分形图像压缩方法研究的新进展

分形图像压缩是一种利用迭代函数系统理论(IFS)、基于自相似特征的有损编码方法。它以其高压缩比的潜在性能而在近年来倍受重视，但目前实现自动IFS编码仍有相当难度，该领域仍存在许多问题亟待解决。笔者对分形图像压缩的理论基础、自动分形图像压缩的实现以及分形图像序列压缩等进行了全面的综述，介绍了各种具有代表性的改进算法，阐明了各个算法的原理和特点，最后对目前研究中存在的问题及可能的对策和研究方向进行了讨论。     

具有相对稳定性的状态反馈控制算法

本文提出了计算状态反馈矩阵的新方法。它不需要了解原开环系统的固有特性,只要任意指定两个矩阵,就能够给出满足相对稳定性要求的状态反馈矩阵。从而,我们较好地解决了线性系统理论中的这一问题。此外,文中还讨论了线性二次型(LQ)控制的逆问题,给出了求解相应的加权矩阵的公式。     

VMM验证方法在AXI总线系统中的实现——Verification IP应用一例

本文基于中科院计算所某项目实际工作,介绍如何利用高级验证语言、验证基本库、以及成熟的验证模型,快速建立可随机产生测试向量、向量场景可调制、并具有覆盖率收集功能的验证系统。项目采用SystemVerilog语言,测试平台架构基于Synopsys公司最新的验证方法VMM,并使用DesignWare系列验证IP加快平台的建立。     

《钢丝编织液压胶管》国家准标简介

GB 3683-83《钢丝编织液压胶管》国家标准是在原部标准(HG4—406—75《钢丝编织胶管》)的基础上,和以认真研究,积极采用,区别对待的精神,通过试验验证,参照或等效地采用了国际标准ISO 1436—1978而制订的。标准由13章组成,基本上与国际标准ISO 1436—78相同,只是根据我国的实际情况,增加了一个规格系列(三型),并对某些指标进行了更改。其与原部标准HG4—406—75相比,新增加了胶管冲     

改进单纯形法计算药物动力学参数

介绍了改进单纯形法.使用目标函数值的改进单纯形法,对各种给药途径的线性和非线性药物动力学参数进行计算.给出了改进单纯形法计算药物动力学参数的Delphi计算机程序,并以实例予以说明应用改进单纯形法计算药物动力学参数具有拟合程度好,应用范围广的特点.     

不对称转换法制备D(-)-对羟基苯甘氨酸的研究

采用不对称转换法制备D( ) 对羟基苯甘氨酸(D( ) HPG)。DL(±) HPG在醋酸溶剂中,以甲苯磺酸(TS)为拆分剂,在苯甲醛的催化下制得D( ) HPG·TS盐,讨论了催化剂的用量、反应温度及反应时间对收率的影响,确定最佳工艺条件为:DL HPG∶TS∶苯甲醛=1∶1 025∶0 1(mol),反应温度100℃,反应时间6h。然后用氨水调pH至5～6得D( ) HPG。总收率为77 3%,光学纯度为98 9%。     

工科大学生毕业实习工程能力培养实践

本根据在工科毕业实习中的长期实践，摸索了一套旨在培养学生工程能力的“一个主题、二条主线、三个重点、四种能力、五项制度”的指导方法，明显地提高了毕业实习教学质量。     

6,11-二氢二苯骈[b,e]氧杂(艹卓)-11-酮-2-乙酸的合成

采用对羟基苯乙酸(Ⅱ)和苯酞为原料,在甲醇钠的催化下,以n(Ⅱ):n(苯酞):n(甲醇钠)=1.0:1.1:2.2,于130℃反应7 h制备4-(2-羧基苄氧基)苯乙酸(Ⅲ).Ⅲ与乙酰氯经氯化、环舍得6,11-二氢二苯骈[b,e]氧杂(艹卓)-11-酮-2-乙酸(Ⅰ),该步优化的反应条件为:n(Ⅲ):n(乙酰氯)=l:1.25,反应温度为100℃,反应时间为6 h.以Ⅱ计,总收率达48.16%.Ⅰ的结构经IR、1H NMR和MS确证.     

4-溴甲基-2(H)-喹啉酮的合成研究

以苯胺为原料,经双乙烯酮在甲苯中酰化得乙酰乙酰苯胺;在氯仿中溴化得溴乙酰乙酰苯胺;然后在浓硫酸中环合制得4 溴甲基 2(H) 喹啉酮。结果表明:合成总收率为62 5%,含量达98 6%。该法原料易得,操作简便,总收率高。     

基于注意力机制和图卷积的小样本分类网络

深度神经网络在有着大量标注数据的图像识别任务上已经占据了统治地位,但是在只有少量标注数据的数据集上训练一个好的网络仍然是一个据有挑战性的任务.如何从有限的标注数据中学习已经成为了一个有着很多应用场景的热点问题.目前有很多解决小样本分类任务的方法,但是仍然存在识别准确率低的问题,根本原因是在小样本学习中,神经网络只能接收少量有标签的数据,导致神经网络不能获取足够的用来识别的信息.因此,提出了一种基于注意力机制和图卷积网络的小样本分类模型.这个模型不仅能够更好地提取特征,而且能够充分利用提取的特征对目标图像进行分类.通过注意力机制,能够指导神经网络关注更有用的信息,而图卷积使得网络能够利用支撑集中其他类别的信息做出更准确的判断.经过大量的实验,证明了提出的模型在Omniglot数据集和mini-ImageNet数据集上的分类准确率都超过了基于传统神经网络的关系网络.