课程文献中心 更多>>

关键词： 快速多极算法   多极展开   波动方程  

摘要： 快速多极算法(FMM)是处理大规模多体系统的高效数值算法,在分子动力学、天体动力学、声学以及电磁学等领域发挥着重要作用.本文首先回顾了快速多极算法的发展历史,其次以Helmholtz和Maxwell方程为例,介绍了二维和三维情形下基于核解析展开的快速多极算法的数据结构、数学原理、实现步骤和复杂度分析,并给出了相应的自适应FMM实现方法,最后基于MATLAB平台进行了二维和三维情形下多体模拟的数值实验.

关键词： 光纤光栅(FBG)   色散补偿光纤(DCF)   色散   Q值   系统性能  

摘要： 为了减小光信号在光纤中的色散,提高系统的输出性能,本文提出了一种级联光纤光栅(fiber Bragg grating,FBG)结构。首先分析了色散补偿光纤(dispersion compensating fiber,DCF)的3种补偿方案(前补偿、后补偿、对称补偿),得出使系统性能最佳的是后补偿,接着分析了后补偿在不同色散补偿方式下对系统的影响。然后针对后补偿方案,在其发射机后级联光纤光栅,以获得光信号的窄线宽和最小化反射率旁瓣,减少传播延迟提高系统性能。在有无级联光纤光栅两种情况下,分析了输入功率和传输距离对系统的影响。结果表明,DCF后补偿方案级联光纤光栅之后,传输距离240 km,最佳输入功率为21 dBm时,Q值从37.15275提高到了60.5521,系统的性能提高了63%,证实了在系统中级联光纤光栅可以提高系统的整体输出性能。可见该结构为未来大容量、长距离的光纤传输提供了坚实的基础,具备良好的发展前景。

关键词： 弱光纤光栅监测系统   盾构隧道   深层土体位移   影响范围  

摘要： 为研究盾构隧道施工引起的深层土体位移规律,本文以苏州轨道交通11号线工程为研究背景,选取其施工条件最为复杂的区域,通过布置弱光纤光栅应变感测系统,收集盾构施工过程中深层土体变形数据。研究结果显示:盾构隧道开挖过程中引起的深层土体位移变形具有差异性,不同土层的变形规律不同,距盾构隧道距离较近的部分深层土体受挤土效应会产生隆起变形,且距隧道距离越近,隆起变形越大;同一横断面盾构开挖导致的沉降变形范围大于盾构机盾尾注浆引起的隆起变形范围,且不同性质的土层隆沉情况不同。弱光纤光栅感测技术可以实现深层土体位移变形的自动化监测,监测结果可以为盾构开挖引起的地下建筑物及管线变形提供数据支撑。

关键词： 光纤布拉格光栅   振动传感器   模块化设计   频率   灵敏度  

摘要： 为提升光纤布拉格光栅(Fiber Bragg Grating,FBG)振动传感器的灵敏度和响应频率,该文提出一种小体积FBG振动传感器并进行仿真分析及实验验证。首先,采用模块化结构,将质量块使用螺丝固定在两片横梁中间;其次,推导传感器谐振频率和灵敏度表达式;接着,使用仿真软件COMSOL和搭建实验验证传感器性能。结果表明,传感器平均灵敏度为100.68 pm/g,谐振频率为270 Hz,适用于0~180 Hz的振动信号的测量。该结构的FBG振动传感器体积小、性能高、成本低、适用性强,在工程实践中可以被广泛应用。

关键词： 光纤光栅测温   开关柜   变电站开关   运行隐患   光纤光栅温度传感器   诊断故障   故障诊断方法   实时监测  

摘要： 为实现对开关柜运行状态的不间断监控,及时诊断并预防潜在的运行隐患,提升故障检测的准确性,确保开关柜的稳定可靠运行,利用光纤光栅测温技术,提出一种高效的变电站开关柜故障诊断方法。首先,布设故障监测点,安装光纤光栅温度传感器。其次,利用光纤光栅测温技术,实现对变电站开关柜温度的实时监测和准确测量。在此基础上,根据开关柜内部温度的变化,与正常温度范围进行比较,诊断故障。实验结果表明,该方法应用后,在涵盖的六种不同故障类型样本中,均展现出极高的诊断精准度,应用效果优势显著。

关键词： 非线性表征   概率潜在因子张量模型   实例频率   非线性映射   数据稀疏性   CP分解   不平衡分布   正则项  

摘要： 针对具有极度稀疏和不平衡的非负不完整数据的填补问题,文中提出了一种非线性表征的概率潜在因子张量模型。通过合理假设数据的概率分布作为先验信息,缓解了数据的稀疏性。利用非线性映射实现对数据中每一非负元素的非线性表征,提高了模型的表征能力。考虑到数据的不平衡性,对传统正则化项添加基于实例频率的权重,增加了正则化项的有效性和针对性。实验结果表明,所提模型在补全精度和时间成本方面较现有模型具有明显提升。

