课程文献中心 更多>>

关键词： 线性回归模型   长记忆随机波动率误差   变点检验   自正则CUSUM统计量  

摘要： 本文研究带有能同时刻画长记忆性和异方差性的长记忆随机波动率误差的线性回归模型结构变点的检验问题,基于最小二乘估计残差构造了一种不需要估计尺度参数的自正则CUSUM统计量.在原假设下推导出了检验统计量的极限分布,发现其不受长记忆参数的影响,在备择假设下证明了统计量的一致性.数值模拟结果表明,本文所提方法不仅能够很好地控制经验水平,且能达到较好的检验功效.最后通过对一组西宁市空气中的PM2.5浓度与SO2浓度数据建模和检验其中的结构变点说明了所提方法的有效性.

摘要： 页面尚无资料

关键词： 稀疏贝叶斯学习   方位估计   水平线列阵   稀疏重构算法  

摘要： 采用长时多快拍数据对快速运动目标（指方位快速变化）进行方位估计时，传统的方位估计方法通常假设目标方位在多个快拍时间内保持不变，但这会导致目标方位偏差，或产生伪峰，从而将虚假目标当成潜在目标，做出错误判断。为解决这一问题，并获得多快拍下的时间增益，提出了一种基于稀疏贝叶斯学习的快速运动目标多快拍方位估计方法。与传统方法不同，所提方法的信号模型不再假定目标方位在多个快拍时间内保持恒定，而是引入了方位变化率这一未知参数，通过构建目标运动情况下的多快拍阵列导向向量来更准确地描述目标的运动状态。随后采用稀疏贝叶斯学习方法对每个目标的初始方位角和方位变化率进行联合估计。数值仿真结果显示，对于有多目标运动的场景，该方法相较传统的稀疏贝叶斯学习算法具有更高的方位估计精度。海试数据处理结果也表明，在长时多快拍处理情况下，该方法能更准确估计目标方位轨迹，具有更好的方位分辨能力。

关键词： 小样本目标检测   元学习   注意力机制   知识蒸馏  

摘要： 针对小样本目标检测中存在的模型收敛速度慢和知识类别遗忘的问题，提出了一种新的基于加权注意力机制和知识蒸馏的改进Meta-DETR小样本目标检测方法。首先，设计了一种新的加权注意力机制，通过在Transformer解码器中引入待检测物体的高斯分布权重并与其原始注意力图融合，使其能更快更准确地在全局特征中定位待检测的物体特征，加快模型的收敛速度。为了进一步缓解模型训练过程中存在知识类别遗忘的问题，引入了一种改进的知识蒸馏方法，采用渐进蒸馏的方法缓解知识灾难性遗忘。最后，设计了一个新的损失函数，能够根据样本的难易程度和边界框的形状尺寸动态计算损失值。实验结果表明，提出的方法在MS COCO 2017基准数据集中10-shot设置下mAP0.5比Meta-DETR方法提升了2.1%，在PASCAL VOC 07+12基准数据集中10-shot设置下mAP0.5比Meta-DETR方法提升了1.5%。

关键词： 临界基准实验   中子核数据   宏观检验   铍反射层  

摘要： 铍金属与氧化铍都是重要核材料，铍的中子核反应数据对核能研发具有重大意义。宏观检验是核数据评价过程的重要环节，对确保核数据的可靠性与精确度至关重要。临界基准实验是目前核数据宏观检验最重要的标准。但此前研究发现，两个高度相似的铍反射层临界基准实验系列HMF-058与HMF-066在检验铍的中子反应数据时给出了矛盾的结论，不能指出铍相关数据的改进方向，导致这两个系列共14个实验无法被用于高精度的核数据检验。出射中子角分布是反应堆物理计算中的关键物理量，但核数据宏观检验中对其的关注度较低。本文通过改进铍(n，n)与(n，2n)反应的出射中子角分布数据提升了两个系列的理论计算与实验测量值的一致性。基于改进的核数据，所有计算与实验测量值的偏差均在1σ实验不确定度范围内，因此无法在此不确定度内拒绝两个系列实验的一致性。结合最新的整套铀核数据，两者的一致性还有少许提升。若要得出两个系列期望值系统性差异的结论，仍需降低实验不确定度或开展更高精度的实验。