安全分析用钠物性偏导数公式的推导研究

根据钠冷快堆安全分析的特点，选用已得到验证的基本特性公式。从基本Ｍａｘｗｅｌｌ方程出发，推导出了安全分析模型中常用物体的偏导数公式，本文的工作为钠冷快堆的安全分析工作打下了良好的基础。     

二甲醚生产线在中山市建成投产

我国首套甲醇制二甲醚生产装置在广东中山市精细化工实业有限公司建成投产。目前,全球为了保护生态环境,防止大气臭氧层受损,巳     

特征学习的单幅图像去雾算法

目的 雾霾天气使图像降质,严重影响军事、交通和安全监控等领域信息系统的正常运作,因此图像去雾具有重要研究意义。目前主流的单幅图像去雾算法主要利用各种与雾相关的颜色特征实现,但不同的颜色先验知识往往存在各自的场景局限性。为提高图像去雾的普适性,提出一种特征学习的单幅图像去雾方法。方法 首先通过稀疏自动编码机对有雾图像进行多尺度的纹理结构特征提取,同时抽取各种与雾相关的颜色特征。然后采用多层神经网络进行样本训练,得到雾天条件下纹理结构特征及颜色特征与场景深度间的映射关系,并估算出有雾图像的场景深度图。最后结合大气散射模型,根据场景深度图复原无雾图像。结果 与主流去雾算法的结果定性对比,复原后的图像细节更清晰,颜色更自然。采用均方误差和结构相似度定量评价各算法去雾结果与真实无雾图像的相似度,本文算法结果与真实无雾场景间的相似度最高,达到99.9%。结论 对实验结果的定性及定量分析表明,本文算法能有效获取有雾图像的场景深度,复原出视觉效果理想的无雾图像,且具有很好的场景普适性。     

基于词汇语义特征的中文语义角色标注研究

语义角色除了受句法结构限制之外,同词汇的语义特征也有着紧密的内在联系。对于一些仅依靠句法分析不能很好解决的角色标注问题,如句法结构相同的两个成分所对应的角色分别为完全不同的施事、受事角色的情况,可以通过引入一些词汇语义特征来进行处理。该文基于北京大学的语义词典CSD,引入了配价数、主客体语义类等词汇语义特征来进行语义角色标注研究。10折交叉验证的结果显示,通过引用词汇语义特征,所有角色标注的总体评价F值比单纯使用句法特征上升了1.11%,而其中Arg0和Arg1角色标注的F值达到93.85%和90.60%,比仅使用句法特征进行角色标注分别提高了1.10%和1.26%。     

以自然的名义

这是设计师们从“自然的存在”里获取的灵感,启示与感悟,当你看完以下两位设计师的作品后,不知道是否会发现他们所讲述的是“人之源为自然”这一永恒的主题？     

积极性规律在课程教学中的应用研究

本研究拟在把握积极性规律的基础上,借鉴教育心理学关于学习动机的认识,通过讨论学生学习积极性主要变量,初步探讨保证学生课程学习积极性的方法。 一、积极性规律的讨论 所谓积极性,笔者以为,乃是存在于并表现于相应活动中对一定目标进行追求的热情程度。它广泛存在于人和其它动物的一切有意识的活动中。笔者以为。人和其它的动物在有意识活动中的积极性,其基本变量不外乎两方面:一是目标实现的必要性;二是目标实现的可能性或成功性程度。必要性越大,成功性越高,积极性就越高;必要性越小或成功性越低,积极性     

降低纸板生产成本的措施

在分析原理的基础上,通过具体实例说明使用具有优良效果的阳离子性有机凝结剂可防止树脂类的致污或引起断纸,有效地固着施胶剂;或根据硫酸铝、增强剂等方面的条件选择相合性良好、适用的助滤助留剂;或在使用有共同目的药品时用效率更高的药品进行更换组合。采取这些措施可减少湿部药品的总用量和蒸汽用量,改善作业性能,满足降低成本和节约资源的需要。     

D-酒石酸拆分外消旋α-苯乙胺工艺研究

以D-酒石酸为拆分试剂,采用程序降温结晶法,对外消旋α-苯乙胺的拆分工艺进行了探究。通过对结晶的工艺、溶剂、温度等条件的优化试验,确定了外消旋α-苯乙胺的最佳拆分工艺,其中(R)-(+)-α-苯乙铵.D-酒石酸盐晶体收率高达95.0%,水解、精馏得(R)-(+)-α-苯乙胺,收率86.5%,ee值为93.0%,[α]2D0+38.3°。同时,开发了一种在四氢呋喃溶液中硫酸酸化D-酒石酸钠回收D-酒石酸的新方法,D-酒石酸的回收率93.0%。其拆分工艺简单,生产成本低,具有良好的工业应用价值。     

中文药品知识库的研究与构建

分类体系完善、药品信息全面的药品知识库能够为临床决策以及临床合理用药提供依据和支持。该文以国内的多个医药资源作为参考和数据来源,建立了药品库知识描述体系和分类体系,对药品进行标准化分类并形成详细的知识描述,构建了多来源的中文药品知识库(Chinese Medicine Knowledge Base, CMKB)。所构建的CMKB的分类包括27种一级类别和119种二级类别,从药品的适应证、用法用量等多个层面对14 141种药品进行描述并采用BiLSTM-CRF和T-BiLSTM-CRF模型将非结构化描述中的疾病实体进行了信息抽取,形成了对药品属性的结构化信息抽取,建立了药品实体与自动抽取的疾病实体之间的知识关联。所构建的CMKB能够与中文医学知识图谱进行连接,扩充药品信息,并能够为智能诊断和医疗问答等提供知识基础。