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.     

强化边缘的单目图像深度估计

为解决目前单目图像深度估计过程中物体边界处深度跳变不明显导致的遮挡难以判别、边界处深度估计准确度较低的问题,提出了一种强化边缘的单目图像深度估计方法．采用深度估计网络输出最初预测的深度图,同时采用深度补偿网络输出应补偿深度的预测值,通过融合两组网络的输出实现对最初预测的深度图中物体边界轮廓处深度值的补偿．此外,通过设计点约束损失函数,并引入多尺度特征融合损失函数进一步提升边界处的深度估计精度．在NYU Depth v2数据集和iBims数据集上的测试实验表明本文方法能有效提升深度图中物体轮廓的清晰度,使得物体遮挡判别更加容易,可进一步提升单目图像深度估计的效果．     

公路声屏障的参数分析与优化设计

在声屏障声学设计和测量规范的基础上,提出公路交通声屏障的优化设计方法。通过分析位置、高度、长度等因素对声屏障降噪性及经济性的影响,建立以经济性为目标函数,降噪要求为约束条件的数学模型,运用MATLAB软件进行优化计算。根据公路交通噪声1/3倍频程谱分析插入损失,使结果更精确。通过优化算例与传统方案对比,验证了优化方案在经济性和降噪性方面的优越性。并通过对比声源与受声点距离改变时的算例,分析声屏障建造位置的选择。     

不同损失函数下艾拉姆咖分布参数的Bayes估计

首先给出了艾拉姆咖分布在全样本场合下参数的极大似然估计;其次在熵损失、Linex损失、二次损失、平方损失和平衡损失函数下,给出了参数的Bayes估计,并证明了所给估计都是容许的;最后通过实例,对所给的几个估计的优良性进行了分析.     

双指数分布族参数EB估计的最优性

讨论双指数分布的位置参数在LINEX损失函数下的Bayes估计.在NA样本情形下,利用概率密度函数的核估计方法,构造边缘分布的概率密度估计,按照参数的Bayes估计形式,提出参数的经验Bayes(EB)估计函数,在一定的条件下可以证明所提出的这个经验Bayes估计函数是渐近最优的,并获得其收敛速度,最后举例说明满足定理...