氯化钠从水到乙二醇水混合中的迁移性质

在乙二醇和水为混合溶剂中加入NaCl组成三元系,在20~40℃时,改变混合溶剂中乙二醇的质量分数,在w=0%,10%,20%和30%的条件下,测定下列电池电动势AgCl-Ag|NaCl(mA),C2H6O2(w),H2O(1-w)|Na-ISE,(A)确定混合溶剂中AgCl-Ag和Na-ISE电极对在不同温度时的标准电动势,计算了NaCl的迁移性质。结果表明,低温时NaCl在纯水中有较高的吉布斯自由能状态,而在高温时,NaCl在乙二醇和水的混合溶液中处于较高的吉布斯自由能状态。     

MLCPM-UC:一种基于模式实例分布均匀系数的多级co-location模式挖掘算法

空间co-location(并置)模式是一组空间特征的子集,其实例在空间中频繁地邻近出现.由于空间数据同时存在关联性和异质性,co-location模式实例的分布或在整个研究区域中全局出现(全局co-location模式),或在研究区域的局部区域出现(区域co-location模式),从而提出了多级co-location模式挖掘.当前的多级co-location模式挖掘方法存在两个问题:1)已有的多级co-location模式挖掘方法忽略了模式在空间中的分布特性,未能准确区分全局和区域co-location模式;2)已有的多级模式挖掘方法将全局非频繁co-location模式作为候选区域co-location模式,导致候选区域co-location模式数量过多.针对以上问题,首先,定义了模式的实例分布均匀系数,在考虑模式频繁性的同时考虑了模式在空间中的分布情况,从而正确、高效地识别出全局和区域co-location模式.其次,基于模式的实例分布均匀系数,设计了一个有效的多级co-location模式挖掘算法,提出了有效的剪枝策略以提高算法效率.最后,在真实和合成数据集上进行了广泛的实验,验证了所提方法的正确性和高效性.     

多级特征增强的图表示学习模型

针对图数据的表示学习在推荐系统、链接预测等图下游任务已展现出重要的研究价值。然而目前主流的方法存在一些缺陷：图卷积网络的固定传播模式限制节点表示的语义表达能力,以及编码器-解码器结构中的正则化重建阻碍学习节点间的差异化特征,这些都可能导致节点表示不能很好适应图下游任务。为此,基于互信息最大化理论提出一种多级特征增强的图表示学习模型,能以无监督的方式生成高质量的节点表示。模型使用提取器保留节点原始属性中的差异化特征,利用注意力聚合器维持编码空间中节点分布的局部相关性和全局差异性,应用深度图信息最大化策略统一全局编码规则。实验结果证明,在几个基准图数据集上该模型在直推式学习和归纳式学习下的编码表现均超过了所有的主流对比基线。     

影响图的扩展综述

影响图是单决策人基于不确定信息表示和求解复杂决策问题的图模型,已成为一种流行的标准建模工具。由于决策环境纷繁复杂,决策问题多种多样,没有任何一种建模工具能够普遍适用于各种决策问题。为了表示复杂决策问题,增强影响图的表达能力,研究者对影响图进行了多种扩展。从建模无限制决策问题、非对称决策问题、涉及连续变量的决策问题、涉及非精确变量的决策问题及多Agent决策问题等方面对影响图的扩展进行了较为全面的回顾与分析,指出了有关影响图的进一步研究方向。关键词:决策;影响图;无限制决策;非对称决策;多Agent决策     

带权定性影响图

定性影响图是具有精确概率和效用的影响图的定性抽象。在定性影响图中,节点之间的影响关系使用定性符号描述,这种符号描述简化了不确定知识的表示,降低了影响图建模的难度,加速了不确定知识的推理。但是,定性影响图在抽象过程中损失了部分信息,导致定性影响图在评价过程中会产生不确定结果,阻碍了定性影响图的广泛应用。以加权的思想扩展定性影响图,使扩展的定性影响图中每个定性影响都带有一个表示节点间影响强弱的数值权值,在评价过程中根据定性影响权值的比较来减少不确定结果的产生,从而扩大定性影响图的应用范围。     

