津田驹H20—Ⅱ双浆槽浆纱机的性能与应用

介绍了设备各部分的技术特征和性能以及应用效果。     

CPE/P(AA-AM-HMA)吸水膨胀弹性体的研究

采用机械共混将氯化聚乙烯(CPE)与自制的吸水树脂丙烯酸-丙烯酰胺-甲基丙烯酸羟乙酯共聚物[P(AA-AM-HMA)]共混，并且以合成的两亲聚合物为共混试样的增容剂实施增容，讨论了吸水树脂以及增容荆对共混试样的力学性能和溶胀性能的影响。结果表明简单共混时随吸水树脂量增大。共混试样的拉伸强度降低，其吸水率增大。CPE-g-PEG的加入改善了试样的力学性能，与氯化聚乙烯／丙烯酸-丙烯酰胺共聚物共混体系相比，CPE／丙烯酸-丙烯酰胺．羟甲基丙烯酸共聚物试样吸水慢．平衡吸水率较大，质量损失率较小，而且受盐的影响较小。     

关于牡丹江流域水电站建设必要性的初步论证与研究

通过对牡丹江流域水利资源利用现状的调查与分析,结合<"十一五"水电农村电气化规划>和<黑龙江省水电开发战略>,重点从地方经济发展的需要、增加地方财政收入的需要和保护生态环境的需要三方面,论证研究了牡丹江流域水电站建设的必要性,探索了水电站建设的有利条件,以期早日开发利用绿色环保能源,保护生态环境,为地方经济建设事业做贡献.     

响水灌区水土资源供需平衡分析

通过对响水灌区水资源量及土地资源平衡现状的调查与分析,结合《响水灌区发展规划》和《黑龙江省灌区发展规划》,重点对响水灌区水资源量及土地资源平衡进行了分析,为灌区的发展提供了理论依据。     

电子信息专业实践教学体系建设的研究

电子信息专业是一个实践性较强的专业,提高学生的实践能力,培养其勇于探索的精神是当务之急．本文在此基础上,提出电子信息专业实践教学体系建设的目的和指导思想,并提出要建立课堂内外相结合的实践教学体系,开展课外创新性设计,建立网络化的实践教学平台,推进电子信息专业实践教学体系的改革．     

基于Skyline的城市地下三维管线建立研究

传统二维管线系统难以直观地反映各管线之间的立体空间位置关系。旧管线更新、新管线规划、管线设计施工、土建工程的破土动工等都需要准确掌握地下管线的现状信息,如果盲目开挖就会引起自来水管爆裂、煤气泄露、停电、通信信号中断等事故。以地下管线为研究对象,以Skyline为平台,C#为开发语言建立城市三维管网系统,在错综复杂的条件下展现各管线之间以及管线与周边地物之间的空间位置关系,实现管线的查询和分析功能。     

智能化JDB电动机综合保护器

详细介绍了一种以单片机89C52和A/D采样芯片MAX197为核心的智能JDB电动机综合保护器。该保护器有三种型号分别为JDB80、JDB120、JDB225,具有短路、过载、断相、漏电等多种故障自动诊断及频率输出功能,从而达到了电动机保护智能化的要求。     

复合冻胶堵调剂体系研究

本文研究了三种复合冻胶堵调剂体系：（1）HPAM─苯酚─醛体系;（2）HPAM─脲─醛体系;（3）HPAM─糠醇─醛体系。介绍三种体系的典型配方,具体考察了体系对地层环境如高矿化度和原油的表面活性的适应性。实验结果表明：体系成胶前具有良好的可泵性,所成冻胶在75℃时30天不破胶、不析水,体现出较好的冻胶稳定性,成胶后具有很高的强度（成胶剪切强度≥125Pa·s）,对高渗透率岩心的堵塞程度也较高。研究了HPAM的分子量、水解度、浓度对所形成冻胶与地层岩石的粘附状态的影响。施工时在前置液中加入适量、合适的促凝剂,以避免配方中反应成分被地层流体稀释而不成胶,以提高成功率。     

组蛋白乙酰化/去乙酰化在冬凌草甲素诱导Molt-4细胞凋亡中的作用

目的:探讨组蛋白乙酰化/去乙酰化在冬凌草甲素(oridonin,Ori)诱导Molt-4细胞凋亡中的作用.方法不同浓度Ori(2.5μmol/L、5μmol/L、10μmol/L、20μmol/L、40μmol/L)作用于Molt-4细胞,MTT法检测细胞增殖;瑞氏染色光镜下观察细胞形态学变化;Western blot检测Caspase-3、组蛋白去乙酰化酶1(histone deacetylase inhibitor,HDAC1)及组蛋白H3乙酰化水平.结果:Ori抑制Molt-4细胞增殖,诱导细胞凋亡,呈时间-剂量依赖性;光镜下Molt-4细胞染色质固缩,凋亡小体出现.Ori活化Caspase-3,下调HDAC1表达,使组蛋白H3乙酰化水平上调.结论:Orr可能通过提高组蛋白H3乙酰化水平,抑制HDAC1活性诱导Molt-4细胞凋亡.     

用于域适应的多边缘降噪自动编码器

神经网络模型被广泛用于跨领域分类学习。边缘堆叠降噪自动编码器(marginalized stacked denoising autoencoders,mSDA)作为一种神经网络模型,通过对源领域和目标领域数据进行边缘化加噪损坏,学习一个公共的、健壮的特征表示空间,从而解决领域适应问题。然而,mSDA对所有的特征都采取相同的边缘化加噪处理方式,没有考虑到不同特征对分类结果的影响不同。为此,对特征进行区分性的噪音系数干扰,提出多边缘降噪自动编码器(multi-marginalized denoising autoencoders,M-MDA)。首先,利用改进的权重似然率(weighted log-likelihood ratio update,WLLRU)区分出领域间的共享和特有特征;然后,通过计算特征在两个领域的距离,对共享特征和特有特征进行不同方式的边缘化降噪处理,并基于单层边缘降噪自动编码器(marginalized denoising autoencoders,MDA)学习获取更健壮的特征;最后,对新的特征空间进行二次损坏以强化共享特征的比例。实验结果表明,该方法在跨领域情感分类方面优于基线算法。