分块加权的跟踪算法比单纯的背景加权跟踪和分块跟踪具有更高的跟踪精度和成功率,且算法复杂度较低。     

加权幂平均函数的性质及简单应用

在推广平均不等式的基础上,讨论了幂平均函数和加权幂平均函数的性质,并简化了一类极限的计算。     

非平稳正态过程水平上穿过的期望次数

设｛Ｘ（ｔ）,０≤ｔ≤Ｔ｝是标准正态过程且以概率１有连续的样本函数。探讨了对于水平ｎ〉０过程中穿过的期望次数,给出了几个涉及相关函数的条件。     

关于Dirichlet L-函数的偶次加权均值

利用三角和估计、Gauss 和的定义、特征和估计及其解析方法讨论了Dirichlet L–函数的偶次加权均值分布问题,得到一个有趣的加权均值分布公式:     

机会约束下风险证券的期望收益率的切点组合(简报)

在现实生活中决策者进行投资决策时,有时要求风险证券的实际收益率比某一期望收益率要大,以该目标为导向制定相应的最优策略.考虑到所做决策在不利情况下可能不满足约束条件,故允许所做决策在一定程度上不满足约束条件,但该决策应使约束条件成立的概率不小于某一置信水平,该方法由Charnes和Cooper提出,被称为机会约束规划.本文讨论证券组合的机会约束问题.     

一种基于小波变换的超光谱图像融合方法

超光谱图像小波融合是一个前沿的研究课题．在保留超光谱图像中各波段的光谱信息基础上，为增强边缘细节的表现能力，提出了基于小波变换的方差加权融合方法．并将融合结果与传统小波融合方法进行了比较．计算机仿真表明，该方法获得了更好的超光谱图像融合效果．     

ρ-混合序列Jamison型加权和的强收敛性

设{Xn,n≥1}为同分布ρ-混合序列,EX1=0,{an,n≥1}为正实数序列,An=n∑k=1 ak↑∞（n→∞）,考虑Jamison型加权和Tn=1/An∑k=1 akXk,在类似Jamison等（1965）的条件下,证明了Tn的强收敛性,即Tn→0,a.s.（n→∞）,把已有的结论推广到了ρ-混合序列的情形.     

企业并购决策的非合作博弈

在经济全球化背景下,企业并购活动越发频繁,如以外资渗入中国化工行业为例.在企业并购活动中,科学合理的并购决策无疑是企业并购成功的关键.基于非合作博弈理论,建立了二阶段三人非合作博弈模型,对企业并购活动中的均衡、战略、报价以及期望收益进行了详尽的分析,为科学决策的做出提供理论指导.