求解Ramsey数下界的模拟退火算法

对于图G_1、G_2,2色广义Ramsey数R(G_1,G_2)是指最小正整数P,使得每一个p阶的图G,或者G包含G_1,或者G的补图包含G_2。用改进的模拟退火算法求解得到了R(W_m,K_n),R(B_m,K_n),R(F_m,K_n),类型的一些Ramsey数的下界。     

安徽上市高新技术企业核心竞争力探析

本文利用2007年安徽上市高新技术企业年报的相关指标及数据,对上市高新技术企业的核心竞争力进行实证分析,探讨影响高新技术企业核心竞争力的关键问题以及高新技术企业核心竞争力指标与企业盈利能力之间的关系,并在此基础上进一步探讨提升安徽高新技术企业核心竞争力的动力机制。     

岑巩县工业园区供水工程供水管道压水试验

岑巩县工业园区供水工程以正在新建的园区需水为目标,供水管道主管设计为球墨铸铁管DN300—500、聚乙稀PE管De200,管道设计安装在人行道下,管顶覆土700 mm,由于园区内公路路基以回填为主,如何在确保管道安装进度情况下,保证管道的安装质量达到设计及规范标准,而压水试验合理安排成为工期关键。文章阐述了压水试验的流程与方案,介绍了安全防范及管理措施。     

双色红外探测器在红外水分仪中的应用

对传统红外水分仪进行了改进,即将其中的单元探测器改为二元双色探测器,红外探测器窗口改用宽仅为０．４μm的窄带滤光片,改进后仪器的抗干扰能力大大提高,更适用于测试快速运动物的水分。     

TM55系列红外水分仪的发展及其在烟草工业中的应用

１９９０年以来,英、美先后推出了ＴＭ５５,ＴＭ５５plus,TM55Eplus,TM710等多种型号的ＴＭ５５系列红外水分仪,在目前红外水分仪型号繁多的情况下,我国烟草工业在引进时应首选“开箱即用”的烟草专用型仪器,ＴＭ５５Ｅplus及ＴＭ７１０可作为取代老式红外水分仪和烟厂技术改造、升级的首选机型。     

求解0-1规划问题的DNA计算模型(英文)

DNA计算是以DNA分子作为数据的一种新型计算模式．在DNA计算中首要面对的问题是编码问题．文中提出了一种双编码方法,利用这种编码方法可以使得在DNA计算的读解过程类似于DNA测序过程,容易实现自动化操作．基于该编码方法所建立的DNA计算模型可用于求解0-1规划问题,只需4次PCR反应即可读取问题的可行解．与其他DNA计算模型相比,该模型具有操作简单、易于实现的优点．     

碱性过氧化氢处理对藕渣不溶性膳食纤维结构及功能特性的影响

采用碱性过氧化氢(AHP)处理藕渣,比较处理前、后藕渣不溶性膳食纤维(IDF)结构和功能特性的变化。结果表明：AHP处理后藕渣IDF的D-葡萄糖质量分数显著增加了9.52%(P<0.05),而其它单糖含量均显著降低(P<0.05)。扫描电子显微镜分析表明,AHP处理后的IDF结构蓬松,表面起皱并出现解离断裂。X-射线衍射发现AHP处理后IDF晶体结构虽未发生改变,但衍射强度由13.09%增加至16.13%(P<0.05)。傅里叶红外光谱分析表明,AHP处理后IDF的部分官能团发生变化,特征峰减弱或消失。热重分析发现AHP处理后IDF热解峰值温度降低,质量残留率从10.43%提高到15.94%(P<0.05)。AHP处理后IDF的持水力、持油力、胆固醇吸附能力、Cu²⁺吸附能力和阳离子交换能力均显著提高(P<0.05),亚硝酸钠吸附能力未发生显著变化(P>0.05),而膨胀力显著降低(P<0.05)。综上,AHP处理使藕渣IDF的结构发生变化,功能性质得到改善。     

热电制冷强化风冷散热模块的工作特性分析

热电制冷器(TEC)可以强化散热器冷却性能,但受热端散热强度、工作电流、工作热负荷等参数影响较大。本文建立了TEC强化风冷散热模块的有限元分析模型,对其温度分布、工作特性进行了系统的理论和实验研究,并提出了确定TEC强化风冷散热模块有效工作电流、有效热负荷和有效制冷系数范围的方法。仿真和实验结果表明:特定的TEC强化风冷散热模块存在一个极限热负荷Q_c,max,仅在工作热负荷Q_cc,max,且TEC工作电流处在有效范围内时,才可获得比无TEC的风冷散热模块更低的芯片结温,即TEC表现出强化散热器冷却性能的特点;有效工作电流范围会随Qc的增大而减小;增大热端散热强度可以降低芯片结温,但对于提升Q_c,max效果较小;制冷系数(COP)在有效范围内存在一个极值点,小于此值时芯片结温会随COP的减小而迅速增大。     

基于生成对抗网络的数据不确定性量化方法

针对直接使用高维、高频、含有噪声的现实世界数据进行数据处理时会导致估计器不可靠的问题，提出一种基于生成对抗网络（GAN）的数据不确定性量化方法。首先，通过GAN重构原始数据分布，构建噪声空间到原始数据空间的映射分布；其次，使用马尔可夫链蒙特卡洛（MCMC）方法抽取样本，从而得到基于原始数据分布的新样本；然后，基于指定的函数定义样本的不确定性置信区间；最后，使用置信区间对原始数据进行不确定性估计，并选择置信区间内的数据作为估计器使用的数据。实验结果表明，与使用原始数据相比，使用置信区间内的数据进行估计器训练达到性能上限所需要的样本数减少了50%；同时，对比原始训练数据，置信区间内的数据在达到相同测试精度时所需要的样本数平均降低了30%。