关于工程项目风险分析的模糊影响图方法

本文综合应用模糊集与影响图理论建立了模糊影响图方法，并以工程项目风险分析系统为背景进行了初步应用研究，取得一定成效。     

双参数随机Sierpinski垫的相位曲线

引入双参数随机置换，考虑了具有参数ｐ，ｑ的随机Ｓｉｅｒｐｉｎｓｋｉ垫的各种形态的相位，讨论了ｐ，ｑ跨跃某些相位曲线时，其构成形态的变化情形，它包括了ｑ＝０的Ｓｉｅｒｐｉｎｓｋｉ垫和ｑ＝ｐ的Ｍａｎｄｅｌｂｒｏｔ渗流模型。     

超幂零根环类的另一种模刻划

本文对Ｓｚａｓｚ，Ｆ．Ａ提出了的“找出超幂零根环类的一个模刻划”问题给出了一个不同于文献「２，３」的解法。     

神经网络在成组技术方面的应用

阐述了成组技术及其在高级制造技术中的作用，在此基础上描述了神经网络在零件编码分类系统中的应用以及用神经网络设计制造单元的方法。     

On Vector Quasi-Variational Inequality Problems in H-Space

The purpose to this paper is to study the existence problem of solutions to the vector quasi-variational inequality for vector-valued functions in H-space.     

环同态象的结构

本文对一类较为特殊的环给出商环分类的一种方法，为进一步研究商环的性质提供了较为直观的模型。     

线性空间上凸函数若干等价命题

本文在线性空间中的凸集上定义一种导数.应用于研究凸函数,得到了凸函数的若干等价命题.     

模糊集合论在矿山控制网布设和图纸质量评定中的应用

应用模糊数学方法研究和处理矿山测量中存在的具有“模糊性”的问题。例如控制网布设方案及矿山测量图纸质量的综合评判。它能更准确地描述用精确数学模型难以描述的问题。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

〔23，12，7〕Golay码的改进译码算法

ＭａｒｉｏＢｌａｕｍ和ＪｅｈｏｓｈｕａＢｒｕｃｋ提出了一种基于［２３,１２,７］Ｇｏｌａｙ码校验矩阵＂设计＂特性的译码算法,和其它的Ｇｏｌａｙ码译码算法相比,这种译码算法的复杂度最小,但它不便于用集成器件实现和不便于完全集成化,作者对该算法进行了改进,使其易于集成实现;同时使［２３,１２,７］Ｇｏｌａｙ码译码算法进一步简化．对其复杂度分析证明,当误码率≤１０％时,作者所设计的译码算法优于其它译码算法。