Co3O4/Fe2O3异质结复合材料的制备及其紫外光光电探测性能

分别采用旋涂法和水热法在FTO衬底上制备Co₃O₄种子层和Co₃O₄薄膜,再在Co₃O₄薄膜上水热生长Fe₂O₃纳米棒,获得了高质量的Co₃O₄/Fe₂O₃异质结复合材料。通过改变Fe₂O₃前驱体溶液浓度来改变异质结复合材料中Fe₂O₃组分的含量。结果表明,Fe₂O₃纳米棒覆盖在呈网状结构的Co₃O₄薄膜上,随着Fe₂O₃前驱体溶液浓度即Fe₂O₃组分含量的增加,Co₃O₄/Fe₂O₃异质结复合材料对紫外光的响应逐渐增强,当Fe₂O₃前驱体溶液浓度为0.015mol/L时,异质结复合材料有着很好的光电稳定性,并表现出较高的响应率(12.5mA/W)和探测率(4.4×10¹⁰Jones)。     

基于改进循环对抗网络的异质人脸合成配准

针对异质人脸合成问题,根据生成对抗网络在图像合成问题中的优势,将改进的循环生成对抗网络(CycleGAN)应用于异质人脸的合成研究当中.该方法可以降低不同模态人脸图像之间因为特征结构不同导致合成困难的问题.收集照片和素描两种模态的人脸数据,在两种模态之间使用循环对抗网络进行图像生成,实现两种模态之间的转换.利用最小二乘损失函数和Smooth损失函数对原网络目标函数进行改进,可以提高训练过程的稳定性,改善图片的合成质量,分析权重系数的作用.实验结果表明,合成质量和精度较原算法均有所提高.     

异质多移动机器人协同技术研究的进展

随着移动机器人应用的领域和范围的不断扩展，多移动机器人由于其单个机器人无法比拟的优越性已经越来越受到重视．从体系结构、协作与协调、协作环境感知与定位、重构及机器学习几个重要课题对多移动机器人协同技术进行了综述，尤其侧重于各种技术如何处理和包容团队中的异质性，并分析了本领域中的研究难点问题，最后展望了异质多移动机器人研究的前景与发展趋势．     

基于超图和K-means改进的异质网络社区发现算法

为解决异质信息网络社区发现问题,提出一种基于超图和K-means改进的算法.引入超图对异质网络进行建模,通过DeepWalk的深度随机游走产生节点序列,利用Skip-gram模型将网络节点序列映射到一个低维的向量空间,通过节点向量间距离进行聚类完成社区发现.针对传统K-means在初始聚类中心选择的敏感性问题,提出一种基于密度基尼系数的聚类中心选取方法.在两个真实数据集上进行了实验,实验结果表明,该算法不仅能够完成异质信息网络的社区划分,且社区识别精度高.     

γ-Fe2O3@C复合材料的制备及其光催化性能

氧化铁(Fe2O3)导电性能差、可见光吸收范围窄、电子-空穴对复合速率过快等一系列问题极大限制了其在光催化领域的应用.通过简单的水热法,调控葡萄糖的添加量,合成不同碳含量的γ-Fe2O3@C异质结复合材料.研究结果表明,γ-Fe2O3与碳层之间的光电协同效应可有效降低光生载流子的复合速率,并明显改善光催化性能.当调控葡...     

异质结结构热电子发射的蒙特卡罗模拟

基于异质结结构热电子发射的热电制冷,是近年来提出的一种高效制冷方法。利用蒙特卡罗方法,以提高异质结结构的固态热电子发射率为目标进行了多因素模拟研究,分析对比了非平面势垒与平面势垒两种结构在不同环境温度下电子穿越势垒的能力,为深入认识异质结结构热电制冷器的工作特性奠定了理论基础。     

氢注入在硅异质结太阳电池a-Si:H窗口层中的研究

基于热丝化学气相沉积(Cat-CVD)系统开展氢注入对超薄(<10 nm)氢化非晶硅(a-Si:H)薄膜特性改善的研究,发现适当的氢注入可提高薄膜内的氢含量、降低其微结构因子并展宽其光学带隙.将该方法用于处理硅异质结(SHJ)太阳电池入光侧的本征非晶硅(i-a-Si:H)及N型非晶硅(n-a-Si:H)薄膜钝化层,可显...     

InP/InGaAs HBT高频放大器稳定性分析

根据异质结双极晶体管(HBT)的实际结构提出高频小信号电路模型,以此模型用于共射放大电路为出发点,从理论上阐明了高频放大电路产生不稳定的原因,分析了端接电阻的稳定方法,借助matlab快速确定出稳定电阻的取值范围,其理论计算与仿真有很好的一致.     

偏高岭土纳米晶核在地铁管片生产过程的应用与分析

随着我国地铁建设进度的不断加快,对地铁管片的需求量越来越大。但是,受制于混凝土凝结时间较长以及早期抗压强度低等问题,地铁管片的生产制备效率普遍偏低,制约了行业的发展。本研究通过将制备的偏高岭土纳米晶核引入到地铁管片制备过程中,通过对混凝土8 h、16 h、7 d以及28 d抗压强度的测试,研究了纳米晶核对提高地铁管片早期强度和后期强度的影响,对比了不同早强体系对混凝土强度的影响,结果表明：纳米晶核可有效提升混凝土的8 h和16 h抗压强度,在掺量为1.5%时,混凝土8 h强度即可达到15 MPa以上,明显优于其他早强体系,可真正实现地铁管片生产的免蒸养工艺。     

一种元路径下基于频繁模式的实体集扩展方法

实体集扩展是指,已知某个特定类别的几个种子实体,根据一定的规则得到该类别的更多的实体.作为一种经典的数据挖掘任务,实体集扩展已经有很多的应用,诸如字典建立、查询建议等.现有的实体集扩展主要是基于文本或网页信息,即实体之间的关系从其在文本或者网页中的共现来推断.随着知识图谱研究的兴起,根据知识图谱中知识的共现来研究实体集扩展也成为了一种可能.本文主要研究知识图谱中的实体集扩展问题,即给定几个种子实体,利用知识图谱来得到更多的同类别的实体.我们首先把知识图谱建模成一个异质信息网络,即含有多种实体类型或者关系类型的网络,提出了一种新的元路径下基于频繁模式的实体集扩展方法,称为FPMP_ESE.FPMP_ESE采用异质信息网络中的元路径来捕捉种子实体之间的潜在共同特征.,为了找到种子实体之间的重要的元路径,我们设计了一种新的基于频繁模式的元路径自动产生算法FPMPG.之后,为了更好地给每条元路径分配相应的权重,我们设计了启发式的方法和PU learning的方法.最后,在真实数据集Yago上的实验,验证了提出方法较其他方法在实体集扩展任务上具有更好地性能以及更高地效率.