相控阵雷达导引头主要关键技术初探，李秋生，，相控阵雷达导引头是导引头体制发展的一个重要新领域，具有波束扫描灵活、空间功率和时间资源分配可控等传统雷达导引头所没有的优

软件缺陷预测技术对于确保软件产品的可靠性以及降低软件开发和维护成本具有重要作用。传统的软件缺陷预测方法依赖于软件度量元信息，如代码行数、控制流圈复杂度等，来构建机器学习模型进行缺陷预测。然而，这种方法存在明显的不足，因为它无法充分捕捉软件的语法结构信息和语义信息，导致缺陷预测准确性受限。 为了解决这一问题，本文提出了一种基于程序语义和长短期记忆网络（LSTM）的软件缺陷预测模型，简称为Seml。Seml模型采用深度学习技术来学习程序的语义信息，并用以预测程序中可能出现的缺陷。该模型的一个关键特点是，将程序源码中抽取的token转换成分布式向量表示，这样做能更好地表达代码的语义信息，从而有助于提升软件缺陷预测的准确率。 Seml模型在公开数据集PROMISE上进行的实验结果表明，其在项目内缺陷预测和跨项目缺陷预测方面的准确率均高于现有的基于深度学习的方法以及基于度量元的方法。这表明，Seml模型在捕获程序的语义信息方面更具优势，能够更准确地预测软件缺陷。 在讨论Seml模型的过程中，文章还提到了词嵌入技术。词嵌入是一种将词语映射到实数向量的技术，它使得相似的词语在向量空间中也具有相似的距离。这种方法在处理自然语言处理（NLP）任务中十分常见，而在软件缺陷预测模型中使用词嵌入技术，是为了更有效地处理程序源码中的token，从而更好地捕捉代码的语义信息。 此外，文章还提到了其他一些关键点。比如，软件早期的缺陷预测技术通常利用软件模块及其标签（有缺陷/无缺陷）来构建机器学习模型，并利用构建好的模型预测新模块是否含有缺陷。而大多数现有工作都利用了人工设计的度量元作为特征，例如Halstead特征、McCabe特征、CK特征、Mood特征等。这些特征虽然在一定程度上有助于软件缺陷预测，但仍然无法充分捕捉程序的语义信息。 作者在文献中引用了Wang等人提出的一种基于深度学习的缺陷预测方法，该方法使用了深度信念网络（DBN）来处理从程序源码中抽取的序列，并从中学习程序语义信息。尽管实验结果表明这种方法能够取得比传统方法更高的F1值，但其存在的问题是DBN在处理大规模数据时的效率和准确性。 从这些讨论中我们可以看出，Seml模型的核心优势在于其能够通过深度学习和词嵌入技术，更好地捕捉和表达程序的语义信息。这对于提升软件缺陷预测的准确性和效率至关重要。通过这一点，Seml模型有望在软件工程领域产生积极的影响，为开发者提供更加强大和精确的工具，以辅助他们在软件开发过程中及时发现潜在的缺陷，从而进一步提高软件质量和可靠性。

论文研究-并行离散事件仿真PDES 策略比较研究.pdf,

研究小面积实现同时兼顾加密速率的平衡优化方法，构造一个Tab盒，使S盒变换采用1×16位的空间预存储置换表Tab，通过O（1）查表效率即可实现SubBytes变换。密钥扩展采用上升沿有效的时钟控制密钥生成，因此不必等待下一时钟上升沿到来，从而减少了系统延时。将明文的S盒替换和密钥扩展的S盒替换放在同一个模块里，在模块里用同时连续赋值方式实现，从而减少寄存器的个数。把S盒、字节替换、行移位、Tab盒、列混合变换、密钥扩展基本子模块都整合到一个模块中，相比各模块单独实现减少了算法实现面积与运算时代码开销。实验表明在Xilinx Virtex-5 FPGA上实现的吞吐率达到了6.55 Gbps，面积缩减到10 277 slices。

针对具有大量卷积神经网络的图像超分辨率算法存在的参数大，计算量大，图像纹理模糊等问题，提出了一种新的算法模型。 改进了经典的卷积神经网络，调整了卷积核大小，并减少了参数； 添加池层以减小尺寸。 降低了计算复杂性，提高了学习率，并减少了培训时间。 迭代反投影算法与卷积神经网络相结合，创建了一个新的算法模型。 实验结果表明，与传统的面部错觉方法相比，该方法具有更好的性能。

基于数字图像处理的车牌识别技术的研究，彭运生，王晨升，车牌识别系统（License Plate Recognition 简称LPR）技术广泛应用于智能交通系统中，一般分为车牌预处理、定位、字符分割和字符识别四个主�

