新型陶瓷刀具的发展与应用

回顾了陶瓷刀具的发展简况及其意义,重点介绍了Si3N4基和TiCN基复合陶瓷刀具的研制、性能和应用.复合Si3N4陶瓷刀具有较高的耐磨性和抗冲击性,特别适合于各类铸铁件的粗精加工,也能进行铣削、刨削等冲击力很大的加工,其切削效率可提高3～10倍;复合TiCN金属陶瓷刀具具有很高的硬度和耐磨性,特别适合于各类高硬高强钢(如淬硬钢等)的加工,可对高硬材料实现"以车代磨"干切削,免除退火工艺和冷却液,大幅度提高生产效率.新型复合陶瓷刀具已经在我国冶金、水泵、矿山机械、轴承、滚珠丝杠、汽车、军工等十几个行业得到应用.     

Cu—Zn—Al合金贝氏体的初生态及三维台阶

利用透射电镜研究了Cu—25.9Zn—3.75Al(wt-%)合金的贝氏体相变机制结果表明,贝氏体α_1在形成初期内部没有层错,早期典型形态为一侧比较平直,另一侧则存在三维巨型台阶,台阶宽面与贝氏体惯习面平行,其高度和间距分别约为10—40和50—230nm,台阶是可动的,贝氏体通过台阶的移动而增厚     

DRIVING FORCE OF BAINITIC TRANSFORMATION FOR Fe-Mn-C ALLOYS

本文应用三元合金的规则溶液模型计算了Fe-C-Mn三元合金在贝氏体相变温区内以不同方式等温转变的相变驱动力,从热力学上论述了以不同的微观机制进行等温贝氏体转变的可能性。     

弹性多核学习

多核学习 (MKL) 的提出是为了解决多个核矩阵的融合问题, 多核学习求解关于多个核矩阵的最优的线性组合并同时解出对应于这个组合矩阵的支持向量机(SVM)问题. 现有的多核学习的框架倾向于寻找稀疏的组合系数, 但是当有信息的核的比例较高的时候, 对稀疏性的倾向会使得只有少量的核被选中而损失相当的分类信息. 在本文中, 我们提出了弹性多核学习的框架来实现自适应的多核学习. 弹性多核学习的框架利用了一个混合正则化函数来均衡稀疏性和非稀疏性, 多核学习和支持向量机问题都可以视作弹性多核学习的特殊情形. 基于针对多核学习的梯度下降法, 我们导出了针对弹性多核学习的梯度下降法. 仿真数据的结果显示了弹性多核学习方法相对多核学习和支持向量机的优势; 我们还进一步将弹性多核学习应用于基因集合分析问题并取得了有意义的结果; 最后, 我们比较研究了弹性多核学习与另一种利用了非稀疏思想的多核学习.     

一种求解多维背包问题的混合分布估计算法

针对多维背包问题（MKP）,提出一种基于分布估计算法的混合求解算法,该算法基于优势种群构建概率模型,并基于概率模型采样产生新个体;同时,提出一种基于MKP问题信息的修复机制,有效修复采样后种群中的不可行解．另外,设计了一种自适应的局部搜索操作,以增强算法的局部搜索能力,基于标准测试集的仿真结果和算法比较验证了所提出的混合算法的有效性和鲁棒性．     

用统计方法实现汉字输入的智能联想

联想是汉字输入法的重要补充手段,能够大大加快输入的速度。本文首次提出了智能联想的概念,分析了智能联想的原理和遇到的困难,使用汉语语料库的方法构造并分析比较了3种智能联想方案,充分利用汉语字词间的相关性,使平均联想成功率超过40%。     

汉语句法规则的自动构造方法研究

本文对汉语句法规则的自动构造方法进行了一些探索。通过对汉语句法规律的总结和提炼,提出了一套简单灵活的汉语句法元规则描述体系,包括结构元规则集、标记特征表和中心标记表等部件,在此基础上,构造了一个有效的元规则解释器,取得了较好实验效果。     

声表面波力敏传感器的研究

本文分析了声表面波（ｓｕｒｆａｃｅａｃｏｕｓｔｉｃｗａｖｅ简称ＳＡＷ）力敏传感器加载后，频率稳定性变差的原因。在此基础上，设计了一种新型的采用等应力加载的力敏传感器，计算了该传感器的灵敏度，并给出了该传感器的频漂实验和力—频特性实验结果，为传感器的实际应用打下了基础。     

一体式膜-生物反应器经济曝气量的试验研究

增大曝气量一方面可提高膜面液体循环流速,从而减缓污泥在膜表面的沉积,降低膜污染形成速率;另一方面曝气量的增加也造成污泥粒径分布的变化,使混合液中细小污泥颗粒增多,从而导致膜孔堵塞,引起膜污染速率增加.一定污泥浓度下存在一个经济的曝气量,使得污泥絮体不大量在膜表面沉积,同时也不会产生更多的细小污泥粒子.实验考察了一体式膜-生物反应器在不同污泥浓度、不同曝气量下膜污染的发展趋势.实验结果:在污泥浓度为3,6,8和10g/L下的经济曝气量分别为36,72,84,120m3/(m2·h),经济曝气量随污泥浓度的增大而增加.     

单层反馈PLN网络的识别复杂性

本文讨论将单层反馈PLN(概率逻辑神经元模型)网络当作联想记忆网络时,其识别的复杂性问题,即其平均识别速度与网络规模之间的数量关系,我们得到的主要结论是,设单层反馈PLN网络N的规模为m,则其识别计算量是m的指数函数,给出识别计算量是m多项式的必要条件。