多任务Lasso回归法在恒星光谱物理参量估计中的应用

多任务学习方法在机器学习、计算机视觉、人工智能领域已得到广泛关注,利用任务间的相关性,将多个任务同时学习的效果优于每个任务单独学习的情况.采用多任务Lasso回归法(Multi-task Lasso Regression)用于恒星光谱物理参量的估计,不仅可以获取不同物理参量间的共同的特征信息,而且也可以很好地保留不同物理参量的特有的补充信息.使用恒星大气模拟模型合成光谱库ELODIE中的光谱数据和美国大型巡天项目Sloan发布的SDSS实测光谱数据进行实验,模型估算精度优于相关文献中的方法,特别是对重力加速度(lg g)和化学丰度([Fe/H])的估计.实验中通过改变光谱的分辨率,施加不同信噪比(SNR)的噪声,来说明模型的稳定性强.结果表明,模型精度受光谱分辨率和噪声的影响,但噪声对其影响更大,可见,多任务Lasso回归法不仅操作简便,稳定性强,而且也提高了模型的整体预测精度.     

线性回归参数的总体最小二乘估计新算法

将一元线性回归总体最小二乘平差模型展开后,以因变量和自变量改正数的平方和最小为约束条件,推导其总体最小二乘的迭代算法,并将模型扩展到多元线性回归,进一步得到线性回归模型的总体最小二乘算法。通过实例分析,证明算法的可行性和合理性。     

天象仪的史前史话（二）

保存下来的阿拉图斯天球仪非常少,保存最好的阿拉图斯天球仪之一是现存于意大利的那不勒斯国立考古学博物馆（Museo Archeologico Nazionale）的、称为法尔尼斯·阿特拉斯（FarneseAtlas）的天球。     

全息照相立体地图的制作

1 前言近年来,由于全息照相技术的进步,已经可以印刷全息照片、并在白光下再现图像了。为此,全息照片已广泛用于名片、证券的防伪及室内装饰等方面。国土地理院试用这种技术,根据人造卫星数据和高程数据制作了全息照相立体地图。该立体地图是富士山及其周围地区,比例尺1:60万。其特点是,富士山随观察的角度不同而变化,与之相对应,等高线也同时发生变     

直接阴离子交换快速分离矿石中钇组、铈组稀土及钍

采用阴离子(国产717型)交换树脂在甲醇-硝酸存在下进行铈组,钇组稀土元素的分离,其效果远较经典法优越。为了能更快地达到分离目的,我们对洗脱液的组成比例等离子交换分离条件进行了改进试验。结果表明:以70％甲醇-30％3.4M硝酸为交换介质和洗脱液,100毫升便可将1毫克以下的钇组稀土或钇定量洗脱而与铈组稀土(镧、铈、镨、钕)分离。稀土与钍的分离,我们的试验表     

玛纳斯河流域山前平原地下水系统分析及其模拟

首先论述了玛纳斯河流域山前平原地下水系统的结构特征和地下水的循环模式,由山前到沙漠边缘可分为三个带：水平径流带、溢出带和垂向交替带。运用有限单元法建立了双层含水层地下水流数值模拟模型,并阐明了模型中对混合开采井、泉和地下水蒸发等特殊问题的处理方法。给出了应用模型对研究区水文地质进行定量研究的结果：评价地下水补给资源量和可开采资源量,预测一定开采条件下的泉流量变化趋势。