首页期刊导航|四川大学学报(自然科学版)
期刊信息/Journal information
四川大学学报(自然科学版)
四川大学学报(自然科学版)

刘应明

双月刊

0490-6756

scdx@scu.edu.cn

028-85412393

610064

成都市九眼桥望江路29号

四川大学学报(自然科学版)/Journal Journal of Sichuan University(Natural Science Edition)CSCD北大核心CSTPCD
查看更多>>本刊是国内外公开发行的自然科学综合性学术刊物。主要刊登本校理科基础理论和应用研究方面有创造性的学术论文和简报。内容包括:数学、物理学、化学和生物学等基础学科及其分支学科,基础数学论文占有较大比重。读者对象是国内外有关的教学、科学工作者以及研究生和大学生。
正式出版
收录年代

    非Kerr光纤中亮孤子的稳定性与相互作用

    胡唯伊王运涛徐友才张世全...
    1-8页
    查看更多>>摘要:非Kerr光纤中的亮孤子的演化可以用具有三次-五次竞争非线性项的非线性薛定谔方程来描述。为数值求解该方程的初值问题,本文将无界区域截断为有界区域,根据亮孤子在远场的渐近行为构造了合理的边界条件,从而将该初值问题转换为初边值问题。对这个初边值问题,本文分别提出 了 Crank-Nicolson 有限差分(Crank-Nicolson Finite Difference,CNFD)格式和时间分裂有限差分(Time-Splitting Finite Difference,TSFD)格式。这两种格式在空间和时间维度上都具有二阶精度,其中CNFD格式是全隐格式,可以守恒离散能量和质量,TSFD是线性隐式格式,可以守恒离散质量。在以数值算例验证两种方法的计算效率后,本文用TSFD格式研究了非Kerr光纤中亮孤子的稳定性与相互作用。

    亮孤子薛定谔方程三次-五次非线性非Kerr光纤

    数值求解耦合Gross-Pitaevskii方程组基态解的离散归一化梯度流方法

    赵子尧马强
    9-14页
    查看更多>>摘要:本文提出了一种求解磁场项为常数的耦合Gross-Pitaevskii方程组基态解的数值方法。基于单组分近似理论,本文将方程组的能量函数等价为单组分的能量泛函,然后基于降阶后的能量表达式提出了离散归一化梯度流数值方法。数值算例表明,该方法高效且可靠。

    耦合Gross-Pitaevskii方程组基态解单组分近似归一化梯度流

    用Tikhonov正则化方法同时反演对流扩散方程的对流速度和源函数

    周子融杨柳王清艳
    15-24页
    查看更多>>摘要:在给定两个附加观测数据的条件下,本文基于Tikhonov正则化方法研究了对流扩散方程的对流速度和源函数的同时反演问题。鉴于原问题是一个初始值非零的对流扩散方程,本文通过将初始值转化为源项得到了一个组合源项,首先将原问题转化为一个具有齐次条件的对流扩散问题。由于所得问题是不适定的,本文进而利用Tikhonov正则化方法构建了相应的极小化目标泛函,得到了问题最优解的存在性和应满足的必要条件。最后,对终端时刻较小的特殊情形,本文证明了最优解的唯一性和稳定性。

    对流扩散方程反问题源函数Tikhonov正则化方法

    用Velocity Verlet积分器改进HMC抽样方法

    李婉荧唐亚勇
    25-34页
    查看更多>>摘要:Hamilton Monte Carlo(HMC)方法是一种常用的快速抽样方法。在对哈密顿方程进行抽样时,HMC方法使用Leapfrog积分器,这可能造成方程的位置及动量的迭代值在时间上不同步,其产生的误差会降低抽样效率及抽样结果的稳定性。为此,本文提出了 IHMC(Im-proved HMC)方法,该方法用Velocity Verlet积分器替代Leapfrog积分器,每次迭代时都计算两变量在同一时刻的值。为验证方法的效果,本文进行了两个实验,一个是将该方法应用于非对称随机波动率模型(RASV模型)的参数估计,另一个是将方法应用于方差伽马分布的抽样,结果显示:IHMC方法比HMC方法的效率更高、结果更稳定。

    HMC方法VelocityVerlet积分器RASV模型方差伽马分布

    含信号调制噪声和频率波动的时滞分数阶振子的随机共振

    何敏玥王会琦林丽烽钟苏川...
    35-43页
    查看更多>>摘要:本文研究了含信号调制噪声和频率波动的小时滞线性分数阶振子的随机共振。利用分数阶Shapiro-Loginov公式和Laplace变换技巧,本文首先推导了系统响应的一阶稳态矩和稳态响应振幅增益(Output Amplitude Gain,OAG)的解析表达式,然后讨论了分数阶、时滞和噪声参数对OAG的影响。结果显示:各参数对OAG的影响均呈现非单调变化的特点,表明系统出现广义随机共振。特别地,分数阶与时滞的协同作用可能诱导随机共振的多样化。这就为在一定范围内调控随机共振提供了可能。

