深度学习研究进展

深度学习(Deep Learning)是一个近几年备受关注的研究领域,在机器学习中起着重要的作用.如果说浅层学习是机器学习的一次浪潮,那么深度学习作为机器学习的一个新领域,将掀起机器学习的又一次浪潮.深度学习通过建立、模拟人脑的分层结构来实现对外部输入的数据进行从低级到高级的特征提取,从而能够解释外部数据.首先介绍了深度学习的由来,分析了浅层学习存在的弊端;其次列举了深度学习的经典方法,主要以监督学习和无监督学习来展开介绍;然后对深度学习的最新研究进展及其应用进行了综述;最后总结了深度学习发展所面临的问题.     

自适应MIMO系统在反馈延时下的性能分析

为了提高无线通信系统的频谱利用率,提出一种简单而实用的开环自适应MIMO系统,利用最优贪婪调度算法,在多用户分集和多天线分集的作用下,有效地改善系统的性能.推导了在反馈存在延时的信道条件下频谱效率和中断概率的闭合表达式、分析了发射天线数、重传、用户数以及延时对系统整体性能的影响.     

闪蒸气相色谱-质谱联用法鉴定硫化胶中的常用促进剂种类

采用闪蒸气相色谱-质谱联用法鉴定硫化胶中常用的促进剂种类。结果表明:当特征反应产物仅有苯并噻唑基团时,促进剂为MBT或MBTS;当特征反应产物除苯并噻唑外,还有叔丁胺、环己胺或二环己胺基团时,可分别判定为促进剂TBBS,CBS,DCBS或其与促进剂MBT/MBTS共存。本方法采用裂解器直接进行硫化胶样品闪蒸,分析效率高,结果准确可靠。     

饲料中铬检测方法的改进研究

目的分析饲料中铬检测方法存在的问题、原因,并对检测方法进行改进。方法用10 mL 6 mol/L的盐酸溶液处理灰化后的样品,所得样液用原子吸收火焰法进行测定,并与国标法中用20%的硝酸溶液处理灰化后的样品的测定结果进行比较。结果按照国家标准方法,饲料中铬检测检测结果明显低于用10mL6mol/L的盐酸溶液进行前处理的改进方法,原因是饲料中铬检测标准的前处理过程未能充分解离、提取饲料样品中的铬,而经改进后的方法,使用6 mol/L的盐酸溶液并增加酸溶液用量,可以充分溶解提取样品中的铬。结论 2种方法测定结果差异明显,改进后的方法测定结果更准确。     

日本关于镁合金板材力学性能和成形性的最新研究

阐述了日本国内镁合金板材的应用和生产状况,在与其他合金相比较的基础上,综述了日本关于镁合金板材力学性能(拉伸强度和伸长率)和二次成形性(埃里克森值,拉伸极限和塑性应变比等参数)的最近研究结果,并且从机理上分析了微观组织对力学性能和成形性的影响。结果表明,晶粒细化和织构控制是提高镁合金力学性能和成形性的两个重要因素,当基面织构弱化到一定程度时,织构对力学性能和成形性的影响甚至会超过细化晶粒的效果。     

莫旗51年初终霜日及无霜期变化分析

采用莫旗（1959-2010年）初、终霜日及无霜期的时间序列,统计分析了其分布规律和变化趋势：初霜日平均值为9月20日,时间序列绝对变率为6．3d,线性趋势呈平稳微弱上升趋势;终霜日平均值为5月5日,时间序列绝对变化率为11．6d,线性趋势呈平稳微弱下降趋势;而无霜期平均值为137天,绝对变化率为14．4d,线性趋势呈平稳增长趋势。初霜日、终霜日及无霜期的稳定变化趋势,对于预报具有重的参考价值和指导意义。     

近视的分型与扩瞳

在诊治疾病的过程中一般遵循着先定性后定量的规律。对于近视来说亦不例外。首先,确定是真性近视,假性近视或混合性近视,然后,根据性质加以矫治。然而,在临床上对近视的定性分型时有忽略,其结果导致失误。 那么,近视怎么分型呢?在没有回答问题之前,有必要重温一下近视的有关知识。 众所周知,五米以外来的光线经过眼的屈光系统     

以离子液体为介质的TiO_2光催化剂的制备

制备了离子液体溴化1-十二烷基-3-甲基咪唑[C12mim]Br,并以此离子液体为介质制备了TiO2晶体,对所得产品进行X射线粉末衍射、红外光谱和光催化性能等表征。结果表明：所制备的TiO2光催化剂为锐钛矿型,其平均晶粒大小为8nm,其中以1%[C12mim]Br水溶液为介质所制的TiO2的光催化活性最好。     

谈BIM技术在建筑工程造价管理中的应用

通过对BIM技术及其优势进行概述,分析了BIM技术在建筑工程造价管理应用中存在的一些问题,并根据这些问题提出了相应的解决方案,以此来探讨BIM技术如何在建筑工程造价管理的各个阶段中应用,希望能够为建筑工程造价管理的发展做出贡献。     

Ce-La/Al_2O_3催化CO还原NO性能的研究

以γ-Al_2O_3为载体,采用浸渍法制备出一系列Ce/Al_2O_3,La/Al_2O_3,Ce-La/Al_2O_3催化剂,利用X射线衍射(XRD),N2吸附-脱附,氢气程序升温还原(H2-TPR)等分析手段对催化剂进行了表征,并在O2存在的条件下,考察了金属Ce,La负载量、焙烧条件、水蒸气以及SO2对催化剂催化CO还原NO性能的影响。结果表明:与Ce10Al催化剂相比,负载3%(质量分数)的La后,在反应温度为500℃的条件下,Ce10La3Al催化剂可使NO转化率提高22个百分点; La能够提高Al_2O_3的热稳定性,使Ce10La3Al催化剂具有优异的抗烧结能力和水热稳定性,但SO2可致使其中毒失活。