Fourier变换在抛物型方程中的应用

用Fourier变换方法研究了无界区域上的抛物型方程,这种方法的基本思路是把线性偏微分方程变为代数方程或含有较少变量的线性（偏）微分方程,从而使问题得到简化,然后进行Fourier逆变换,得到形式解,进而讨论了解的存在性（即为古典解）、唯一性和稳定性．     

基于深层次特征增强网络的SAR图像舰船检测

针对合成孔径雷达图像中舰船目标检测困难的问题,提出了一种基于深层次特征增强网络的多尺度目标检测框架.利用Darknet53提取原始图像特征,自上而下建立四尺度特征金字塔;特别设计基于注意力机制的特征融合结构,自下而上衔接相邻特征层,构建增强型特征金字塔;利用候选区域及其周边上下文信息为检测器计算分类置信度和目标分数提供更高质量的判定依据.所提算法在SSDD公开数据集和SAR-Ship自建数据集上的平均检测精度分别为94.43%和91.92%.实验结果表明,该算法设定合理且检测性能优越.      

基于多尺寸特征图卷积方法的玉米雄穗检测

为了解决传统雄穗检测方法因玉米品种不同以及田间环境不同导致的检测误差较大、鲁棒性较差的问题,利用深度卷积神经网络提取特征,并对多尺寸特征图卷积的方法检测玉米雄穗。采用深度卷积神经网络inception作为基础网络来训练提取玉米雄穗特征,同时增加额外的卷积层对图像进行卷积提取特征,最后分别对基础网络中的两层卷积层以及额外的卷积层卷积得到的不同尺度特征图进行分类和位置回归。整体网络结构是多尺度端到端框架,效率高,方便检测不同尺度的雄穗。实验结果表明,此方法提高了雄穗检测的速度和准确率。     

与Noor算子相关的一类解析函数的不等式

通过Hadamard卷积定义算子In＋p-1,并利用其引进了新的解析函数类H（p,n,δ,A,B）,得出了与函数类H（p,n,δ,A,B）相关的三个不等式,所有结果皆精确.作为特殊情形,给出了一些有趣的推论.     

p-级数性质研究

p-级数是数学分析课程中一个非常重要的级数,在已有结论的基础上,利用p-级数性质及阿贝尔变换,研究了p-级数当p是正整数,且p≥2时的几个性质。     

基于BiTCNSA的恶意代码分类方法

当前恶意代码的对抗技术不断变化，恶意代码变种层出不穷，使恶意代码分类问题面临严峻挑战。针对目前基于深度学习的恶意代码分类方法提取特征不足和准确率低的问题，提出了基于双向时域卷积网络(BiTCN)和自注意力机制(Self-Attention)的恶意代码分类方法(BiTCNSA)。该方法融合恶意代码操作码特征和图像特征以展现不同的特征细节，增加特征多样性。构建BiTCN对融合特征进行处理，充分利用特征的前后依赖关系。引入自注意力机制对数据权值进行动态调整，进一步挖掘恶意代码内部数据间的关联性。在Kaggle数据集上对模型进行验证，实验结果表明:该方法准确率可达99.75%，具有较快的收敛速度和较低的误差。     

某些周期卷积类在Orlicz空间内宽度的下方估计法

研究了由特定的核所产生的周期卷积类在Orlicz空间内的n-K宽度和n-G宽度的下方估计。     

CONVOLUTION THEOREM AND ASYMPTOTIC EFFICIENCY IN TWO SIDE TRUNCATED DISTRIBUTION FAMILY—THE NORMAL CASE

In the distribution family with common support and the one side truncated distribution family, Bickle, I. A. Ibragimov and R. Z. Hasminskii proved two important convolution theorems. As to the two-side truncated case, we also proved a convolution theorem, which plays an extraordinary role in the efficiency theory. In this paper, we will study another kind of two-side truncated distribution family, and prove a convolution result with normal form. On the basis of this convolution result, a new kind of efficiency concept is given; meanwhile, we will show that MLE is an efficient estimate in this distribution family.     

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。