随机多个随机变量之和的分布及期望

本文给出求多个独立随机变量之和的分布的两个公式，并直接应用期望的定义给出随机多个随机变量之和的期望。     

线性常系数非齐次微分方程特解的卷积表示

利用卷积表示线性常系数非齐次微分方程的特解,简化了求解过程,并将自由项推广到任意可积的函数.     

一类解析函数的卷积性质

研究一类解析函数的卷积性质，得到了表示定理，系数定理和偏差定理，推广了文献[1]的一些结果。     

基于卷积神经网络的机场助航灯故障诊断

针对人工目视检测机场助航灯故障诊断效率较低且存在主观因素的弊端,提出一种基于卷积神经网络深度学习的助航灯故障自动诊断方法。该方法通过卷积网络模型自动提取图像特征,并对故障进行分类,最终实现助航灯故障自动诊断。用采集到的助航灯等光强图对网络模型进行训练,再用测试集对模型测试,测试集诊断结果准确度高达94.84%。通过理论和实验数据分析说明,训练后的卷积神经网络模型能对助航灯故障进行高效、准确的自动诊断。     

一种基于CNN-AE特征提取的目标跟踪方法

针对视觉跟踪中运动目标的鲁棒性问题,提出一种基于卷积神经网络结合稀疏自动编码器的特征提取方法进行图像目标跟踪。该方法首先将大量有标注数据集输入到卷积神经网络进行预训练,然后使用这些卷积特征无监督的训练稀疏自编码器得到稀疏特征,并利用该特征对目标进行描述。最后结合两种经典的跟踪方法,采用Meanshift与卡尔曼滤波对目标进行实时跟踪。结果表明,利用深度学习模型代替以往人工提取特征的方式能够更好地描述目标模型,对光照变化、尺度变化、遮挡等都具有良好的适应性,以及较好的实时性。     

一种基于神经网络的仿生无人机系统设计

无人机自主安全着陆是国际无人机导航领域的研究热点与难点。基于卷积神经网络的视觉环境感知建模技术以及仿生着陆装置,能突破传统的无人机依赖平整地面标识的着陆技术,因此设计了一种新型仿生着陆机械系统相结合的爪式着陆系统,使得无人机能通过借助机载视觉传感器构建着陆环境并依靠仿生缓冲与夹持系统实现稳定着陆。通过实际测试验证了该系统设计能够辅助无人机在非结构化地面环境中着陆。     

关于一类解析函数的Hadamard卷积和Ruscheweyh邻域

本文以Hadamard卷积为工具,探讨解析函数族R(α)={f(z)=z+sum from n=2 to ∞(a_nz~n)∈A,且满足,Re(f′+zf″)>α,α<1}的两个重要估计,卷积性质,和R(o)的Ruscheweyh领域的性质。     

基于注意力机制的DenseNet模型的树种识别应用

随着图像识别分类技术的发展,该技术被人们应用到工农业生产各个领域,以提高其工作质量和效率。在特殊领域背景复杂数据集分类任务中,为增强神经网络的分类能力,降低参数冗余,提高训练效率,提出一种基于注意力机制的DenseNet模型。该神经网络能够通过添加注意力机制获取图像重要信息,以解决数据敏感问题,提高网络整体性能。在复杂树种叶片公开数据集Leafsnap和公共数据集SVHN上分别取得了91.25%和98.27%的分类精确率。实验结果表明,基于注意力机制的DenseNet模型分类效果明显优于其他网络模型。     

卷积积分的微分性质几个应用例题新解

卷积积分微分性质不但在计算卷积积分时会带来方便,而且也是讨论卷积积分的逆运算的重要方法。     

S^（n）={Ki：1≤i≤n}—因子数的计数

本利用组合卷积分拆和公式推得A（Kn),最后得到两个图的S^(n)={Ki:≤i≤i}－因子数的计数公式。