双折射椭圆芯光纤中的非线性参数

根据类克尔椭圆芯光纤模型，利用一种新的数值法求解矢量麦克斯韦方程，讨论了光脉冲在双折射椭圆芯光纤中传播的若干参数：非线性传播常量及非线性相关系数等．并通过３种不同方法的比较，说明了标量近似法的局限性．     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

Estimation in Partially Observed Functional Linear Quantile Regression

Currently, working with partially observed functional data has attracted a greatly increasing attention, since there are many applications in which each functional curve may be observed only on a subset of a common domain, and the incompleteness makes most existing methods for functional data analysis ineffective. In this paper, motivated by the appealing characteristics of conditional quantile regression, the authors consider the functional linear quantile regression, assuming the explanatory f...     

二维RLW方程的差分方法

给出了二维RLW方程的初边值问题的差分格式,并证明了该差分格式的解以L∞范数收敛到初边值问题的解,收敛阶为O（τ＋h）,并且得出二维RLW方程的该差分格式以L∞范数稳定。     

具有变号格林函数的四阶三点边值问题正解的存在性

应用迭代法研究四阶三点边值问题u~((4))(t)=f(t,u(t)),t∈[0,1],u′(0)=u″(η)=u'(0)=u(1)=0的可解性,得到了该问题正解的存在性.其中f:[0,1]×[0,+∞)→[0,+∞)连续,η∈[3~(1/2)/3,1]为常数.在格林函数变号的情形下,仍可获得该问题正解的存在性定理,并且此解是单调递减的,使得该问题正解的存在性不再局限于格林函数是正的.     

基于JAVA和MATLAB的光学虚拟实验室的建立

利用MATLAB强大的图形可视化功能和JAVA语言的跨平台特性,把两者相结合设计出一套光学虚拟实验系统.最后,以迈克尔逊实验为例,详细介绍了虚拟实验的开发过程.     

不同形状及线度的纳米银对SERS信号的影响

制备了４种不同形状及线度的胶态纳米银．当同一种分子吸附在不同类型纳米银上时，拉曼谱的强度及拉曼峰出现的差异，不仅与分子的电子结构、纳米银的形状及线度有关，而且还与纳米银与分子的相互作用有关．     

做简谐运动物体下悬挂小球的运动分析

研究了做简谐运动的物体通过刚性杆连接小球的运动情况.求解关于小球运动二阶微分方程,得到了小球的运动规律,并通过具体算例对小球运动幅值进行分析,得到小球运动幅值的影响因素.其中,奇点周期的计算对避免共振现象具有一定意义.     

无证书的XML多重签名

针对XML电子公文流转系统中公文审批存在多重签名的需求,构建了两种新的XML多重签名研究模型.基于相应的研究模型,提出了一种无证书的XML有序多重签名方案和无证书的XML广播多重签名方案,以解决传统签名在此类应用中存在的签名效率低、可扩展性差等问题.同时分析了两种方案的正确性、在随机预言模型下的不可伪造性,而且无证书的XML有序多重签名方案,克服了已有方案相邻成员可以擅自交换签名顺序的缺点.最后,按照XML数字签名规范化要求,对多重签名的实现过程进行了设计,为XML多重签名在电子政务中的应用提供了可行的解决途径.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.