面向深度增强学习的网络数据流优化研究

探讨面向分布式深度增强学习框架的网络数据流优化,设计使深度学习训练能容忍无损网络的数据流优化策略。对于参数服务器同步架构,假设计算节点和服务器之间的网络通信会产生丢包,该优化策略需要保证分布式训练在无损网络中的性能。采用理论分析与实验评估相结合的方式来验证所提出策略的性能。     

常用止泻药的药性及在兽医临床上的应用

1鞣酸 该药为淡黄色粉末，或为疏松有光泽的鳞片，或为海绵状块。微有特异臭味，味极涩。易溶于水，水溶液呈酸性反应，久置则缓缓分解。该药为一种蛋白质沉淀剂，能与蛋白质结合生成鞣酸蛋白，故具有收敛作用。内服后部分鞣酸在胃内与胃蛋白结合，形成鞣酸蛋白，到达小肠后，再被分解放出睐酸而呈现收敛性消炎、止泻作用。但在肠内碱性环境中，大部分鞣酸可迅速被分解而失效，故其收敛作用不能到达肠道后部。此外，鞣酸还能与生物碱、苷及重金属盐等产生沉淀。但该药不能沉淀吗啡、可卡因、阿托品、烟碱、毒扁豆碱等生物碱及砷、锑、汞等重金属，故这类物质中毒时不能用其解毒。该药吸收后对肝有毒性，故烧伤面积太大时不宜采用，以免吸收中毒。外用5%-10%鞣酸溶液或20%软膏，可治疗创伤、湿疹和急性皮炎等。用于止泻内服，马、牛10-20克/次，羊2-5克/次，猪1-2克/次。     

求解大规模优化问题的分布式并行方法

针对大规模的优化问题,提出一种复杂度低且能快速收敛的分布式并行方法。由于计算Hessian矩阵及其逆矩阵会带来巨大的计算和存储开销,利用内点法或牛顿法求解大规模问题并不可行;大规模优化问题通常采用基于梯度或基于分解的方法进行求解。传统的方法具有较高的复杂度的算法,因此笔者提出了一种新的具有更快收敛速度的原对偶方法,每次迭代仅需要进行简单的梯度更新,从而降低复杂度。     

幂级数逐项求导或积分后收敛半径不变的新证法

要]运用数列极限的理论建立了关于数列上、下极限的相关命题,应用该命题和Cauchy-Hadamard定理的逆定理,给出了幂级数∞∑n=0anxn逐项求导、逐项积分后所得新的幂级数∞∑n=1nanxn-1和∞∑n=0ann+1xn+1收敛半径不变的性质的一个新的证明方法。该证明方法较传统的证明(基于Abel定理与正项级数的比较判别法)更为简洁。上述关于实幂级数结论的证明方法,可以推广到复幂级数上去。     

制造业劳动生产率的空间差异及收敛性研究

运用Dagum基尼系数和空间收敛模型，分析2003—2019年制造业劳动生产率在地理空间和经济区域的差异以及空间收敛性特征。研究发现：相邻地区空间差异性较小；经济发展差距较大的地区，制造业劳动生产率存在的差距也较大。收敛性检验结果显示：制造业劳动生产率呈现绝对β收敛，但经济距离权重矩阵下的收敛速度比地理距离权重矩阵下的收敛速度慢，在地理距离和经济差距影响下的空间收敛速度有所差异。     

交错级数收敛准则的探讨及应用

本文阐述了如何使用该定理证明交错级数的敛散性,并在莱布尼兹审敛法失效时,补充了判定交错级数敛散性的方法 ,同时给出了本方法的应用.     

略论朱熹“敬论”

朱熹“敬论”既继承了程颐主敬说，而又有全面的理论整合及发挥，是其整个理学思想的重要一环。朱熹由其“心是做功夫处”的心论立场出发，极力反对在心的操舍存亡的功夫论问题上预设“另有心之本体”的前提，与此相应，其主敬功夫也就不是道德本心的直接发动，而是对心的知觉意识等各种功能的控制调整，其云“敬只是此心自做主宰处”、“以敬为主而心自存”、“将个敬字收敛个身心”、都是在这个意义上说的。然朱熹主敬自有一套理路，其核心关怀在于如何解决现实人心的障蔽问题，未尝不是儒学功夫论的一种理论形态。     

基于FFT与PLL相结合的载波同步方法研究

针对无线通信系统中的载波恢复问题,提出了基于FFT和PLL相结合的载波同步方法。该方法首先将接收信号通过非线性平方器和带通滤波器的预处理,然后用FFT恢复出未知载波的频率,并用该频率控制PLL振荡器产生的正弦信号频率,最后通过PLL环路的自适应算法实现载波相位的动态跟踪,达到了载波同步的目的。通过以4-PAM信号为例,建立了全数字化的MATLAB仿真模型,并深入分析了系统的性能,仿真实验表明,该方法有良好的载波同步性能和相位的动态自适应性。     

改进型遗传算法在农网无功优化中的应用

根据农村电网的特点,建立了综合考虑全年网损、电压质量和补偿设备投资的无功优化规划数学模型.应用自适应遗传算法改进了传统遗传算法的遗传算子和终止判据等,提出了一种配电网无功优化的改进型遗传算法,其收敛速度和求解精度均有提高.算法实例表明,改进遗传算法的优化效果优于传统遗传算法.     

基于灰狼算法优化支持向量回归模型的木材染色配色算法研究

为提高木材染配色的精度和速度,本文对樟子松木材单板进行染色,提取染色单板的光谱反射率作为输入,以支持向量回归模型(SVR)为基础作为预测模型对染料配方进行预测,用灰狼算法对SVR参数进行寻优,并引入非线性收敛因子和新的位置更新策略改进灰狼算法容易陷入局部最优的缺点,以配方相对偏差作为评价指标,与固定参数的SVR模型及其他模型做对比,优化后的模型配方相对偏差为0.177,配色效果相较于固定参数SVR模型的相对偏差0.344、遗传算法优化的SVR模型的相对偏差0.287等具有明显优势,对提高人工速生材的利用具有重要意义。