永恒的魅力与成功的秘诀——重读巴金《激流三部曲》

巴金百年之后,他的《激流三部曲》依然激动人心.这首先是由于其富于民族性和时代性的深刻主题,至今仍有很强的现实意义;其二是在新旧对立中三种类型的人物描写不仅富有特色,在今天依然能够给人以深刻的启示;其三是作品严谨缜密的情节结构、充满激情的语言风格和明朗健康的思想格调.     

Hopfield连续神经网络平衡态局部指数稳定的充要条件

研究Ｈｏｐｆｉｅｌｄ连续联想记忆神经网络平衡点的局部指数稳定性,给出了Ｈｏｐｆｉｅｌｄ连续联想记忆神经网络的平衡点局部指数稳定的充要条件。通过引入特征函数的方法,得到了各记忆模式的指数吸收域的估计,以此可用来评价Ｈｏｐｆｉｅｌｄ连续反馈联想记忆的容错能力和模式恢复能力,且可用于综合更为实用的连续联想记忆神经网络。     

静电吸附式快速成型制造法

静电吸附式快速成型制造法是一种新的快速成型方法。它的工作原理是：首先产生可吸附粉末黏结材料的带电截面图像，然后，吸附粉末黏结材料并输送到粉末基体材料上，再通过一定方式使粉末黏结材料熔化，把粉末基体材料黏结起来并固化。这种方法是在计算机的控制下，通过逐层成型（一次成型一整层），而不是逐点成型的方式来成型三维物体的，因而，用此方法成型零件，效率高，成本低。     

城市住区环境景观吸引力定量化评价模型 ——以新乡市住区为例

以新乡市15个住区（r1-r15）为研究 对象,选取7个指标,包括植被景观(x1)、照明景观(x2)、硬质景观(x3)、庇护景观(x4)、模拟景观(x5)、水景观(x6)和场所景观(x7),应用AHP 法建立影响因子赋值标准。以多元回归分析法建立影响因子(xi)和住区环境景观吸引力(y)之间的回归方程。结果表明:多元线性回归方程为y= -26359+6181x1+1583x2+1247x3+1123x4+026x5+017x6+2230x7,贡献率排序为x1> x7> x2> x3> x4> x5> x6。通过该模型中各 因子的贡献率可知,在北方城市住区环境景观设计中应该将满足生态和审美需求的植被景观、满足各种活动需求的场所景观和对夜景十分重要的 照明景观放在重要的地位,单位平均造价较高的硬质景观和庇护景观应有所取舍,而水景观的应用则应该十分慎重     

部分变元的强稳定性研究

运用Liapunov直接法研究了微分系统中部分变元的强稳定性、强渐近稳定性及在持续摄动下部分变元的强稳定性、强渐近稳定性。     

一类欠驱动机械系统基于滑模的变结构控制

针对体操机器人这种欠驱动机械系统设计了滑模变结构控制律,变结构控制中采用了一种改进的指数趋近律·仿真结果表明对线性化模型所设计的变结构控制器应用在非线性系统中,仍能使机器人系统实现稳定·与极点配置方法相比较,采用滑模变结构控制方法设计的平衡控制器可使机器人系统具有更大的稳定范围(吸引域)和更强的鲁棒性·改进的指数趋近律可有效地降低变结构控制中所产生的抖动,并使系统迅速达到平衡稳定状态·     

不同引力范围下二次引力模型亚像元定位研究

为进一步提高亚像元级遥感影像分类精度,研究开展了基于空间引力模型(spatial attraction model,SAM)和像元交换模型(pixel swapping model,PSM)有机结合的二次引力计算模型(double-calculated spatial gravity model,DSGM)亚像元定位实验;并对不同引力范围下的模型精度进行验证。研究中,利用空间引力模型改进像元交换模型初始化算法;并相应的对像元交换模型优化算法进行改进。其中,实验数据为人工影像数据和美国威斯康星州典型农业区的Landsat 8遥感影像数据。结果表明,当退化尺度为4时,在环绕空间关系下,利用二次引力计算模型对人工影像和遥感影像进行亚像元定位精度较空间引力模型和像元交换模型均有所提高。可见基于二次引力计算的亚像元定位模型精度均优于空间引力模型和像元交换模型,证明所提亚像元定位方法具有一定可行性和适用性,为更好地突破遥感影像空间分辨率的限制提供了新的思路。     

关于部分变元稳定性的几个推广

利用可选择地降低B函数的维数的办法，进一步推广并改进了文[1-3]中关于部分变元稳定性问题的研究。     

消费者有限理性选择演化模型的动力学分析

假设消费者的消费是有限理性的,建立了一个描述消费者选择与偏好变化的动力学模型,研究了正不动点的存在性、局部稳定性及局部分叉,用数值方法研究了反映消费者最初选择和偏好是否合理的可行吸引域.     

Cohen-Grossberg神经网络的吸引域以及稳定性分析(英文)

分析了Cohen-Grossberg神经网络的指数稳定性(局部指数稳定和全局指数稳定).给出了基于矩阵测度的判定Cohen-Grossberg神经网络的指数稳定的充分条件.并且对于局部指数稳定的平衡点,给出了其吸引域的估计;对于全局指数稳定的平衡点,给出了其指数收敛的速率.该结果可以用于神经网络容错能力的估计以及其指数收敛速率的估计,因此在设计Cohen-Grossberg神经网络中具有很重要的现实意义.