论文研究-罕见灾难风险和股市收益——基于我国个股横截面尾部风险的实证分析.pdf,  本文从个股横截面数据提取尾部风险作为时变罕见灾难风险的代理指标,实证分析了罕见灾难风险作为定价因子对我国股市收益的预测能力和横截面收益的解释能力.基于中国 A 股市场 1997-2013 年横截面日收益率数据,利用极值理论和尾部幂指数分布统计量,提取动态尾部风险指标,实证研究表明:1)尾部风险对我国一个月、半年、一年和两年股市收益率具有显著的预测效果;2)尾部风险对于我国股市横截面收益也具有显著的解释能力,尾部风险因子载荷系数大的投资组合所获得的风险补偿显著大于尾部风险因子载荷系数小的投资组合.此外,实证分析还发现尾部风险同宏观经济变量有着显著地反向关系,这进一步验证了尾部风险作为罕见灾难风险度量的合理性.

我开始使用偏最小二乘结构方程模型（PLS-SEM）通过影子银行（微观和宏观层次的联系）来衡量日本区域银行的系统风险。 在日本银行业中，首次使用非参数PLS-SEM。 我从Orbis Bank Focus收集了基于指标的数据，但是没有找到理论上建议的所有指标。 结果表明，影子银行的12.5％解释了系统性风险。 我使用广义结构化成分分析（GSCA）进行鲁棒性测试，因为它与PLS-SEM属于同一类方法； GSCA证实了PLS-SEM结果。 监管机构需要收集与日本区域性银行有关的影子银行活动的更多数据。 缺少的指标对于通过影子银行解释区域银行的系统风险至关重要。 一旦获得更多数据，研究人员便可以探索影子银行是否会对日本区域性银行的系统风险产生重大影响。

燃料电池是一种通过氢气和氧气的电化学反应将化学能直接转换为电能的装置，具有高效、清洁、低噪声等优点，被认为是未来能源技术的重要方向之一。在燃料电池的各种类型中，质子交换膜燃料电池（PEMFC）因为其启动快、工作温度低、功率密度高等特点，在便携式电源、电动汽车和分布式发电等领域得到广泛应用。 本文主要研究了PEMFC发电系统中电堆温度的控制策略，温度对于PEMFC电堆性能有着显著的影响。当电堆处于特定温度时，才能发挥最佳性能。PEMFC的电化学反应是一个放热过程，随着反应的进行，电堆温度会逐渐升高。适当的温度可以加快电化学反应速度，提高质子交换膜的电导率，从而增加电堆的输出功率。然而，电堆温度不宜过高，否则会导致膜中水分流失加快，减弱质子交换膜的强度。 为了实现对PEMFC电堆温度的有效控制，研究人员提出了一种基于模型参考模糊自适应算法的温度控制策略。该策略首先分析了PEMFC发电系统的热理模型，并将其与近似线性系统进行比较。研究人员依据先前实验经验，自动调节控制参数，设计出了一套温度控制系统，该系统通过加热器、循环水泵、散热器和流量控制阀等执行机构，结合脉宽调制（PWM）技术，实现对电堆温度的精准控制。 在PEMFC电堆的温度控制中，主要面临时变、大滞后和非线性等复杂特性。传统的PID控制方法往往会出现较大的超调量，且调节时间较长，难以适应系统的动态变化。因此，本文提出的模型参考模糊自适应控制系统能够根据实时状态动态调节，有效解决传统PID控制中出现的问题。 研究中还提及了不同工作温度下PEMFC的电池电压电流关系特性。例如，在5KW电堆中，通过实验得到的不同温度下的电压电流关系特性曲线显示，电堆在不同的温度下具有不同的工作特性。这些曲线对于理解电堆在不同条件下的性能表现及最佳工作点的选择具有指导意义。 本文提出的基于模型参考模糊自适应算法的PEMFC电堆温度控制策略，不但解决了PEMFC温度控制中的时变、大滞后和非线性问题，而且通过实验验证了其良好的控制效果，为PEMFC电堆的最佳性能发挥提供了技术保障。随着燃料电池技术的不断成熟和应用的拓展，这一温度控制策略的研究成果将具有重要的应用价值和推广潜力。

论文研究-企业补充养老保险计划精算模型.pdf,  利用保险精算学给出待遇确定型企业补充养老保险缴费公式及简单算法，并得到缴费确定型企业补充养老保险的退休金给付公式，克服了企业退休金的支付困难问题。