忆阻型模糊细胞神经网络在时滞脉冲控制下的全局指数同步

文章研究了忆阻型模糊细胞神经网络的全局指数同步控制问题。首先,通过采用Filippo解和可测选择理论将忆阻模糊细胞神经网络转化成一类参数不确定的神经网络,并给出一个新颖的不等式以解决模糊反馈连接权重的参数不确定问题;然后,通过设计时滞脉冲控制器,并结合李雅普诺夫函数法、脉冲不等式以及给出的新的不等式,得到驱动忆阻模糊细胞神经网络与响应忆阻模糊细胞神经网络在时滞脉冲控制下指数同步的结果;最后,通过数值模拟验证了理论结果的有效性。研究结果表明:采用合适的控制器,忆阻型模糊细胞神经网络的驱动-响应系统是可以达到指数同步的。     

基于含圈非连通图优美性的拓扑图密码

图的标号是图论的一个重要分支,从非连通图入手,证明了两类非连通图■和■都具有优美标号.且证明方法能够算法化,为非连通图应用于网络提供了可行的理论保证.     

用智能手机提升学生对大学物理实验的兴趣

为提升大学物理实验课程的教学效果,利用智能手机APP测试学生课前预习情况,并利用手机上的多种传感器件辅助完成大学物理实验的应用探索工作.操作步骤的简便与实验方法的新颖,让学生体验到不一样的物理实验乐趣.学生将对智能手机的娱乐兴趣转变成为学习兴趣,从而提高了学习成绩.     

相变蓄热材料导热系数对太阳能通风墙性能的影响

通过对相变蓄热型太阳能烟囱模型通风蓄放热变化过程的计算,分析比较不同相变蓄热墙导热系数对太阳能烟囱性能的影响.计算结果表明:吸热板最大表面温度随着相变蓄热墙导热系数的增大越接近相变蓄热墙的相变温度;蓄热阶段,入口平均风速随着相变蓄热墙导热系数的增大而减小;放热阶段,入口平均风速随着相变蓄热墙导热系数的增大反而越大;相变蓄热墙导热系数越大,蓄热型太阳能烟囱系统16 h的累计通风量越高,但在导热系数增大到0.66 W·(m·K)^-1后,再增大材料导热系数,累计通风量几乎不再增加.     

青蒿α-bisabolol合酶产物绝对构型的确定

建立气相和液相色谱方法用于鉴定α-没药醇(α-bisabolol)绝对构型,确定青蒿α-bisabolol合酶产物的绝对构型. 手性液相方法分离并制备α-bisabolol的4种立体异构体,结合旋光度测定、气相色谱和标准品确定4种立体异构体的绝对构型. 分别建立气相和液相色谱2种方法来鉴定α-bisabolol的4种立体异构体混合物. 化学合成酶促反应的底物法尼基焦磷酸(farnesyl pyrophosphate,FPP),原核表达、蛋白纯化后进行体外催化,鉴定2个α-bisabolol合酶体外催化产物α-bisabolol的绝对构型. 甜舌草α-bisabolol合酶(Lippia dulcis bisabolol synthase, LdBOS)体外催化FPP,产物构型为(+)-epi-α-bisabolol,与文献报道一致. 青蒿α-bisabolol合酶(Artemisia annua bisabolol synthase, AaBOS)体外催化FPP生成的产物为(+)-α-bisabolol. Agilent CP-Chirasil-Dex-CB气相色谱柱和Chiralpak IA液相色谱柱可分别用以分离、鉴定α-bisabolol的4种手性异构体. AaBOS和LdBOS的催化产物6位碳构型相同,暗示这2种酶与青蒿紫穗槐二烯合酶(Artemisia annua amorpha-4,11-diene synthase, AaADS)的催化机理类似. 利用气相和液相色谱的方法分析手性化合物,具有灵敏度高、稳定性强、简便易行等优点. 手性化合物α-bisabolol绝对构型的分离、鉴定,在医药、食品和化工领域具有重要意义.     

2n+1个无序数据库记录项的量子搜索

简述了量子计算机的并行算法。设计了一个2^n 1*2^n 1的幺正矩阵,并根据量子Grover搜索算法求解出在无序数据库中满足条件的单项或多项数据的计算方法。     

高等农林院校物理实验课程改革的实践与探索

探讨了物理学实验课课程体系的改革和实践。主要结合农林专业的特点开设设计性实验、综合性实验。以及物理学实验课的考核体系的建立和实践。探讨了设计性实验与综合性实验对学生科学素质、创新能力的培养。     

向量积和混合积在重积分的坐标变换中的应用

把向量代数中的向量积和混合积应用到重积分坐标变换的微元法，进而推导出重积分变量代换的Jacobi方法，使重积分的坐标变换计算的证明更为简便。     

城郊观光农业旅游开发研究--以郑州市近郊为例

观光农业旅游的开发研究将成为农业与旅游业两个产业经济发展的新增长点.它不但为传统农业向现代化农业迈进提供了一条可持续发展的模式和途径,而且也开拓了新的旅游品类,从而也满足了都市人“回归自然“的需求.     

混沌序列自适应多步预测及在股票中的应用

针对混沌时间序列自适应预测方法在多步预测中预测器系数无法调节的问题,根据混沌时间序列的短期可预测性及自适应算法的自适应跟踪混沌运动轨迹的特点,提出了一种自适应多步预测方法.在多步预测中,该方法根据已知样本得到对将来值的预测值并能自适应调节滤波器系数.仿真结果表明此方法的多步预测性能明显好于自适应预测方法的多步预测性能.将此方法应用于对股票数据的预测,得到了较好的预测结果.