自适应Fourier分解思想在再生核W2 1 [a,b]空间的应用

在再生核$W_2^1[a, b]$空间中研究自适应正交贪婪分解算法, 利用能量下降最快的原理自适应性地构造出最佳$n$项逼近函数, 并从理论上证明其收敛性成立。最后, 实验验证了在$W_2^1[a, b]$再生核空间中, 利用正交贪婪原理构造的$n$项数值原函数比用等分结点构造出的最佳$n$项数值原函数收敛效果更优。     

具有c1-可补子群的有限群结构分析

子群H在群G中被称为是c1-可补的(c1-supplemented),如果存在G的子群K使得G=HK且H∩T≤Z∞(G),其中Z∞(G)是G的超中心.本文研究素数幂阶子群的广义可补性对有限群结构的的影响,得到以下主要定理:对于G的任意Sylow p-子群P,如果P有子群D满足1<|D|<|P|且P每一个|D|阶及p|D|阶子群在G中均c1-可补,那么G超可解.该结果推广了一些已知的结果.     

基于小波散射网络下的图像检索

小波散射卷积神经网络由于其优越的性能而被迅速、广泛地运用到图像、音频等领域.本文利用这种新型的网络结构提取图像的特征，结合相似度度量方法，实现该特征提取在图像检索方面的应用.此外，将小波散射网络得到的特征系数，以其均值和方差作为新的特征，实现大规模图像检索的降维.最后，利用实验算法对比验证了上述降维方法的可行性和优越性.     

卷积神经网络的研究及应用分析

这几年来,卷积神经网络在计算机视觉方面获得了很多的突破以往的研究成就与结果.它的强大的特性学习以及分类的本领都在整个领域中得到了各方面的极大地关注,它包含了重要的分析和探究的必要性的价值.回顾了卷积神经网络的开展过程和相关历史与背景,简单介绍了关于卷积神经的基本构成和运行的理论,从结构改进、减少过拟合、激活函数的选用这3个方面对卷积神经网络在最近的探究总结以及讨论分析,归纳了并且通过讨论基于卷积神经网络的相关研究以及在应用领域中的应用,以及取得的最新的研究成果,指出了卷积神经网络现在阶段存在的缺陷和未来的研究以及应用的方向.