    广义随机共振线性分数阶振子频率涨落信号调制噪声时滞

    一个含对流项的反应扩散捕食模型正解的存在性

    高歌董亚莹
    44-50页
    查看更多>>摘要:本文研究了一个含对流项的反应扩散捕食模型正解的存在性,该模型描述了两物种间的捕食关系及捕食者选择在远离高密度食饵区域捕猎的倾向。基于模型正解的先验估计,本文利用特征值理论和齐次化理论获得了模型正解关于两物种增长率的不存在性,然后利用分歧理论获得了模型正解在某些参数条件下的存在性。

    反应扩散捕食模型全局分岔先验估计

    基于互反射先验的端到端沉浸式投影补偿

    胡宗禹程鹏刘建刘洪...
    51-60页
    查看更多>>摘要:沉浸式投影系统中的互反射现象会导致投影质量下降,投影补偿任务通过对输入图像的修改补偿,减少互反射造成的影响从而得到更好的成像效果。投影补偿任务是研究输入原图与最终成像之间的关系,通过对输入图像的修改补偿,减少互反射造成的影响从而得到更好的成像效果。本文提出互反射先验,互反射先验是指发生互反射的区域的临近区域通道像素值十分接近最大值256,因此通过图像的区域通道像素值可以获得互反射信息。本文提出的互反射补偿网络(IRCN),通过互反射先验生成互反射掩膜,消除沉浸式投影环境中的多余互反射。为了验证IRCN模型,使用了超过5000对投影图像数据集和曲面投影系统以及折面投影系统来完成实验。本文将IRCN对比多种现有投影补偿方法,实验结果表明IRCN在PSNR,RMSE,SSIM,均值标准差分析等客观评价指标中具有明显优势,说明本文提出的IRCN能够有效利用互反射先验信息,对沉浸式投影环境中的互反射现象进行补偿,在均衡训练时间的基础上增强了投影效果。

    投影补偿神经网络互反射沉浸式投影

    基于多层次特征融合的Transformer人脸识别方法

    夏桂书朱姿翰魏永超朱泓超...
    61-68页
    查看更多>>摘要:卷积神经网络中的卷积操作只能捕获局部信息,而Transformer能保留更多的空间信息且能建立图像的长距离连接。在视觉领域的应用中,Transformer缺乏灵活的图像尺寸及特征尺度适应能力,通过利用层级式网络增强不同尺度建模的灵活性,且引入多尺度特征融合模块丰富特征信息。本文提出了一种基于改进的Swin Transformer人脸模型——Swin Face模型。Swin Face以Swin Transformer为骨干网络,引入多层次特征融合模块,增强了模型对人脸的特征表达能力,并使用联合损失函数优化策略设计人脸识别分类器,实现人脸识别。实验结果表明,与多种人脸识别方法相比,Swin Face模型通过使用分级特征融合网络,在LFW、CALFW、AgeDB-30、CFP数据集上均取得最优的效果,验证了此模型具有良好的泛化性和鲁棒性。

    人脸识别Transformer多尺度特征特征融合

    基于外部知识筛选的主题文本生成技术研究

    王沛杨频程芃森代金鞘...
    69-77页
    查看更多>>摘要:在自然语言生成任务中,主题文本生成是一项富有挑战性的工作,其主要难点在于:源信息量远小于目标生成的信息量。为了解决该问题,本文提出一个基于外部知识筛选的主题文本生成模型Trans-K,通过引入与主题词相关的外部知识来丰富源信息,进而提高生成文本的质量。本文为了解决引入外部知识的"一词多义"问题,提出一种基于线性变换的主题向量计算方法,用于筛选和主题词语义一致的外部知识;提出一种基于注意力机制的外部权重计算方法,为每个外部词设定一个主题权重,使其更贴合文本语义;为了解决主题词(含候选词)在生成文本中反复出现的问题,提出一种基于多头注意力机制的内部权重计算方法。在EASSY数据集上的实验表明,与基线相比,Trans-K生成文本质量的各项指标更优。此外,人类评估表明,该模型可生成与主题更相关、语言更连贯、且符合语义逻辑的文本。

    自然语言生成主题文本生成TransformerHowNet知识增强

    一种利用词典扩展数据库模式信息的Text2SQL方法

    于晓昕何东叶子铭陈黎...
    78-88页
    查看更多>>摘要:现有Text2SQL方法严重依赖表名和列名在自然语言查询中的显式提及,在同物异名的实际应用场景中准确率急剧下降。此外,这些方法仅仅依赖数据库模式捕捉数据库建模的领域知识,而数据库模式作为结构化的元数据,其表达领域知识的能力是非常有限的,即使有经验的程序员也很难仅从数据库模式完全领会该数据库建模的领域知识,因此程序员必须依赖详细的数据库设计文档才能构造SQL语句以正确地表达特定的查询。为此,本文提出一种利用词典扩展数据库模式信息的Text2SQL方法,该方法从数据库表名和列名解析出其中的单词或短语,查询词典获取这些单词或短语的语义解释,将这些解释看成是相应表名或列名的扩展内容,与表名、列名及其他数据库模式信息(主键、外键等)相结合,作为模型的输入,从而使模型能够更全面地学习数据库建模的应用领域知识。在Spider-syn和Spider数据集上进行的实验说明了所提出方法的有效性,即使自然语言查询中使用的表名和列名与数据库模式中对应的表名和列名完全不同,本文方法也能够得到较好的SQL翻译结果,明显优于最新提出的抗同义词替换攻击的方法。

    数据库模式语义扩展解释信息Text2SQL