一类神经传导方程的修正的变网格有限元方法

研究了在神经传播过程中的一类非线性拟双曲方程的初边值问题．对二维情形应用常规变换，在常规的变网格有限元格式的基础上，提出了一种改进的变网格有限元格式，通过细致的分析和估计得到了最佳阶模误差估计结果，并使时间精度提高一阶．最后作了数值实验，说明方法是高效可行的．     

信号频率方向及模型误差联合估计的优化算法

为解决高分辨阵列测向问题,讨论了空间信号频率／方向及阵列模型误差联合估计的全局优化算法,改变了已有迭代算法可能只收敛于局部最优点的弊端,保证算法收敛于全局最优点。计算机模拟结果表明：该算法能够同时对空间到达信号频率／方向及阵列模型误差进行联合估计,并具有较高的分辨率。     

不可压混流驱动问题全离散最小二乘混合元方法

讨论了不可压缩混流驱动问题的全离散最小二乘混合元方法.利用最小二乘混合元方法逼近压力方程,而用全离散标准Galakin方法逼近浓度方程,通过引进椭圆投影进行误差分析,最后得到最优误差估计.     

复合材料层压板疲劳寿命预测方法

测定了碳纤维／树脂基T300／QY8911复合材料的3组典型单轴循环应力下的S-N曲线．基于试验数据，建立了多轴循环应力作用下单向板的寿命模型，并通过整合平面应力分析、失效分析和材料性质退化模块模拟多向层压板的疲劳失效过程．这种方法试图基于单向板在确定应力比下的疲劳试验结果，预测同种材料体系的任意铺层形式的多向层压板在复杂循环应力作用下的疲劳寿命．对于以分层破坏为主控因素的层压板，基于层间应力的计算结果，用计算面内累计损伤的方法计算分层损伤，层压板的寿命等于分层扩展寿命和分层后子层板剩余寿命之和．考虑分层扩展后，层压板的寿命预测结果得到明显改善．     

DGPS各种误差因素分析

讨论了差分全球定位系统(Differential Global Positioning System,DGPS)的系统构成及各种数据通信链路情况,系统分析了DGPS的各种误差因素影响的程度,采用计算机实验数据处理方法比较了2D定位模式和3D定位模式的定位结果,表明了在用户不经历任何大于±5m的垂直运动的场合下,采用高度约束的2D定位模式定位,其定位误差和3D定位模式的水平位置定位误差具有同等趋势和量级.     

基于LSTM的四旋翼无人机轨迹预测方法

实时、准确、高效的轨迹预测是对四旋翼无人机进行有效管控的重要前提.基于深度学习理论,提出一种基于长短期记忆神经网络(LSTM)的四旋翼轨迹预测方法.在LSTM基础上,使学习速率自动调整,基于四旋翼无人机位置坐标与速度参量,对轨迹数据进行训练与预测,其经度、纬度、高度误差分别为6.04、6.45、2.33 m.分析历史时间步长对于预测精度的影响,结果表明历史学习步长为40～45时,LSTM预测结果最佳;比较不同预测步数的预测误差,结果表明一步预测、两步预测误差结果较好,三步预测误差显著增大.     

糖原累积病Ⅰ型合并新型隐球菌脑膜炎的护理一例

糖原累积病(glycogen storage disease,GSD)是一种先天性糖代谢异常的常染色体隐性遗传性疾病[1],依其所缺陷的酶目前可分为14型,各型临床表现、治疗方法及产前诊断各有特点.GSD-1是糖原累积病中最为多见者[2].隐球菌性脑膜炎是由新型隐球菌侵犯中枢神经系统而导致的脑膜炎.糖原累积病Ⅰ型合并新型隐球菌脑膜炎鲜见报道,2005年6月我科收治1例,该患儿病情复杂、治疗难度大,经过3个多月的治疗和护理,隐球菌脑膜炎治愈,糖原累积病症状减轻.     

基于NTRU格的云数据可撤销属性基加密方案

针对现有基于离散对数求解难题的云数据加密方案无法抵御量子计算攻击并同时实现安全有效的属性撤销问题,提出一种基于NTRU格的云数据可撤销密文策略属性基加密方案RNL-ABE.首先将基于NTRU格的加密算法与属性基加密结合以抵御量子计算攻击,实现细粒度访问控制和安全属性撤销,避免重新进行密钥分发;改进密钥结构,防止系统中的合法用户、撤销用户、外部攻击者之间实施共谋攻击.最后基于环上误差学习难题(R-LWE),对RNL-ABE方案进行了形式化证明,并与同类型方案进行了仿真性能比较.结果表明:RNL-ABE方案在选择属性集模型下能够抵御量子计算攻击并实现安全的属性撤销;相比其他同类型方案,所提出方案在效率上更具有优势,计算和通信开销均减少50%以上.     

基于LVQ神经网络的水果图像分割研究

由于传统边沿检测算子在水果颜色多样、亮度不均匀时,难以分割得到完整、无噪声的二值图像且依赖优化的阈值,本研究提出了一种基于LVQ神经网络的水果图像分割方案。首先将彩色图像转变为灰度图像;然后对Canny算子获得的边沿图像随机选取一些像素作为网络的学习监督信号,仅以灰度图像中相同位置像素3×3邻域的Kirsch算子梯度值作为输入,训练权值;最后重新将原灰度图像的Kirsch算子梯度值输入到训练好的网络中,获得封闭的边沿并填充得到二值图像。考察了14幅像素为640×480的水果图像,结果表明：网络在很宽广的阈值范围内（0.001 ~ 0.99）分割得到完整、一致的二值图像;面积误差最小为0.9%,最大为8.83%,不依赖于优化的阈值,不需要对原始图像滤波预处理。与没有阈值及滤波的算法相比,本方案的误差和时间复杂度均更低;与设置了阈值和/或滤波的算法相比,本方案与之相当,甚至效果更优。