基于深度信念网络的天体光谱自动分类研究

把深度信念网络应用于天体光谱的分类.首先,使用小波变换对光谱数据进行降噪预处理,其次,采用PCA对光谱数据进行特征值提取降维,然后建立深度信念网络模型并构造分类器,最后使用该分类器对美国斯隆巡天项目的天体光谱数据进行激变变星的分类研究,并与受限波尔兹曼机网络进行了对比研究.由于深度信念网络对数据有深层次的学习能力,采用深度信念网络对天体光谱进行分类有一定优势.实验结果证明了分类方法的有效性.     

深度学习中对比散度算法的有偏性分析

为了给对比散度算法的进一步优化提供理论指导,尝试从理论上分析对比散度算法的收敛性。首先从仅含4个结点的玻尔兹曼机入手,利用单纯形表征模型的概率空间,以及流形表征概率空间与模型参数的关系,形象地表示了对比散度算法和极大似然算法的收敛过程,并从理论上推导出对比散度算法的收敛集与极大似然算法的收敛集之差不为空,从而证明了对比散度算法的有偏性。基于该结论,设计了一种先利用对比散度算法进行预训练,再利用极大似然算法调优的训练策略。实验结果表明,在应用该策略获得同等收敛效果的条件下,训练迭代步骤降低了83.3%。     

基于Lattice Boltzmann方法的1-3型复合材料热传导特征

基于玻尔兹曼输运理论及相关的格子玻尔兹曼方法对1-3型复合材料的热传导特征以及等效的热传导系数进行了详细研究.首先给出了计算热传导问题的格子玻尔兹曼法二维几速度不可压缩热模型以及边界条件(恒温、绝热)的处理方式,并在此基础上探讨了圆形、椭圆形、矩形和随机夹杂的1-3型复合材料的传热特征和等效热导率等,展示了给定时刻下,结构上的温度分布特征以及结构上某点温度随时间的变化特征等.数值结果表明:尽管夹杂截面形状对等效热导率有一定的影响,组分仍是等效热导率最主要的影响因素.     

基于格子玻尔兹曼方法的碳酸盐岩数字岩心渗流特征分析

基于不同分辨率的碳酸盐岩二维扫描电镜(SEM)图片,利用模拟退火法分别建立相应的大孔隙和微孔隙数字岩心,提出一种新的叠加耦合方法,构建能反映不同尺度孔隙特征的碳酸盐岩数字岩心,利用格子玻尔兹曼方法对数字岩心的渗流特征进行分析。结果表明:模拟退火法构建的数字岩心能够较好地表征真实孔隙之间的连通特性;叠加后的数字岩心能同时描述大孔隙和微孔隙特征,其渗透率(1.64×10-3μm2)均大于大孔隙数字岩心(1.12×10-3μm2)和微孔隙数字岩心(0.036×10-3μm2),微孔隙虽然本身渗透率很低,但对提高整个碳酸盐岩数字岩心的连通性有重要作用。     

低磁场下激光泵浦超极化惰性气体研究

为了获得高极化度的惰性气体,采用激光泵浦的方法可以使没有放射性的惰性气体同位素(如129Xe、3He)的自旋极化度得到极大增强.圆柱形的玻璃泵浦室内充满天然氙气、氮气、铷蒸气和氦气的混合气体,压力维持在1 MPa左右.泵浦室放置在30Gs的均匀磁场内,并被加热到318～352K.中心波长为794.7 nm的圆偏振激光均匀照射泵浦室对碱金属及惰性气体进行泵浦极化.其获得的非平衡极化度远远高于在相同磁场里玻尔兹曼平衡值.增强的核自旋极化度,可以使惰性气体同位素核磁共振的灵敏度提高104～105倍.     

析熵（S）热容（C）普适气体常数（R）玻尔兹曼常数（K）

本文分析了S、C、R和K各自的来源和物理意义，并讨论了它们之间的联系。     

“热点”中局域声子的动力过程

利用玻尔兹曼方程研究“热点”中的非平衡局域声子气,得到了反映“热点”中局声子气分丰的孤子型解,并对该解的物理意义进行讨论,结果与实验符合得很好。     

人体下肢行走关节连续运动表面肌电解码方法

为实现人体下肢步态动作的连续识别,提出了一种利用表面肌电信号进行下肢关节运动角度连续解码的方法。首先利用光学运动捕捉实现下肢关节运动角度的计算,然后采集下肢运动相关主力肌肉的表面肌电信号并提取其活动强度信息;在此基础上,基于受限玻尔兹曼机构建深度自动编码器(DAE),实现多路表面肌电信号强度时间序列的低维空间编码和最优特征提取;最后,利用BP神经网络建立特征量与关节矢状面运动角度之间的非线性回归模型。实验结果表明:该方法提取的信号特征信息优于传统的主量分析方法,采用提出的模型能够更精确地估计下肢关节连续运动角度,其估计值与真实值的均方误差较传统方法降低25%~35%。研究结果为人机交互接口技术的开发、实现下肢可穿戴智能装备的生物电连续控制、提高人机运动平稳性奠定了基础。     

基于改进受限玻尔兹曼机的滚动轴承健康因子构建方法

针对传统方法构建的健康因子各类性能指标不高、信息冗余的问题，提出一种基于改进受限玻尔兹曼机(restricted Boltzmann machine, RBM)的滚动轴承健康因子构建方法。首先，提取滚动轴承振动监测信号时域、频域特征组成物理健康因子集。其次，将RBM隐藏层节点数随时间变化斜率引入到正则化项中，提取物理健康因子集中的趋势性特征。最后，利用滚动轴承全寿命周期试验验证所提方法的有效性。实验结果表明，相对于主成分分析(principal component analysis, PCA)法、传统RBM虚拟健康因子构建方法，基于改进RBM构建的虚拟健康因子单调性分别提高178.0%和33.3%,趋势性分别提高126.8%和16%,鲁棒性分别提高60%和6.02%。