平行分束偏光镜的矩阵表示及其应用

从几何光学变换矩阵出发，结合琼斯矩阵，导出一种新的处理偏光器件光线变换的矩阵方法。     

XML及其应用

可扩展标记语言XML体积小 ,易于编辑 ,可以进行网络信息交换和网上数据库查询 ,优于另一个十分流行的置标语言HMTL .数学置标语言是XML的应用之一 ,它以文本的形式描述了数学的信息 ,它的设计遵守XML家族的协议 ,因而能够和XML的相关工具紧密协作 .本文还给出了一个创建数学方程的实例 ,并提到了XML的其他一些应用     

基于落锤动标装置的传感器准静态绝对校准方法

该文介绍落锤动标装置的工作原理及其功能，阐明了传感器准静态绝对校准的定义、方法，按照传感器的压力量程，分别设计了相关模型段的重锤－油缸组件，根据大量实验数据，建立各压力段的绝对校准模型，并且通过实验验证模型的可行性。     

一种基于知识规则推理的C++实现方法

提出了一种决策支持系统中基于产生式规则的知识表示和推理的C＋＋语言实现方法，该方法把规则的结构和推理定义成规则类，把具体的规则定义成规则类的实体，用这些规则实体构建动态链表从而组成知识库，推理的过程由知识库中各规则实体提供的方法完成，通过设计的实例表明，该方法是简单高效的。     

粗糙集属性约简的一般理论

提出了协调近似表示空间的概念，指出了各种不同的信息系统均可以转化为协调近似表示空间．同时，在协调近似表示空间上，给出了属性协调集的判定定理以及属性约简方法，给出了三类不同属性（核心、相对必要属性、不必要属性）的特征定理．     

全相关约束下的变分层次自编码模型

基于深度学习的解耦表示学习可以通过数据生成的方式解耦数据内部多维度、多层次的潜在生成因素,并解释其内在规律,提高模型对数据的自主探索能力。传统基于结构化先验的解耦模型只能实现各个层次之间的解耦,不能实现层次内部的解耦,如变分层次自编码(variational ladder auto-encoders,VLAE)模型。本文提出全相关约束下的变分层次自编码(variational ladder auto-encoder based on total correlation,TC-VLAE)模型,该模型以变分层次自编码模型为基础,对多层次模型结构中的每一层都加入非结构化先验的全相关项作为正则化项,促进此层内部隐空间中各维度之间的相互独立,使模型实现层次内部的解耦,提高整个模型的解耦表示学习能力。在模型训练时采用渐进式训练方式优化模型训练,充分发挥多层次模型结构的优势。本文最后在常用解耦数据集3Dshapes数据集、3Dchairs数据集、Celeb A人脸数据集和dSprites数据集上设计对比实验,验证了TC-VLAE模型在解耦表示学习方面有明显的优势。     

可对称化矩阵特征值的Weyl型扰动上界

利用矩阵的分解得到了可对称化矩阵特征值的W eyl型绝对扰动上界,改进了以往的结果,并推广了Kahan定理。     

八元数方阵的表示方阵应用

文章考察八元数方阵。用它的表示方阵构造了伴随方阵,讨论了八元数满秩方阵的性质,并将域上的Cayley-Hamilton定理推广到Cayley代数上。     

基于多超图融合的超图神经网络模型构建及阿尔兹海默病分类

针对目前超图神经网络构建方法单一化,导致被试特征间的交互信息无法表征,从而影响超图神经网络模型分类性能的问题。本文提出一种多超图融合技术,融合多个超图为一个超图,从而互补多个超图各自所表征的高阶特征,以此来提高超图神经网络模型的分类性能。具体来说,基于结构磁共振成像数据,使用基于稀疏表示的LASSO方法,稀疏组LASSO方法以及覆盖组LASSO方法进行超图构建,然后分别基于超图融合技术将三个单一超图进行融合。接着基于融合的超图,构建超图神经网络模型,最终用于阿尔兹海默症及轻度认知障碍的分类。实验结果表明,本文所提方法的分类准确率达到79.21%,证明了该方法在阿尔兹海默症及轻度认知障碍的分类有较高的准确性和泛化性。     

基于时间序列分段的风电机组调节速率估计

在大规模新能源快速发展和应用的背景下,电网频率波动加剧,而且高比例的可再生能源发电机组挤占常规调频机组,导致系统调频能力不足,迫切需要新能源机组参与电网快速频率控制。而与传统火电、水电机组相比,风电机组具有更强的调频能力。为评估风电机组的调节能力,提出一种基于时间序列分段的风电机组调节速率估计方法。首先,基于风电机组的实发功率历史数据,利用分段线性表示方法对风电机组实发功率时间序列进行趋势提取;然后,根据分段趋势自动寻找机组实发功率调节动态段,计算风电机组的调节速率指标。最后,通过仿真和工业案例,并与现有方法进行对比,验证了所提方法的可行性和有效性。