重油气化炉积渣堵塞分析与诊断

本文介绍了重油气化炉出口严重堵塞情况，详细阐述了应用现代故障分析与诊断技术对该炉出口堵塞原因的分析，准确及时地找出了气化炉出口堵塞的根本原因，并提出了相应的措施。     

非负矩阵的Hadamard积的谱半径上界

对于非负矩阵,它的谱半径一定是它的一个特征值.而求矩阵的特征值有时会非常困难,因此对非负矩阵的谱半径即最大特征值进行估计,是矩阵理论的核心问题之一.利用著名的Gerschgorin圆盘定理和Brauer卵形定理,证明了两个非负矩阵A与B的Hadamard积的谱半径上界的两个估计式.     

保健酒除浊工艺研究

文章比较了微孔膜过滤法和活性炭吸附法在保健酒除浊中的应用,结果表明：活性炭吸附法不适合保健酒的除浊,而且可能影响保健酒中的有效成分;微孔膜过滤法能有效除浊,且对有效成分、风味和色泽的影响较小,保健酒的静置时间也会影响除浊效果。保健酒粗滤后静置4周,然后用孔径为0．45μm醋酸纤维素膜过滤,除浊效果最佳。     

鄂尔多斯盆地靖安油田岩性地层油藏成藏分析

鄂尔多斯盆地靖安油田是我国典型的岩性地层油藏,其特点是构造简单、低孔、低渗、非均质性强.岩性油藏主要受构造沉积环境、烃源岩发育范围和区域盖层等因素控制.烃源岩是岩性油气藏形成的物质基础,沉积环境对岩性地层圈闭具有控制作用,盖层控制岩性油藏发育的规模.该区有3种成藏模式,构造-岩性油藏主要分布于洼陷带,砂岩透镜体、砂岩上...     

矩阵的Hadamard积最小特征值的下界估计

对A和B是非奇异M矩阵,利用著名的Gerschgorin圆盘定理,给出了B和A-1的Hadamard积B。A-1的最小特征值τ(BA-1)新的下界估计式,此下界估计式改进了现有的几个结果,并且这个下界估计式只涉及矩阵A和B的元素,易于计算.例证表明,所得下界估计式要比现有的下界估计式更加精确.     

多位乘法器的多阶Booth算法的实现

讨论分析了传统Booth算法及改进二阶Booth算法的特点,提出一种适合多阶算法的一般通式及部分积的实现方法,可根据乘数的位宽采用不同的阶,一次扫描多位相邻的乘数位,由此最大限度地减少了部分积的数目,提高了乘法器的运算速度．     

硝酸硫胺活度积常数的测定

采用激光测量了不同溶液条件下硝酸硫胺的溶解度，进一步确定了硝酸硫胺的活度积常数。硫酸硫胺的活度积常数对于控制硝酸硫胺生产过程、研究结晶过程动力学、提高产品收率具有重要的理论指导意义。     

结合因式分解与布尔表达式图的可逆电路综合方法

为降低由布尔表达式图(BED)综合所得可逆电路的成本,提出一种将因式分解与BED表示模型相结合的可逆电路综合方法.给定布尔函数的积之异或和(ESOP)覆盖,首先由ESOP立方体的共享零抑制多输出决策图表示借助代数除法对立方体实施因式分解,并在此基础上构建BED;然后将BED结点映射为可逆门级联.对基准函数的可逆电路综合结果表明,该方法具有较高的时间效率.与现有将有向无环图作为函数表示模型的综合方法相比,该方法在许多情况下能降低综合所得可逆电路的量子成本和量子位数.从平均角度看,与结合变量分组和BED表示模型的综合方法相比,该方法可将量子成本和量子位数分别降低5.01％和5.47％.     

基于图卷积网络的微博新闻故事线抽取方法

微博作为人们获取和传播新闻事件的主要平台,隐藏着丰富的事件信息。从微博数据中抽取故事线能为用户提供一种直观的方式来准确理解事件演化,然而微博数据稀疏和上下文缺乏的特点为故事线抽取带来了挑战。因此,通过两个连续的任务从微博数据中自动抽取故事线：1）基于微博传播影响力对事件进行建模,并提取出首要事件;2）基于事件特征建立异构事件图,提出事件图卷积网络（E-GCN）模型来提升对事件间隐式关系的学习能力,从而实现事件的故事分支预测并链接事件。在真实数据集上从故事分支和故事线两个角度进行评测,结果表明所提方法在故事分支生成测评中,相较于贝叶斯模型、斯坦纳树和故事森林在F1值上,在Dataset1上分别高出28个百分点、20个百分点和27个百分点,在Dataset2上分别高出19个百分点、12个百分点和22个百分点;而在故事线抽取评测中,相较于故事时间线、斯坦纳树和故事森林在正确的边准确率上,在Dataset1上分别高出33个百分点、23个百分点和17个百分点,在Dataset2上分别高出12个百分点、3个百分点和9个百分点。     

基于图卷积神经网络的完全图人脸聚类

人脸聚类是根据不同身份对人脸图像进行分组的方法,主要用于人脸标注和图像管理等领域.针对现有方法中存在大量冗余数据的问题,文中使用一种基于完全图约束和上下文关系进行链接预测的方法.该聚类算法基于图卷积神经网络进行链接预测,结合完全图约束筛选数据,同时在预测的过程中对链接关系进行不断的更新.实验结果显示,结合完全图约束的人脸聚类方法能够在减少冗余数据、加快运行速度的同时,提升聚类的准确率,从而提高聚类的整体效果.