高度场格点距平的长期统计预报试验

采用多通道奇异谱分析和相似预报方法，建立了长期统计预报模型．以７００ｈＰａ前期位势高度场显著时空主分量为预报因子，直接预报后期高度场格点距平的类别，由此获得了一定的预报技巧     

长跑运动员过度训练问题分析及其对策

旨在为过度训练提供训练量制定和训练效果评价的理论依据 .通过中外中长跑运动员经常出现的过度训练表象及生理机能变化的分析 ,提出了防止过度训练的原则与措施     

长距离跑径赛项目2组弧形起跑线画法例析

根据田径规则对有些长距离跑径赛项目起跑的有关规定，讨论了这些径赛项目分2组同时起跑时，其2组弧形起跑线的渐开线画法和放射点连线画法．     

Wavelet Estimation of a Long Memory Parameter In the Stock Market

I 1ntroductlonThe potential presence of stochastic long memory in financial asset returns has been animportant subject of both theoretical and empirical research. If asset returns display longmemory, or long--term dependence, they exhibit significant autocorrelation betweenobservations widely separated in time. In economics and finance, long--range dependencehas a long history and has remained a topic of active research is the study of economic andfinancial time series (see Lo [5j and Mandelb…     

基于LSTM的弹道导弹主动段轨迹预报

弹道导弹主动段长周期轨迹预报能够为导弹防御系统提供早期预警信息。传统的轨迹预报方法大多集中在导弹的自由段与再入段,通过解析法、数值积分法或函数逼近法推断未来时刻目标的状态。由于弹道导弹在主动段会受到多个未知作用力的影响,其轨迹预报相比自由段与再入段更具挑战性。为此,本文提出了一种基于长短时记忆(long short-term memeory, LSTM)网络的弹道导弹主动段轨迹预报方法。首先,根据导弹主动段动力学模型与弹道参数典型取值生成用于网络训练的大规模轨迹样本;其次,设计了基于深度LSTM网络的弹道导弹主动段轨迹递归预报方法;最后,与基于数值积分法、多项式拟合及反向传播神经网络的轨迹预报方法的实验对比,表明了所提方法在主动段轨迹预报上的优越性。     

Sr_4Al_(14)O_(25)∶Eu~(2 ),Dy~(3 )长余辉发光材料的合成及正交实验设计法

研究了燃烧温度、Eu2 和Dy3 的搀杂量、助熔剂硼酸的加入量、尿素加入量及Al/Sr的比例对Sr4Al14O25∶Eu2 ,Dy3 长余辉发光材料发光性能的影响,从而确定了长余辉发光材料Sr4Al14O25∶Eu2 ,Dy3 的最佳合成工艺.对所得产物分别进行了XRD、TEM、荧光测试和亮度测试.结果表明:磷光体存在403和482 nm 2个发射峰,分别对应于Eu2 在基质中2种不同的存在方式,与传统的高温固相法相比发射主峰出现了蓝移;亮度测试找到了最佳的原料配比及合成条件.     

基于深度学习的反无人机预警神经网络

为解决传统雷达探测设备面对低小慢无人机时产生的难检测与易突防问题,通过深度卷积神经网络对空中无人机进行实时识别,提取目标的类别与像空间位置信息;根据无人机像空间位置在时域下的变化趋势,绘制无人机飞行映射轨迹;利用长短期记忆网络对飞行映射轨迹进行预测,获取无人机在未来时域内的预测航迹方向,实现对无人机的预警跟踪、实时...     

岸船通信的抗干扰和保持通信时间预测研究

岸船通信面临着介质对高频电磁波( HF: High Frequency Electromagnetic Wave) 的吸收损耗、海面湍流对电磁波的散射、海面物体对电磁波的反射产生的多径信号干扰的问题。针对岸船通信通信传输信道的特点,建立其信道传输模型,求解出信道的单位冲激响应,提出了在岸船通信中接收机基于双调角器抗多径干扰的方法。该方法能有效地利用多径信号的能量,不需提高发射机功率即能提高通信质量,抗多径效果好且容易实现。建立高频电磁波电离层反射模型,使用解三角形算法研究了岸船通信能保持通信的时间,便于完善通信协议,提高通信质量。仿真结果表明,该方法白天最长能保持4． 5 h 通信,夜晚最长能保持7． 5 h 通信。     

基于混合神经网络的序列推荐算法

为了提高推荐算法的推荐性能,在序列建模过程中,针对循环神经网络(recurrent neural network,RNN)无法并行运算导致建模速度与准确度较低,以及在偏好预测过程中对用户不同阶段偏好没有动态融合的问题,提出了一种基于混合神经网络的序列推荐算法.在算法模型的用户交互序列建模阶段,考虑到用户近期偏好变化频繁...     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.