摘要：图像之间的颜色传输有效地利用了图像的基本统计信息 ,是一类较新的改变图像颜色的方法 文中实现了这种方法并引入了更高的矩 :斜度和峰度 利用幂变换和模变换对源图像数据的斜度和峰度等高阶矩进行了调整 ,使之更加类似于目标图像的分布 。

摘要：本文提出了一种可控学习的两级多层神经网络模型,由此设计出一种基于高阶矩匹配的神经网络参数估计器;并对该神经网络模型的学习算法进行了研究,提出了一种自适应并行学习算法。仿真结果表明,这种利用神经网络进行模型参数估计的方法是可行的。

摘要：【目的/意义】当市场面临重大冲击时,虽然不同行业指数在上涨与下挫过程中存在着类似趋势,但依然有着不同的波动特征与溢出特征。【设计/方法】利用GARCHSK模型刻画我国股票市场各行业不同阶矩的波动特征,并通过溢出指数从静态和动态角度测度2004~2018年期间我国股票市场行业间一阶矩、二阶矩和高阶矩风险溢出的强度和方向。【结论/发现】研究表明我国股市各行业指数具有明显的高阶矩波动特征,且各阶矩风险联动效应较强,单个行业的风险容易通过行业间的相互作用扩散到整个市场;当危机发生时,相比收益溢出指数较小的变化幅度,波动溢出指数能够及时对市场冲击做出反应,且高阶矩波动溢出指数能更准确地体现出不同行业的特质以及所受冲击的大小。

摘要：为了提高深度度量学习模型训练中的图像检索性能,在度量学习模型SoftTriple的基础上,对损失函数和网络结构进行改进.网络结构改进是在SoftTriple网络结构的基础上引入BNNeck模块;在损失函数设计中,首先添加难例挖掘函数对损失函数进行改进,然后通过使用高阶矩来表征整体特征分布的思路提出了新的损失函数.实验表明在度量学习数据集上的召回率和标准化互信息与改进前相比均有提高.与SoftTriple相比,添加难例挖掘函数实验最高将召回率提高了1.8%,标准化互信息值提高了2.2%;整体特征分布实验最高将召回率提高了0.9%,标准化互信息值提高了0.8%.

摘要：本文应用Voltera泛函序列,提出了船舶与海洋工程领域中非线性响应的极值统计预报方法。借助于一个简单的变换,首次完整地得到了非线性响应联合概率密度与极值分布密度,同时还考虑了带宽的影响,使之不仅适合于弱非线性,同样也适合于强非线性的情况。 计算结果与模拟统计样本结果颇相吻合,可在工程中应用。另外,与国外目前发表的文献相比,本文提出的公式最为简单,结果更为精确。

摘要：为模拟植物在不同季节的颜色变化,提出一种在虚拟环境中实现对不同季节植物表观仿真的方法。采用基于二阶统计量的全局颜色传递算法,得到不同季节的纹理库;基于生成的纹理库实现对不同季节植物的表观仿真。为改善传递效果,引入高阶矩,调整目标图像的斜度和峰度分布,使之与样本图像一致。建立评估模型,从颜色和纹理两方面对传递效果进行评估,评估结果表明,该方法的仿真效果较好。

摘要：延迟与冲激响应的矩有密切的关系，文中给出了建立在前三个矩基础上的多芯片组件互连延迟模型。该模型揭示了非单调输出树状结构ＭＣＭ互连网络的延迟与各设计参数之间的明确关系，因此它可以作为一种计算延迟的有效方法。进一步的研究结果还给出了输出响应与各设计参数之间的关系式，因此该模型又为研究面向性能的布局、布线算法中的有关问题提供了一种解决的途径。