Ni掺杂ZnO纳米棒阵列膜的增强紫外光电响应

研究以醋酸镍为Ni源,通过水热方法合成不同浓度Ni掺杂的ZnO纳米棒阵列膜,采用XRD、PL以及XPS等测试方法对掺杂的ZnO纳米棒阵列膜进行结构表征,通过自制的光电性能平台进行光电导性能的测试。研究结果表明,Ni的掺杂改变了ZnO晶格常数的大小。掺杂后的ZnO纳米棒阵列膜的光响应度很高,其中醋酸镍浓度为0.05 mol/L的ZnO纳米棒阵列膜的光响应度最高,可以达到3 112.1,是纯ZnO纳米棒阵列膜的光响应度的38倍。Ni的掺杂使得ZnO纳米棒的耗尽层宽度拓宽,降低了暗电导,从而使得光响应度增大。     

基于DAE-BP神经网络的股票预测研究

股票指标数据种类多、维度高，且指标之间存在多重共线性。为了降低数据的维度、消除指标间的多重共线性和预测股票价格，首先构建了基于受限布尔兹曼机的深度自编码器，实现了高维数据向低维空间的压缩编码。然后基于BP神经网络建立了低维编码序列与股票价格之间的回归模型。实验结果表明，深度自编码器提取特征的能力优于主成分分析法和因子分析法；相比较使用降维前的数据，使用编码后的数据用预测股票价格，模型可以减少计算开销，并且获得更高的预测精度。     

面向强连接网络图的无损压缩算法

幂图分析技术将所有具有相同邻居的节点集合汇聚成单个模块以大幅压缩网络图,被广泛地应用于网络图无损压缩与可视化中.然而获取最优的幂图是难点.针对此问题,提出面向强连接网络图的无损压缩算法.首先,证明了含有单个模块的最优幂图问题为NP难问题,进而扩展为一般地最优幂图问题为NP难问题;其次,在梳理现有整数线性规划模型和约束规划模型等问题的基础上,提出基于回溯策略的波束搜索算法,使有限的回溯策略提供启发信息,比已知启发式方法更快速地得到更优的结果.通过生成的随机无标度图,验证了该算法的有效性.     

基于极限学习机的橡胶配方性能预测

以三元乙丙橡胶(EPDM)胶料配方和天然橡胶(NR)胶料配方为例,将配方中各组分的用量作为输入,硫化橡胶的基本物理机械性能作为输出,建立了基于极限学习机(ELM,extreme learning machine)神经网络的配方性能预测模型,并给出两种配方的预测结果和相对误差。结果表明,ELM神经网络模型能够准确预测出EPDM配方和NR配方硫化橡胶的基本物理机械性能,且平均相对误差在7%以内,具有较高的预测精度。