HPVC／PP共混改性研究：Ⅲ低分子量反应性化合物作相容剂

采用低分子量反应性化合物作相容剂，即化学交联体系来改善ＨＰＶＣ／ＰＰ共混物的相容性。考察了在不同共混比下，不同化学交联体系对共混物力学性能的影响，并观察了共混物的微观形态。结果表明，采用低分子量反应性化合物作相容剂，共混物的拉伸强度提高，但冲击强度无改善。分散相尺寸减小，相间粘接得到改善。并比较了３种增容方法的效果，发现ＣＰＥ是ＨＰＶＣ／ＰＰ共混物的最佳相容剂。     

采用荷载平衡的概念表达预应力度及在初步设计中的应用

利用荷载平衡法的概念，将预应力度用等效荷载与外荷载的比值表达，设计可利用其比值确定预应力度，便其更简捷，明确，同时，提出了预应力度的真实值问题。     

电致伸缩陶瓷微位移器非线性的数值方法补偿

本文通过对电致伸缩陶瓷材料的非线性进行分析。找到了补偿电致伸缩陶瓷非线性的数值方法，并对不同回程大小的电滞回线进行了分段处理，使补偿结果更为精确。     

IPA模型对Hopfield模型神经网络的改进

考虑Ｈｏｐｆｉｅｌｄ模型中假态之间的布尔逻辑关系，提出利用ＩＰＡ模型对神经网络中的假态进行抑制，并和原网络的性能进行了比较，结果表明：改进后的网络性能比Ｈｏｐｆｉｅｌｄ模型和ＩＰＡ模型均有较大提高。     

多级复合布尔函数性能研究

本文研究了加法复合布尔函数和乘法复合布尔函数,在平衡性、k次项系数、K次扩散准则(PC)、相关免疫 性(CI)、Walsh谱、代数次数、小项分布等方面得到了一批新结果。     

浅谈语文教学中的形象思维

形象思维足语文教学内容的一个重要组成部分,是语言表达的基础.语文课应该重视对学生形象思维的培养与训练.     

液碱纯度对阴床再生运行情况分析

从理论上分析了液碱对阴树脂再生度的影响。通过两种不同纯度的液碱再生阴树脂的实际运行经济指标统计分析，说明用高纯度液碱再生阴树脂，可提高树脂的工作交换容量和周期制水量，有很好的经济效益。     

在以纯碱为原料的非强酸性水溶液体系中采用酸碱滴定分析的误差来源及分析方法的改进

以三聚磷酸钠生产过程为例,论述了在以纯碱为原料的非强酸性水溶液体系中,由于反应不完全导致反应物中存在少量的碳酸盐,这部分碳酸盐干扰了用酸碱滴定法测量的中和度,并据此提出中和度分析改进方法.由此可以推广到其它以纯碱为原料的非强酸性水溶液体系中.     

K-230B镗床万向护板的设计

介绍了大型机床地坑移动盖板的一般设计思想,根据机床原有功能和结构特点,设计兼顾防尘防屑和美观大方两大特点的活动盖板,为同类设计提供一些参考。     

Perceptually Grounded Language Learning: Part 2—DETE: A Neural/Procedural Model

In Part 1 of this two-part series, we introduced Katamic memory—a neural network architecture capable of robust sequence learning and recognition. In Part 2, we introduce the Blobs World taskjdomain for language learning and describe the DETE language learning system, which is composed of over 50 Katamic memory modules. DETE currently learns small subsets of English and Spanish via association with perceptual! motor inputs. In addition to Kaiamic memory, DETE employs several other novel features: (1) use of feature planes, to encode visual shapes, spatial relationships and the motions of objects, (2) phase-locking of neural firing, in order to represent focus of atention and to bind objects across multiple feature planes, and (3) a method for encoding temporal relationships, so that DETE can learn utterances involving the immediate past and future. We compare DETE to related models and discuss the implications of this approach for language-learning research.