高效化方坯连铸机二冷室横梁改造

昆钢8^#方坯连铸机于2001年进行高效化改造，3年后，二冷室横梁弯曲变形严重，导致固定其上的喷淋水管、托辊歪斜，铸坯在二冷过程中抖动剧烈，拉坯阻力增大，使漏钢事故增多、铸坯跑偏、产生脱方质量问题，影响了生产正常进行。经过对二冷室横梁改造，上述状况有较大好转，最为显著的是解决了二冷各段位及铸坯的抖动现象，减少了漏钢事故，提高了铸坯质量。     

晨光机床掌控国际炭素装备话语权

中国历来是高精密制造设备进口国,晨光公司高档数控炭素装备生产线的高调出口,堪称我国企业界创新发展的典范。近日,地处苏中大平原扬子江畔的泰兴市晨光高新技术开发有限公司门前披红挂绿,彩旗飘扬,鞭炮齐鸣,戒     

Research on image segmentation of Miao costume patterns based on the RSKP-UNet model北大核心CSCD

The Miao nationality is the sixth largest ethnic group in China which has a history of thousands of years. It has created a unique material culture and spiritual culture in its development process and the Miao costume is a highly condensed collection of the material and spiritual culture of the Miao nationality. As one of the unique symbols of Miao culture the Miao costume has profound cultural heritage and cultural connotations. The patterns of the Miao costume are particularly eye-catching as they not only symbolize the wisdom of the Miao people in thousands of years of production and life but also symbolize the pursuit of the good spirit of the Miao people. However under the impact of modern pop culture and foreign culture these cultural symbols are gradually disappearing. In order to protect and inherit them the Miao costume pattern segmentation has become the most important work. However the Miao costume pattern segmentation is quite difficult. At present there are few studies on the extraction classification identification and preservation of the features of Miao costume pattern segmentation. With the excellent segmentation performance of the U-Net model and the advantages of easy deployment the paper improves the basic structure of the U-Net model and proposes a Miao costume pattern segmentation algorithm based on the RSKP-UNet Residual Selective-Kernel Parallel U-Net model. The algorithm adds Residual modules in the encoder part of the U-Net model to improve the feature extraction capability of the model and embeds the SKNet modules and ParNet modules in the decoder part to enhance the feature expression capability of the model. The paper uses evaluation metrics to measure the segmentation performance of the model and compares it with four segmentation models based on deep learning. The paper not only combines the current research focus-deep learning and attention mechanism but also introduces the Lovász-hinge loss function to effectively solve the problem of class imbalance in the Miao costume patterns. The RSKP-UNet model is better than other models in various segmentation indicators. Compared with the benchmark model U-Net the Dice coefficient IoU precision recall and accuracy are improved by 6. 98% 11. 07% 2. 89% 6. 75% and 3. 92% . The segmentation algorithm proposed in this paper realizes the extraction of the element content of the Miao costume patterns through image segmentation of Miao costume patterns which can be used to build the Miao costume pattern database in this way thus helping designers relevant researchers and organizations to provide research foundation and completing the protection and inheritance of the Miao costume culture. The paper also provides some reference for the segmentation research of other minority costume patterns. © 2022 Authors. All rights reserved.     

一种数控玻璃切割机运动控制系统的设计

介绍了国内外运动控制系统的研究现状,以及数控玻璃切割机的机械结构和工作原理,针对数控玻璃切割机结构特点和控制功能需求,设计了一套以4轴运动控制器为核心,配合伺服电机组成数控玻璃切割机运动控制系统,并详细介绍了该运动控制系统的各部分组成。同时还设计了相应的人机交互界面,配合硬件系统使用,可以同时实现Y、Z两轴同步运动,Y、Z两轴和X轴平面插补,C轴跟随切割轨迹自动旋转,从而完成玻璃轮廓轨迹的切割加工,并提高生产加工效率。     

纤维材料动态热机械性能分析方法的研究

目前,由于夹具的限制,动态热机械分析仪难以对纤维样品进行测试。本文利用DMA 8000动态热机械分析仪对纤维材料进行分析,从夹持方式、预加张力、夹持距离、升温速率等方面对测试结果的影响因素进行了研究。试验结果表明,为了保证纤维样品夹持的稳定性、控制测试精度在2℃以内,需使用铝箔对纤维进行前处理,预加张力控制在0.25～0.45 cN/dtex,样品的夹持距离为10 mm,升温速率设置为2℃/min。