基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。     

二根树指标马氏信源关于赌博系统的极限定理

研究任意二根树图上二阶非齐次马氏信源的极限性质。通过构造相容分布和非负上鞅的方法,得到了任意无限连通二根树上二阶非齐次马氏信源关于广义赌博系统的一类广义渐近均匀分割性定理,也称广义ShannonMc Millan定理,并推广了已有的结果 。     

网络设备配置标准化系统研究

网络设备配置标准化平台的设计紧密结合实际工作的需要,注重实际应用,操作简单.网管人员只需填写设备的基本信息即可自动生成配置脚本.通过网络设备配置标准化平台的应用,可大大减少网管人员配置设备的工作量,同时可以降低因配置不规范引发的设备运行风险,减轻运维工作量,提升工作效率,确保业务系统稳定运行.     

刺纹车轮虫 18S rDNA 克隆与序列分析

首次对刺纹车轮虫(TrichodinacentrostrigataBasson,VanAs & Paperna, 1983)进行了 18S rDNA 的克隆测序并分析，研究结果显示：刺纹车轮虫是一种具有辐射状中央颗粒的淡水车轮虫，具有相对较高的 GC 含量而位于分子系统树的顶枝，它与海水环境中的车轮虫具有较高的序列相似性及较近的遗传距离从而聚为一枝。研究提示刺纹车轮虫具有较强的宿主适应性，在系统进化中分化较晚并与海水种类具有较近的亲缘关系；此外，车轮虫的同源性与 18S rDNA序列相似性、遗传距离具明显相关性，GC 含量与分子支序树分枝具有明显相关性。
     

特征树为双星的哈林图的反魔幻性

对特征树为双星的哈林图的反魔幻性进行研究.依据图的结构把哈林图分成3部分,按照顶点标号和单调递增的顺序依次对每部分的边给出标号,证明了特征树为双星的哈林图是反魔幻图.该标号方法也可应用于简单图或者在结构上能够分解的一些图的标号.     

基于语料库的韩语因果复句语义及句法特征探析

韩国语中存在着各种各样的因果复句,以口语和书面语中使用频率极高的""四种因果复句作为研究对象,通过21世纪世宗计划语料库中的具体实例来考查分析它们的语义及句法特征,对于韩国语复句教学及韩国语学习者学习并运用韩国语因果复句,能够提供一个良好的理论基础和参考依据。     

基于电阻阵的红外图像实时生成和显示系统

对基于MOS电阻阵列红外图像转换器的红外图像实时生成和显示系统的实现进行了重点论述。根据红外图像仿真原理对典型目标建模,并利用openGL和开发的图像转换等软件,完成目标动态图像数据序列的计算机生成;论述了基于128×128电阻阵列的红外图像数据处理与驱动控制技术,实现了目标动态红外亮度图像向目标动态灰度图像的转换,并利用驱动控制系统以200Hz的帧频速度驱动MOS电阻阵实时生成目标动态红外图像。该系统已在红外成像目标仿真中得到应用。     

浅谈集合上的等价关系

等价关系是同余关系的基础 ,本文讨论集合上等价关系的交与并 ,以及等价关系的生成问题 ,主要结果有定理 1和定理 3。     

关于Semigroups of Linear Operators and Applications to Partial Differential Equations的两个注解

指出文献[1]关于Co半群可微性的定理2.4.11的证明过程中一处错误，及关于柯西问题解的指数衰变的定理4.4.1的证明过程中的不妥之处，并给出新的证明。