分级大块矿石的新型筛分机

由苏联科学院北方分院矿业研究所和中央锡金属科学研究院研制的缝隙振动筛,适用于分级入磨的大块物体,其中一块的重量达5～6吨。筛子(图1)由主架1、安装在主架上的焊接的可动部分2,焊接的固定部分3组成。固定部分由螺钉固定在主架上,而可动部分借助螺钉4移动。金属的振动板5可以自由的装在固定架上,在下面配置振动器6,起动是通过换向传动轴7和电动机8。     

“贝辰加镍”联合企业选矿厂提高金属回收率的途径

提高有色金属和其他有色金属矿物的选矿回收率是国民经济的重要任务。为了揭示降低最终尾矿中金属损失的特性和考查降低最终尾矿中金属损失的方向,已经对选矿一厂在1978年一季度期间的最终尾矿平均试样的物质组成进行了研究。列于表1的选矿厂二号系统最终尾矿中各粒级的金属分布指出,矿物的主要损失与     

“料浆浓缩法”制固体磷铵的现实意义

“料浆浓缩法”制固体磷铵已于今年三月通过了技术鉴定。这是我国在磷肥加工工艺方面的一项重大突破,为开发利用我国目前不适于制高效复合磷肥的数十亿吨磷矿资源开拓了新路,对加速发展我国化工矿山和磷肥工业有着重大的意义。这是我国科技工作者探索走中国自己的磷肥工业道路的可喜成果。     

曝气膜生物反应器的CFD模拟

利用Fluent软件对曝气膜生物反应器中气液两相流动进行模拟计算,探讨了进气气泡的直径、进气速度及膜纤维束的长度等因素对膜生物反应器内液体流动、气体分布的影响.结果表明,减小气泡的直径并适当增大进气速度、膜纤维束长度可以有效提高膜生物反应器内气体的分布和液体与气体的接触,从而促进气液两相进行高效的传质.     

基于RefineNet的端到端语音增强方法

为提高神经网络对语音信号时域波形的直接处理能力,提出了一种基于RefineNet的端到端语音增强方法.本文构建了一个时频分析神经网络,模拟语音信号处理中的短时傅里叶变换,利用RefineNet网络学习含噪语音到纯净语音的特征映射.在模型训练阶段,用多目标联合优化的训练策略将语音增强的评价指标短时客观可懂度(Short-time objective intelligibility,STOI)与信源失真比(Source to distortion ratio,SDR)融入到训练的损失函数.在与具有代表性的传统方法和端到端的深度学习方法的对比实验中,本文提出的算法在客观评价指标上均取得了最好的增强效果,并且在未知噪声和低信噪比条件下表现出更好的抗噪性.     

基于RefineNet的端到端语音增强方法

为提高神经网络对语音信号时域波形的直接处理能力,提出了一种基于RefineNet的端到端语音增强方法.本文构建了一个时频分析神经网络,模拟语音信号处理中的短时傅里叶变换,利用RefineNet网络学习含噪语音到纯净语音的特征映射.在模型训练阶段,用多目标联合优化的训练策略将语音增强的评价指标短时客观可懂度(Short-time objective intelligibility,STOI)与信源失真比(Source to distortion ratio,SDR)融入到训练的损失函数.在与具有代表性的传统方法和端到端的深度学习方法的对比实验中,本文提出的算法在客观评价指标上均取得了最好的增强效果,并且在未知噪声和低信噪比条件下表现出更好的抗噪性.     

基于颜色和边缘特征直方图的图像型垃圾邮件分类模型*

提出了一种新型的图像分类识别方法,该方法不依赖于对图像内容文字信息的提取,而是直接采用图像的颜色信息和图形边缘特征来构造用于图像模式分类的统计模型。通过在公开数据集上的实验结果表明,提出的模型对图像型垃圾邮件具有良好的分类能力,分类性能优于现有相关方法。由于该方法对图像型垃圾邮件的分类准确率高,且不受图像文字识别干扰技术的影响,具有良好的应用前景。     

碳离子注入纯钛表面改性的研究

使用MEVVA强流金属源离子注入机对医用纯钛表面进行C离子注入，注入能量为40和60keV、剂量为（2.0～ 6.0×10^17）ions／cm^2。使用TRIM2003程序模拟计算饱和注入剂量；用XRD和XPS分析注入前后试样表面物相及原子结合状态，并使用SEM观察注入前后磨痕的形貌。研究了C离子注入对医用纯钛腐蚀性能、显微硬度、表面弹性模量和磨损行为的影响。结果表明，C离子注入后医用纯钛表面生成了一层包括TiC强化相和游离态C的表面改性膜，使试样表面显微硬度和弹性模量升高，并使医用纯钛在模拟体液中的耐磨损性能和耐腐蚀性能提高，而磨损程度减轻。     

基于 AdaBoost 的链路预测优化算法

针对当前主流的基于网络拓扑结构的链路预测算法普遍存在召回率较低的问题,研究发现一些算法输出的结果中部分正确结果具有互补性,据此采用基于Boosting的集成学习方法对其进行改进。按照网络中节点之间是否存在链接关系,将链路预测问题定义为二分类问题,进一步遵循算法互补的原则选择若干具有代表性的链路预测算法作为弱分类器,基于AdaBoost算法提出并实现了一个新型链路预测算法。在arXiv论文合作网络和电子邮件网络等真实数据集上的实验结果表明,该算法的准确率以及召回率表现均显著优于当前的主流算法。