期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
The Precursor of GRB211211A:A Tide-induced Giant Quake? 被引量:1
1
作者 Enping Zhou Yong Gao +9 位作者 Yurui Zhou Xiaoyu Lai Lijing Shao Weiyang Wang Shaolin Xiong Renxin Xu shuxu yi Garvin yim Han Yue Zhen Zhang 《Research in Astronomy and Astrophysics》 SCIE CAS CSCD 2024年第2期206-215,共10页
The equilibrium configuration of a solid strange star in the final inspiral phase with another compact object is generally discussed,and the starquake-related issue is revisited,for a special purpose to understand the... The equilibrium configuration of a solid strange star in the final inspiral phase with another compact object is generally discussed,and the starquake-related issue is revisited,for a special purpose to understand the precursor emission of binary compact star merger events(e.g.,that of GRB211211A).As the binary system inspirals inward due to gravitational wave radiation,the ellipticity of the solid strangeon star increases due to the growing tidal field of its compact companion.Elastic energy is hence accumulated during the inspiral stage which might trigger a starquake before the merger when the energy exceeds a critical value.The energy released during such starquakes is calculated and compared to the precursor observation of GRB211211 A.The result shows that the energy might be insufficient for binary strangeon-star case unless the entire solid strangeon star shatters,and hence favors a black hole-strangeon star scenario for GRB211211A.The timescale of the precursor as well as the frequency of the observed quasi-periodic-oscillation have also been discussed in the starquake model. 展开更多
关键词 STARS neutron-(stars:)gamma-ray burst general-black hole physics
下载PDF
用于图像超分辨率重建的双通道残差网络 被引量:4
2
作者 左龙 张鹏 +2 位作者 荆树旭 赵一 李凡 《西安交通大学学报》 EI CAS CSCD 北大核心 2022年第1期158-164,共7页
针对现有基于深度学习的自然图像超分辨率算法在图像高频细节重建方面的不足,提出了一种更注重图像高频细节重建的双通道残差网络。使用带有通道注意力机制的残差结构作为网络的主通道;为了在重建过程中更好地保留原始图像的几何结构和... 针对现有基于深度学习的自然图像超分辨率算法在图像高频细节重建方面的不足,提出了一种更注重图像高频细节重建的双通道残差网络。使用带有通道注意力机制的残差结构作为网络的主通道;为了在重建过程中更好地保留原始图像的几何结构和边缘信息,使用自适应结构化卷积设计了网络的辅助通道,以此构建的双通道残差网络在学习过程中会有更强的高频信息捕获能力;为了使重建图像效果更加符合人眼的主观视觉感受,结合使用L1损失函数和多尺度结构相似度损失函数来训练网络,使网络在训练过程中能够较好地保留图像的视觉效果。实验结果表明:在主通道外并构基于结构化卷积的辅助通道可以使重建图像的峰值信噪比提高2 dB;结合使用L1损失函数和多尺度结构相似度损失函数可以使重建图像的峰值信噪比提高3 dB、结构相似性提高0.5;与同类网络客观定量相比,所提网络在两个公开数据集上取得的效果更优。 展开更多
关键词 超分辨率重建 深度学习 通道注意力 残差网络 自适应结构化卷积
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部