多维卷积算子逼近的量化定理

本文建立了具有正核的多维卷积算子逼近的量化定理。同时得到多元Jackson多项式算子和多元Vallée Poussin多项式算子逼近的误差估计。     

基于自适应池化的行人检测方法

基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,结合通用目标检测器Faster R-CNN,形成了有效的行人检测器,达到增强行人局部重要特征信息、保留小目标行人有效特征信息的目的。对多个公开的行人数据集进行大量实验,结果表明,与传统的卷积神经网络行人检测器相比,所提方法将行人检测漏检率降低了2%～3%,验证了方法的有效性。新方法改进了卷积神经网络结构,在无人驾驶领域具有一定的参考价值。     

基于并行残差卷积网络的图像超分辨重建

针对VDSR模型卷积核单一和DRRN模型不能全局利用的问题,提出了基于并行残差卷积神经网络的联合卷积图像超分辨重建模型。模型首先利用原始卷积层和扩张卷积层融合,建立联合卷积层,然后利用跳跃链接,将多种抽象层次的特征进行融合,最后完成整个超分辨网络的模型构建。提出的模型具有以下优点：①扩张卷积神经网络与原始卷积神经网络融合,在计算机复杂度不变的情况下,可以获取更多尺度的信息,因此具有更强的表达能力;②跳跃链接方式,将抽象层度较低与较高抽象层次的信息融合,获取更多的信息,使得模型具有更强的学习能力。通过在多个数据集上进行实验,模型在大多数任务中与VDSR、DRRN和SRCNN等先进模型相比,IFC值取得了大于0.1的提升。     

基于空洞卷积和特征融合的单阶段目标检测算法

针对SSD多尺度目标检测过程中存在的目标漏检和错检问题,提出了一种融入多维空洞卷积和多尺度特征融合的目标检测算法。在卷积神经网络输出的多尺度特征中,浅层具有更多的细节信息,深层具有更多的语义信息,根据这一特点,对浅层网络采用了3种多维空洞卷积的浅层特征增强模块,获得具有语义信息的特征图,将增强后的特征图进行下采样,融合不同层的特征;同时在深层网络引入通道注意力模块,对通道进行权重分配,抑制无用信息,提高目标的检测性能。研究结果表明：该算法在PASCAL VOC数据集上检测精度为79.7%,比SSD算法提高了2.4%;在KITTI数据集上检测精度为68.5%,比SSD算法提高了5.1%,检测速度达到了实时性的要求,有效地改善了目标的漏检和错检。     

关于整数整除判别方法的几个命题

论述了整数整除性的若干判别方法     

一种新的高效Turbo码交织器设计

采用随机分块的方法 ,研究Turbocode交织器的并行编码结构 ,以获得高编码增益。探讨对随机分块方法进行改进 ,当交织器的总长度为N ,将它分为M个子数据块 ,按标准随机交织器的生成方式 ,生成 1个子模块内的交织π ,交织的总次数为N/M次 ,将在各个子数据中同一位置的数据位 ,交织到对应的子数据块之后 ,也让它们具有相同的位置。这样可以在满足同样的S参数条件下 ,将用于查找表所需的存储器的容量减小到原来的 1/M ,并达到相同的误差率要求     

关于两类特殊矩阵快速算法的几点注记

本文讨论了Toeplitz矩阵、Vandermonde矩阵以及两类特殊多项式矩阵乘积的快速算法以及(分块)三角形矩阵的有关计算问题的时间界,所得结果改进和拓广了有关文献的结论。     

两类广义卷积

把定义在半直线 R+=[0,∞)上概率测度的广义卷积推广到了紧空间 +=[0,∞]上.讨论了与连续性、单位元有关的性质.根据单位元的可能性,导出了两类广义卷积,研究了它们之间的关系.比较了本文所用的推广方法与 Urbanik 的推广方法之间的联系.     

基于振动传递函数的排气系统悬挂点位置优化

提出一种基于振动传递函数法的排气系统悬挂点位置优化方法.以某混合动力轿车悬挂点位置布置为例,通过有限元法建立从发动机激励到排气系统的振动传递函数数值模型,得到排气系统各点在振动频带内的总相对位移响应,由总相对位移响应最小确定悬挂点位置的优化方案.研究表明,此方法中发动机激励、动力总成与排气系统的模态参与因子和模态振型共同确定悬挂点位置.比较优化方案与初始方案的实车验证数据可得,优化方案中排气系统和座椅导轨的振动加速度降幅超过17%,证明基于振动传递函数的排气悬挂点位置布置方法能用于悬挂点位置设计中.