离子导体Na_(0.5)Bi_(0.49)Ti_(0.98)Mg_(0.02)O_(3–δ)的热化学稳定性

具钙钛矿结构的Na_(0.5)Bi_(0.49)Ti_(0.98)Mg_(0.02)O_(3–δ)材料(NBTMg-4902)因其在较低温度(400~700℃)范围内具有高氧离子电导率,被认为是一种极具潜力的中低温固体氧化物燃料电池(IT-SOFC)电解质材料,然而对该材料在操作温度范围内的热化学稳定性尚未有充分的研究。本工作通过X射线衍射、电子扫描显微镜及差热/热重联合分析仪等研究了NBTMg-4902材料在还原气氛环境下的化学稳定性以及该材料与几种SOFC阴极材料的热化学相容性,结果表明:NBTMg在还原气氛下(5%H_2/95%N_2)极易被分解还原生成金属铋;另外,其与阴极材料(LSC及BSCF)在热处理过程中极易发生固相反应,不具备良好的热化学相容性,说明该材料在SOFC应用中具有一定的局限性。     

离子导体Na0.5Bi0.49Ti0.98Mg0.02O3–δ的热化学稳定性EI北大核心CSCD

具钙钛矿结构的Na0.5Bi0.49Ti0.98Mg0.02O3-δ材料（NBTMg-4902）因其在较低温度（400~700℃）范围内具有高氧离子电导率,被认为是一种极具潜力的中低温固体氧化物燃料电池（IT-SOFC）电解质材料,然而对该材料在操作温度范围内的热化学稳定性尚未有充分的研究。本工作通过X射线衍射、电子扫描显微镜及差热/热重联合分析仪等研究了NBTMg-4902材料在还原气氛环境下的化学稳定性以及该材料与几种SOFC阴极材料的热化学相容性,结果表明：NBTMg在还原气氛下（5%H2/95%N2）极易被分解还原生成金属铋;另外,其与阴极材料（LSC及BSCF）在热处理过程中极易发生固相反应,不具备良好的热化学相容性,说明该材料在SOFC应用中具有一定的局限性。     

基于图像处理的铁轨表面缺陷检测算法

对铁路轨道表面缺陷进行检测是保证铁路运输安全的重要手段之一，该文采用计算机图像处理技术对铁路轨道表面的缺陷进行自动化检测，提出了轨道表面缺陷检测的系统设计方案，给出了一种利用图像灰度信息的快速、实时检测算法。实验验证了算法的有效性和高效性。     

基于决策树的神经网络

传统人工神经网络模型采用试探的方法确定合适的网络结构,并随机地初始化参数值,导致神经网络训练效率低、结果不稳定.熵网络是一种建立在决策树之上的3层前馈网络,在熵网络基础上,提出了基于决策树的神经网络设计方法(DTBNN).DTBNN中提供了对神经网络参数的初始值合理设置的方法,并提出了由决策树确定的只是熵网络的初始结构,在实际的网络构造中需要根据实际应用添加神经元和连接权以提高网络的性能.理论分析和实验结果表明了这种方法的合理性.     

退火期望最大化算法A-EM

使用EM算法训练随机多层前馈网具有低开销、易于实现和全局收敛的特点,在EM算法的基础上提出了一种训练随机多层前馈网络的新方法AEM.AEM算法利用热力学系统的最大熵原理计算网络中隐变量的条件概率,借鉴退火过程,引入温度参数,减小了初始参数值对最终结果的影响.该算法既保持了原EM算法的优点,又有利于训练结果收敛到全局极小.从数学角度证明了该算法的收敛性,同时,实验也证明了该算法的正确性和有效性.     

模型的固有复杂度和泛化能力与几何曲率的关系

从微分几何角度考察与参数化形式无关的统计模型流形的固有复杂度,指出模型流形的Gauss-Kroneker曲率可以完全刻画模型流形在一点处的全部性质,进而分析了曲率与体积的关系;给出了基于参数估计量邻域附近的解轨迹方法的曲率计算方法;证明了用于衡量泛化能力的未来残差可以用模型的曲率来表示,由此给出一种新的以曲率度量模型复杂度的模型选择准则GKCIC;对几何方法和统计学习理论进行了分析比较.在人工数据集和真实数据集上的比较实验结果表明了文中提出的方法的有效性.     

实现人工神经网络知识增殖能力的一种方法

具有知识增殖能力的神经学习系统是人工神经网络发展的一个重要方向，备受研究人员的关注．传统上对神经学习系统知识的增殖或重用研究偏重于对个体网络的改造，根据知识积累和继承的思想，引入自治神经网络(autonomous artificial neural network，AANN)的理念，以此作为构造知识可增殖神经学习系统的基础，利用群体网络的方法成功解决了神经学习系统的拓展和知识增殖问题．AANN和一般神经网络的区别在于其自治能力，采用AANN模块构造的神经学习系统，具有知识增殖能力，其可靠性、可拓展性和灵活性都得到提高．实验结果表明，该方法构造的群体网络系统可有效继承其模块所学习的知识．     

神经网络的层次化学习机制探讨

研究人工神经网络的信息处理机制是模拟人脑功能要解决的一个重要问题,在信息几何框架下,该机制可以通过研究信息系统的几何结构来讨论.本文提出了一种简化的模拟人类思维层次的层次化神经系统模型,并利用基于信息几何的神经场学习理论解释了不同层次的神经系统通过前馈和反馈连接进行动态交互作用的逼近学习机制,进而从整体宏观的角度对人脑学习机理以及概念形成给出了一个数学上的描述.     

一种基于广义KL距离和几何曲率的模型选择准则

模型选择的目标就是识别产生给定数据的模型.通常模型的好坏由模型的泛化能力来度量,而泛化能力包含模型对给定数据的拟合度和模型复杂度两个方面.本文从信息几何的观点使用定义在流形上的广义KL距离来度量模型的拟合度;另一方面从微分几何的观点用曲率的概念来度量模型的内在复杂度;因此,拟合度和复杂度的表示都具有在参数变换下保持不变的特点.通过理论分析,我们证明了用于表示模型预测能力的未来残差与模型固有曲率的关系.由此提出了一种新的基于广义KL距离和曲率的模型选择准则KLCIC.该准则不仅考虑了样本大小、参数个数和函数形式等影响复杂度的因素,而且具有非常清晰直观的几何意义.实验结果表明该方法的有效性.     

修剪算法的信息几何分析

修剪法是确定和优化神经网络结构的重要方法之一．当前对修剪法的研究大多集中在方法描述上，对于修剪法内在机理的研究尚不多见，而研究修剪的内在机理可以为修剪策略提供理论基础和依据．从信息几何的角度研究了修剪法的内在机理，给出了神经网络结构修剪法的信息几何理论解释，利用神经流形参数结构的层次性，将修剪法表述为一系列从当前模型流形到其子流形的信息投影过程，在此基础上提出了新的修剪算法，并给出了算法可行性与有效性的实验验证．