基于组合策略的Lyapunov指数谱的计算

分析了基于BP神经网络模型的Lyapunov指数谱计算法存在的不足,提出了一种新的基于组合策略的混沌时间序列Lyapunov指数谱计算方法.由于该方法能够同时逼近给定目标函数的非线性部分与线性部分,因而具有更高的计算精度.最后将新方法应用于Henon映射Lyapunov指数谱的计算中.通过分析与比较,表明该方法具有更高的计算精度及更强的实用性.     

集中供热空调系统水力工况的动态模拟和控制

利用集中供热空调系统水力工况计算机模拟分析软件，确定了系统水力工况调节控制值的新方法．对实际投入运行的供热系统在不同气候条件及不同用户特点条件下的运行控制策略进行了模拟分析，提出了系统的控制方案．设想利用现代控制理论和计算机模拟分析相集合，采用系统实际运行工况动态检测数据对系统的水力工况进行模拟分析，实现系统的远程自动控制．     

工商管理系列课程改革研究

工商管理系列课程改革研究是通过对工商管理系列课程的改革与实践，为适应新时期一般高等工科院校工商管理专业人才培养要求，在教学内容、方法、模式、课程体系等方面，探讨和改进一般工科院校工商管理人才培养的质量。     

Dirichlet级数的系数重排

研究了Dirichlet级数在系数重排后的增长性，分别得到了有限级Dirichlet级数的准确级和无限级Dirichlet级数的(R—H)级在级数系数重排后保持不变的条件．     

Stability and Accuracy Analysis for Taylor Series Numerical Method

The Taylor series numerical method (TSNM) is a time integration method for solving problems in structural dynamics. In this paper, a detailed analysis of the stability behavior and accuracy characteristics of this method is given. It is proven by a spectral decomposition method that TSNM is conditionally stable and belongs to the category of explicit time integration methods. By a similar analysis, the characteristic indicators of time integration methods, the percentage period elongation and the amplitude decay of TSNM, are derived in a closed form. The analysis plays an important role in implementing a procedure for automatic searching and finding convergence radii of TSNM. Finally, a linear single degree of freedom undamped system is analyzed to test the properties of the method.     

关于定积分integralfromn=0toa(e~(-x~2)dx)的几种解法

本文在高等数学、数值分析的研究过程中,总结了定积分的几种解法,如重积分法、无穷级数法、数值解法。     

对称荷载作用下弹性地基梁的傅里叶级数解

考虑地层位移荷载及梁与地基可能产生的脱空,针对长度在沉降槽内和长度延伸到沉降槽外的2种梁建立了弹性地基梁对称问题的数学模型.利用阶梯函数及脉冲函数,在所建数学模型基础上推导了求解弹性地基梁挠度的傅里叶级数系数的线性方程组,提出了计算方程组中脱空范围这一多余未知量的迭代步骤,利用有限元数值解对傅里叶级数解进行了验证.结果表明,傅里叶级数解精度高,可以作为带有脱空弹性地基梁问题的解析解,要达到相同的精度,傅里叶级数解的计算量远比有限元解的计算量小.此外,脱空范围的大小,不随级数项数的多寡而改变.傅里叶级数解法不但精度高,而且能够灵活处理不同形式的荷载,是求解复杂荷载条件下弹性地基梁问题的有效解析方法.     

中心损失与Softmax损失联合监督下的人脸识别

深度学习在人脸识别领域已经取得了巨大的成就,针对当前大多数卷积神经网络采用Softmax损失函数进行特征分类,增加新的类别样本会减小类间距离的增长趋势,影响网络对特征判别的问题,采用了一种基于中心损失与Softmax损失联合监督的人脸识别算法,来提高网络对特征的识别能力。在Softmax基础上,首先,分别对训练集每个类别在特征空间维护一个类中心,训练过程新增加样本时,网络会约束样本的分类中心距离,从而兼顾了类内聚合与类间分离。其次,引入动量概念,在分类中心更新的时候,通过保留之前的更新方向,同时利用当前批次的梯度微调最终的更新方向,该方法可以在一定程度上增加稳定性,提高网络的学习效率。最后,在人脸识别基准库LFW上的测试实验证明:所提的联合监督算法,在较小的网络训练集上,获得了99.31%的人脸识别精度。     

无穷级数新的积分判别法

利用有界变差函数的性质,建立了比Cauchy积分判别法更广泛的新的积分判别法;利用实分析中的Lebesgue逐项积分定理,推广了文献[7]中一个数项级数收敛性判别法.