首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   11篇
  免费   2篇
电工技术   1篇
金属工艺   1篇
建筑科学   1篇
无线电   4篇
冶金工业   5篇
自动化技术   1篇
  2023年   1篇
  2021年   1篇
  2020年   1篇
  2019年   1篇
  2017年   1篇
  2013年   1篇
  2012年   2篇
  2011年   2篇
  1991年   1篇
  1989年   2篇
排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
本文介绍了一套中型轧钢加热炉微机控制系统在提高投资效益方面的实践经验。这套微机控制系统在低价格、高性能、全国产化及实用的数学模型等方面颇具特色,并由机械电子部推荐参加了今年4月在法国巴黎举办的国际计算机与电子产品博览会,获得广泛的好评。  相似文献   
2.
通过对小方坯连铸机二冷导向段的改进,显著提高导向段的使用寿命和长期对弧精度,降低二冷段的检修工作量。长期对弧精度提高到0.5 mm,导向段使用寿命由二个月提高到一年以上。  相似文献   
3.
[目的]探讨不同浓度钇(Y3+)对铜绿微囊藻(Microcystis aeruginosa)生长特性的影响和藻细胞超微结构的变化.[方法]以铜绿微囊藻FACHB912为试材,采用生理和生化方法研究了不同浓度的外源稀土Y3+(0、0.05、0.10、0.20、0.50、1.00、2.00、5.00和10.00 mg/L)对藻细胞生长的影响,并比较了藻细胞叶绿素a、丙二醛(MDA)的含量及其超微结构随不同浓度Y3+胁迫的变化.[结果]相对低浓度Y3+(0.05~0.20 mg/L)对铜绿微囊藻生长表现出明显促进作用,而高浓度Y3+(0.50~10.00 mg/L)则部分或完全抑制了藻细胞的正常生长;Y3+对铜绿微囊藻的叶绿素a合成、MDA也有影响.叶绿素a随Y3+浓度的提高呈现先上升后下降的变化趋势;低浓度Y3+(0.05~0.20 mg/L)对铜绿微囊藻MDA含量无显著影响,然而随着Y3+浓度的增加和胁迫时间的延长,藻细胞中MDA含量显著上升.[结论]一定低浓度的Y3+可有效促进铜绿微囊藻的生长和藻细胞叶绿素a等生理指标的上升.  相似文献   
4.
5.
运营商所主导的千元机市场竞争中,智能手机不仅是只包含了价格亲民的优点,从配置上来看性价比也颇高,对高配置产品的推动起到了重要的作用。  相似文献   
6.
三峡库区自蓄水以来,富营养化问题突出,污染源监管工作愈发受到关注.本文基于空间建库技术,提出了三峡库区污染源空间数据库的总体设计思路,探讨了空间数据库设计、建库流程等内容.应用实践证明,这种设计提高了空间数据管理效率和展示效果,对其他各地环保信息化的建设都会起到积极的示范作用.  相似文献   
7.
2011年的中国彩电市场可谓着实让人大捏一把冷汗,上半年的量额齐跌让行业各企业在市场上略有徘徊,但从第三季度开始,在上游厂商、整机品牌商与渠道商的共同推动下,彩电行业产品结构调整迅速推进,行业增幅明显爬升,运行质量得到显著改善,主要企业的效益更是一路飘红。综观2011年,在家电行业中,彩电业以先抑后扬的持续抬升行情超越白电,首次笑到最后。  相似文献   
8.
余游  冯林  王格格  徐其凤 《电子学报》2019,47(11):2284-2291
如何将带有大量标记数据的源域知识模型迁移至带有少量标记数据的目标域是少样本学习研究领域的热点问题.针对现有的少样本学习算法在源域数据与目标域数据的特征分布差异较大时存在的泛化能力较弱的问题,提出一种基于伪标签的半监督少样本学习模型FSLSS(Few-Shot Learning based on Semi-Supervised).首先,利用pytorch深度学习框架建立一个关系型深度学习网络,并使用源域数据对网络进行预训练;然后,使用此网络对目标域数据进行分类预测,将分类概率最大的类标签作为数据的伪标签;最后,利用目标域的伪标签数据和源域的真实标签数据对网络进行混合训练,并重复伪标签标记与混合训练过程.实验结果表明,相对于现有主流少样本学习算法,FSLSS模型有更好的泛化能力及知识迁移效果.  相似文献   
9.
基于生成对抗网络的无监督域适应分类模型   总被引:1,自引:0,他引:1       下载免费PDF全文
王格格  郭涛  余游  苏菡 《电子学报》2020,48(6):1190-1197
生成适应模型利用生成对抗网络实现模型结构,并在领域适应学习上取得了突破.但其部分网络结构缺少信息交互,且仅使用对抗学习不足以完全减小域间距离,从而使分类精度受到影响.为此,提出一种基于生成对抗网络的无监督域适应分类模型(Unsupervised Domain Adaptation classification model based on GAN,UDAG).该模型通过联合使用生成对抗网络和多核最大均值差异度量准则优化域间差异,并充分利用无监督对抗训练及监督分类训练之间的信息传递以学习源域分布和目标域分布之间的共享特征.通过在四种域适应情况下的实验结果表明,UDAG模型学习到更优的共享特征嵌入并实现了域适应图像分类,且分类精度有明显提高.  相似文献   
10.
To investigate the effect of neodymium (Nd) on Microcystis aeruginosa, the growth and physiological changes were studied by lab cultured experiments. The results showed that the content of chlorophyll a (Chl-a), soluble protein and the activity of superoxide dismutase (SOD), peroxidase (POD), and catalase (CAT) increased compared with the control (Nd3+-free), and the growth of M. aeruginosa was stimulated in the treatments of initial Nd3+ concentration ≤1 mg/L; while the treatments of initial Nd3+ concentration was in the range of 5.00-10.00 mg/L, the content of malondiadehyde (MDA) increased immediately but the activity of CAT reduced, which resulted in weakened M. aeruginosa’s ability to eliminate the active oxygen and the ruin of antioxidant defense system, and stunting the growth of M. aeruginosa. With the initial Nd3+ concentration of 50 mg/L, the growth of M. aeruginosa was totally stunted. The ultrastructure showed that excess Nd3+ could lead to the decrease of thylakoid and the increase of fat particle in cells of M. aeruginosa, and the cell membrane became rough and even broken, causing an irreversible damage to algal cells.  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号