Ramsey极图的性质

本文在引进Ｒａｍｓｅｙ数Ｒ（ｍ，ｎ）的饱和极图Ｇ（ｍ，ｎ）的概念后，证明了Ｇ（３，ｎ）中每个顶点必至少是一个五边形的顶点以及Ｇ（３，ｎ）中至少含有个互不相交的五边形等定理；最后还证明了一个新的下界定理，从而改进了一批Ｒａｍｓｅｙ数的下界，例Ｒ（４，１５）≥１２２，Ｒ（５，９）≥９９等．     

轴测图中的对称现象及其应用

对正等测、二测和三测图的对称现象进行了探讨和分析,得出了三种轴测图中图形对称存在的条件.并列举了应用这些条件绘制对称图形的实例.     

He—Ne激光器的非稳定性研究：一个简化理论模型

本文从简化的激光方程出发，引入周期调制，建立－理论模型。数值计算表明，在某一参数范围内，发现方程中存在倍周期分周序列至混沌，理论与实验符合较好。     

线图求根

给定线图G,如何求得根图H,使G=L(H)?本文就无向图和有向图作出解答.     

模糊集合论在矿山控制网布设和图纸质量评定中的应用

应用模糊数学方法研究和处理矿山测量中存在的具有“模糊性”的问题。例如控制网布设方案及矿山测量图纸质量的综合评判。它能更准确地描述用精确数学模型难以描述的问题。     

正交双向网格图及方向优先算法

目前建筑工程的工程量计算基本上采取的是“统筹法”和“公式法”,这两种方法对工程的概算、预算的精确度及工作效率都产生了那样或这样的问题。本文从建筑图的正向分析开始,进而讨论了工程量计算模型的定义,在定义基础上给出了轴线的方向函数以及方向优先算法和具体实现过程。     

预应力混凝土框架的反复荷载试验及有限元全过程滞回分析

本文进行了有粘结和无粘结预应力混凝土框架的反复荷载试验。结果表明,试件能够形成塑性铰;有粘结框架的耗能量大于无粘结框架,但无粘结框架的残余变形比有粘结框架小:试验后无粘结框架的预应力损失可略去不计,而有粘结框架在塑性铰处的预应力损失则达70%。本文提出的算法实现了预应力框架包括下降段在内的有限元全过程滞回分析,同时也可适用于非预应力框架。     

基于多粒度的异质图表示

异质图表示学习旨在将图中的语义信息和异质的结构信息嵌入到低维向量空间中。目前大多数的异质图表示学习方法主要通过基于元路径、元图和网络模式的采样以保留图中同类型节点间的单粒度局部结构,忽略了现实世界中复杂异质图具有的丰富的层次结构。商空间理论中的多粒度思想可以在不同粒度内捕获节点间的潜在联系。因此,为在异质图表示中有效地保留层次结构的信息,文章提出一个基于多粒度的异质图表示方法（Heterogeneous Graph Representations Based on Multi-granularity,HeMug）。该方法首先基于不同元路径构建多个同质子图,并利用多粒度的粗化思想,将每个同质子图分别粗化形成多个多粒度子网络,以保留异质图中同类型节点在给定元路径下的层次结构。其次,利用多粒度的细化思想,将每个多粒度子网络最粗层通过现有表示学习方法获得的节点表示逐层细化,以得到节点在每个多粒度子网络下的表示。最后,设计注意力机制以融合节点在不同元路径对应的多粒度子网络下的表示。在四个真实数据集上的实验结果表明,与对比算法相比,提出的HeMug获得了更有效的节点表示。     

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。