基于MOOC的云学习环境研究

随着云计算技术的逐步成熟和网络教育模式的发展,基于云计算技术的网络学习环境得到教育界广泛关注。文章在分析MOOC课程模式的基础上,研究MOOC对云学习环境构建产生的积极影响,提出适用于MOOC模式的云学习环境框架建设方案。     

ICI公司在印度发展染料生产

英国ICI公司最近在印度Valsad地方的ATIC Industries公司投资2500万英镑合资建厂发展还原染料及其中间体,预计1994年完成,届时ICI公司还原染料及其中间体的生产能力将比目前增长1倍。Valsad的工厂是ICI     

基于GMD-DPC/THP的两组Alamouti非线性预编码系统

针对Alamouti空时块编码复用增益损失的问题,提出了两组Alamouti编码方案;在此基础上,为了改善系统的误码率（Bit Error Rate,BER）性能和简化接收端复杂度,提出将几何均值分解（Geometric Mean Decomposition,GMD）算法和非线性预编码技术相结合的两组Alamouti传输方案。本方案的设计方法为：首先等效出两组Alamouti空时块编码系统的信道矩阵;进而,通过GMD算法对等效信道矩阵进行收发端联合设计;最后,在发射端应用脏纸（Dirty Paper Coding,DPC）和Tomlinson-Harashima Precoding（THP）非线性预编码技术,消除发送信号间的干扰,从而使系统获得更好的误码率性能。通过仿真结果对比发现,提出的系统可以显著地改善误码率性能。     

驻马店—遂平一带地热资源赋存规律研究

利用已有的地热地质成果,以驻马店—淮滨凹陷带(驻马店—遂平段)地热田为研究区,采用物探和地球化学调查等方法,研究区域地热资源赋存规律,为地热资源保护与综合开发利用提供依据.通过测定同位素氘、氚、14C、18O可知,地热田地热流体年龄为2.6万~3.0万a,地热田及区域地热流体补给来源于驻马店市西部山前地带;依据地热田地质条件,采用热储法和回收率法进行了地热资源储量和地热流体可采资源储量的计算与评价.结果可知:驻马店—遂平一带地热区热储量为2.14×1019J;地热流体可开采量为1.14×107m3/a;地热田地热流体属理疗热矿水,可用于理疗、洗浴.     

基于遥感和GIS的海州湾海岸线提取方法研究

海岸线的时空演变分析对于岸线空间资源的开发利用有重要意义。从遥感影像上提取的瞬时水边线随卫星过境时的潮位变化而不同,一般不具有可比性,只有潮位相同时的水边线才适合用来比较和分析海岸线的时空变化。以海州湾为例,提出一种通过遥感影像水边线来间接推算具有特定潮高海岸线的方法。该方法先通过遥感图像处理技术来提取卫星过境时的瞬时水边线,再通过时间间隔较近的2期水边线及其潮高数据,运用 GIS的空间数据分析方法来推算国家高程基准面与陆地的交线。该线潮高固定,具有可比性,可用作海州湾海岸线时空变化分析的基础数据。     

铝的脱气和熔体过滤(中)

三、脱气 1.脱气装置进入70年代,对大量生产型处理装置的要求提高了,为了取代以前的间歇式操作(炉内操作),已相继研制出连续操作式的脱气装置。以脱气为主的熔体处理装置,按其形式的分类示于图3。初期的形式是从处理槽底部的多孔塞或导管吹入惰性气体,借助与熔体的对流进行脱气,气-液Alusuisse装置具有     

硬质物质沉积在工具钢上的应用

1.前言将TiC、VC等碳化物和TiN等氮化物沉积到切削工具和冷作工具上的技术,已广泛应用于各个领域。这是因为在实用中证实这些硬质物质的沉积处理比已往的表面处理大大提高了工具寿命。硬质物质沉积处理大致分为由W·Ruppert等工业化了的化学气相沉积法(CVD),由Mattox、Bunshah等开发的物理气相沉积法(PVD)及由新井等工业     

SIMD向量指令的非满载使用方法研究

大规模SIMD体系结构提供了更强的向量并行硬件支持,但是,大量迭代次数不足的循环由于不能提供足够的并行性,难以用等价的向量方式实现。为了更有效地利用SIMD,提出了一种非满载地使用SIMD指令的向量化方法。研究了向量寄存器的使用方式,基于非满载的向量寄存器使用方式实现了非满载的向量操作和短循环的向量化,并将非满载的向量化方法用于一般循环的向量化。提供了收益分析方法来为本向量化方法作精确指导。实验结果表明了该方法的有效性,所选测试用例的目标循环被向量化,平均加速比达到1.2。     

采用STRAIGHT模型和深度信念网络的语音转换方法

提出一种将STRAIGHT模型和深度信念网络DBN相结合实现语音转换的方式。首先,通过STRAIGHT模型提取出源说话人和目标说话人的语音频谱参数,用提取的频谱参数分别训练两个DBN得到语音高阶空间的个性特征信息;然后,用人工神经网络ANN将两个具有高阶特征的空间连接并进行特征转换;最后,用基于目标说话人数据训练出的DBN来对转换后的特征信息进行逆处理得到语音频谱参数,并用STRAIGHT模型合成具有目标说话人个性化特征的语音。实验结果表明,采用此种方式获得的语音转换效果要比传统的采用GMM实现语音转换更好,转换后的语音音质和相似度与目标语音更接近。