关键词： 文本分类   图神经网络   BTSGCN   BERT   自注意力机制  

摘要： TensorGCN模型是图神经网络应用在文本分类领域的SOTA模型之一.然而在处理文本语义信息方面,该模型使用的LSTM难以完全地提取短文本语义特征,且对复杂的语义处理效果不佳;同时,由于长文本中包含的语义及句法特征较多,在进行图间异构信息共享时特征共享不完全,影响文本分类的准确性.针对这两个问题,对TensorGCN模型进行改进,提出融合BERT和自注意力机制的张量图卷积网络(BTSGCN)文本分类方法.首先,使用BERT代替TensorGCN架构中的LSTM模块进行语义特征提取,通过考虑给定单词两侧的周围单词来捕获单词之间的依赖关系,更准确地提取短文本语义特征;然后,在图间传播时加入自注意力机制,帮助模型更好地捕捉不同图之间的特征,完成特征融合.在MR、R8、R52和20NG这4个数据集上的实验结果表明BTSGCN相比于其他对比方法的分类准确度更高.

关键词： 小学数学   命题设计   冷思考   数学题   五年级   期末考试   分析命题   选择题  

摘要： 本文以一道“出圈”的小学数学题为例,分析命题设计背后的思考。一、原题回放南京某区五年级下学期的数学期末考试中出现这样一道选择题,引发了广泛关注和讨论。从小我们就熟知各种成语和寓言,图1最符合下面( )中描绘的场景。

关键词： coordinate attention   cross-shaped window transformer   double-slit interference   orbital angular momentum mode   vortex beam  

摘要： Objective Efficient identification of orbital angular momentum (OAM) modes in vortex beams is critical for enhancing capacity and spectral efficiency in wireless optical communication systems. However, turbulent atmospheric channels pose significant challenges due to phase distortion in vortex beams and the complexity of traditional optical approaches. In this paper, we propose a novel methodology that integrates an enhanced convolutional neural network (CNN-transformer) hybrid model with double-slit interference. The proposed approach enables simultaneous and precise identification of both the magnitude and sign of high-order OAM modes under turbulent atmospheric conditions, offering significant improvements in recognition accuracy and system performance. Methods To address the challenges of identifying OAM mode magnitude and sign in turbulent atmospheric environments, we propose a novel method combining an improved CNN-transformer hybrid model with double-slit interference. When Laguerre-Gaussian (LG) beams propagate through turbulent atmospheres, phase distortions result in skewed and twisted interference fringes when passing through a double slit. These patterns are captured and processed using the proposed CNN-transformer hybrid model, named CACSIV3-Net. The model employs Inception_V3 as its backbone and incorporates a coordinate attention module (CAM) to dynamically weight channel relationships and spatial features. In addition, the cross-shaped window transformer (CSWT) is introduced to extract multi-scale features and long-range dependencies, achieving high-precision OAM mode recognition. Results and Discussions In this paper, we propose an improved CNN-transformer hybrid model, CACSIV3-Net, designed to enhance the recognition accuracy of OAM modes in turbulent atmospheric environments. To evaluate its performance, we compare CACSIV3-Net with mainstream classification networks (AlexNet, VGGNet, ResNet, and Inception_V3) using identical system configurations

关键词： 张量表示   聚类   低秩约束   多视角聚类   奇异值分解  

摘要： 现有多视角聚类算法存在:1)在学习低维表征的过程中无法准确捕获或忽略嵌入在多视角数据中的高阶信息和互补信息;2)未能准确捕获数据局部信息;3)信息捕获方法缺少对噪声点鲁棒性等问题.为解决上述问题,提出一种自适应张量奇异值收缩的多视角聚类(multi-view clustering based on adaptive tensor singular value shrinkage,ATSVS)算法.ATSVS首先提出一种符合秩特性的张量对数行列式函数对表示张量施加低秩约束,在张量奇异值分解(tensor singular value decomposition,t-SVD)过程中能够根据奇异值自身大小进行自适应收缩,更加准确地进行张量秩估计,进而从全局角度精准捕获多视角数据的高阶信息和互补信息.然后采用一种结合稀疏表示和流形正则技术优势的l_(1,2)范数捕获数据的局部信息,并结合l_(2,1)范数对噪声施加稀疏约束,提升算法对噪声点的鲁棒性.与11个对比算法在9个数据集上的实验结果显示,ATSVS的聚类性能均优于其他对比算法.因此,ATSVS是一个能够有效处理多视角数据聚类任务的优秀算法.