水中矩形板的共振声辐射

研究共振声辐射理论(Resonance Radiation Theory:RRT)在水中矩形板的应用。导出了矩形板的共振声辐射公式、并数值验证了其适用性。深入分析了有流体负荷矩形板的复共振频率的物理意义及其与导纳留数、模态辐射率的关系,复共振频率的实部表示实际共振频率,虚部反映模态辐射能力。根据复共振频率容易找到辐射能力相对较强的模态,为有针对性控制声辐射提供了新的思路。鉴于复平面搜根求解模态复共振频率的困难,针对矩形板的特点提出了一种求解复共振频率及留数的快速方法。结合该方法及RRT,提出了一种快速计算辐射声功率的方法,数值验证表明该方法精度高、速度快。      

图论中若干重要定理的历史注记

考察了图论中若干重要定理的历史背景,这些定理包括图论基本定理,矩阵-树定理,门格尔定理,霍尔定理,柯尼希定理,塔特定理,彼得森定理,库拉托夫斯基定理,布鲁克斯定理和维津定理.     

图论中若干著名问题的历史注记

考察了哥尼斯堡七桥问题,最小生成树问题,旅行推销员问题,分派问题,最大流问题,中国邮递员问题和四色问题等著名图论问题的历史背景.     

图论中若干基本概念的历史注记

考察了图与子图,树,匹配,欧拉图与哈密尔顿图,可平面图,以及与图的连通性和图的着色有关的若干图论基本概念的历史背景.     

基于多任务卷积神经网络的浮游藻类群落识别方法

针对混合浮游藻类群落离散三维荧光光谱特征识别,对比分析了简单卷积神经网络(PlainCNN)和文本卷积神经网络(TextCNN)模型对5种常见门类藻(铜绿微囊藻、斜生栅藻、菱形藻、楯形多甲藻和隐藻)混合数据的种类识别准确率及浓度测量精度。结果表明,在藻类独立识别及浓度回归分析中,PlainCNN模型对测试集的平均识别准确率和浓度输出结果的平均均方误差分别为90%和0.052,均优于TextCNN模型。为了同时实现混合藻类种类识别和浓度分析,基于PlainCNN模型提出了多任务卷积神经网络PlainCNN-MT模型。该模型对混合藻类种类识别的平均准确率提高至95%,浓度输出结果的平均均方误差降低至0.039,表明多任务卷积神经网络在浮游藻类群落识别与定量分析中更具优势。