线性区域数量与PLNN表达能力的相关性

使用分段线性激活函数的神经网络(PLNN)在机器学习中得到广泛应用.本文给出了一种PLNN模型表达能力的度量值——线性区域数量,并给出了线性区域的数学表示.分析了线性区域之间的关系并计算合并后的线性区域数量,同时给出一种基于Z曲线的线性区域数量的计算方法.针对一个任务实例进行分析,计算不同网络结构的线性区域数量及合并后...     

对于初等多值函数问题的研究

首先研究了辐角函数的一些性质,进而对对数函数的多值性进行了分析,最后讨论了多值函数的应用问题.     

基于功能点估算的逆向工程方法

功能点分析是从用户的角度度量软件功能规模的一种方法。本文首先对功能点分析(FPA)现有的半形式化模型进行了扩充,然后形式化描述了外部查询(EQ)的4条规则,并提出了基于源代码的逆向工程技术方法来处理这4条规则,为全自动化度量奠定了理论基础。     

单激发双发射氮掺杂碳量子点的制备及其在生物成像和荧光油墨中的应用

以L-苹果酸为碳源、3,3′-二氨基二丙胺和氟化铵为氮源,通过简单的水热法一步合成了稳定性好且具有单激发双发射荧光特性的氮掺杂碳量子点(Nitrogen-doped carbon quantum dots, N-CDs)。透射电子显微镜(TEM)、傅立叶变换红外光谱(FT-IR)、X射线粉末衍射光谱(XRD)表征结果表明,该N-CDs具有良好的分散性和水溶性、平均粒径约为3.3 nm,测得的晶格常数为0.27 nm,这与石墨烯量子点(002)晶面的晶面间距匹配较好。进一步的荧光测试表明,最大激发波长350 nm,最大发射波长为425 nm和850 nm。用硫酸奎宁做参比测得荧光量子产率为17.5%。研究发现该N-CDs具有出色的光学、酸碱、抗盐和抗生物小分子的稳定性,已成功应用于生物成像领域或是作为荧光油墨用于成像。     

基于“互联网+流通”的长春市商业空间演化研究

在“互联网+流通”背景下,随着城市商业空间布局的结构优化,商业空间发展水平更多地和商业流通模式、商业网点分布等关联,合理的商业空间布局能有效促进区域经济的协调发展。通过爬取长春市2010年和2020年各业态网点POI数据,运用核密度分析、Getis-Ord G_i^*统计量等研究方法探究长春市商业空间演化趋势。结果表明：1)长春市商业网点密集区集中于解放大路、辽宁路、工农大路组成的一环内,主要商圈有红旗街和重庆路;2)商业空间演化方向向东北—西南方向偏移,空间演化布局转变为“整体集聚,局部分散”;3)商业网点业态变化剧烈,依次为：交通>生活>购物>餐饮,交通设施类热点区域最多,餐饮类小幅下降;4)“互联网+”带来的无店铺业态革命打破传统商业流通模式,改变商业空间区位选择的原有动力因素,使商业空间形态更加灵活;5)人口密度、交通可达性提升等仍是商业空间布局演化的重要推动因素。     

N掺杂荧光碳点对姜黄素的免标记检测及细胞成像

利用生物质碳源麦秸秆和氮源乙二胺,通过一步水热法制备出氮掺杂的荧光碳点(carbon dots,CDs).利用TEM、FTIR、XPS、紫外可见吸收光谱和荧光光谱等对其进行了结构、光学性能表征.所制备CDs的平均粒径为4.97 nm,具有激发波长依赖性,最佳激发和发射波长分别为378 nm和478 nm,量子产率为0....     

飞机单击中易损性的杀伤概率图谱分析法

飞机在威胁单次打击下的易损性通常是以杀伤概率或易损面积形式给出的,这种评估方法往往是在宏观上对飞机及其部件易损性进行评估,然而具体的某一飞机位置的易损性很难直观给出.提出了一种飞机单击中易损性评估的杀伤概率图谱分析法.该方法以飞机及部件的有限元模型作为输入数据,考虑了部件的引燃、引爆、穿透及其组合杀伤模式,通过计算每一条射击线打击下飞机各个位置的杀伤概率值,最后可以提供飞机的杀伤概率云图.应用中表明:杀伤概率图谱分析法可以直观的显示飞机杀伤概率的区域分布,可以作为易损面积评估的有益补充,对于生存力增强/易损性减缩设计具有指导意义.     

区域农业研究工作发展历程与发展趋势

中国科学院东北地理与农业生态研究所将国家需求和世界科技前沿紧密结合起来,运用多学科优势,针对区域农业发展中的重大科学问题和国际前沿问题开展知识创新和技术创新,取得了许多重大科研成果,为国家和地方的现代农业发展做出了重要贡献.     

基于减小功率孔径积的天基雷达扫描方式优化

针对天基雷达的性能受限于功率孔径积的情况,利用目标相对于天基雷达覆盖区域的运动方向基本与星下点运动方向相反这一特性,在保证击中目标的前提下得到了一种能有效延长扫描时间的优化扫描方式,从而达到减小功率孔径积的目的。研究同时表明,优化的扫描方式还能较快地击中目标。最后给出了优化扫描方式下系统允许的最大扫描时间。计算机仿真验证了结论的正确性。     

基于自适应初始搜索点预测的目标跟踪算法

为了得到恰当的初始搜索点以使得目标跟踪算法避开背景干扰并缩短搜索距离,提出了一种自适应初始搜索点预测的算法。该算法通过对坐标变换参数的变化率进行Kalman滤波来更好地预测初始搜索点;更重要的是,该算法有效地在线估计Kalman滤波器中的模型噪声功率,而非先验地对它们的取值做出假设,因而能够在没有任何人工干预的情况下动态地根据不同的目标运动状况和搜索精度进行实时调整。大量实景视频流上的实验结果均证实了该算法显著提高了跟踪稳定性,并且大幅降低了计算量。