项目引入法——可普遍采用的研究性学习模式

研究性学习是实施素质教育和创新教育的一种新型教学方式。在工科类课程的教学中 可采用引入一个工程项目,通过项目设计来学习研究新知识,完成教学计划。     

含PM-映射的变分不等式

文章在自反Banach空间中，利用锐角原理讨论了含PM-映射的变分不等式解的存在性问题。     

科技论文中“关键词”的标引方法

从关键词在文献检索中的重要作用论述了科技论文的发表，必须重视关键词的标引．明确指出出版专业中关键词的概念，探讨了不同标引方法的利弊，介绍了关键词的标引方法．     

Excel link宏在数据分析中的应用

详细地讲解Excellink宏的建立、使用方法及宏函数用法 ,连接MicrosoftExcel和MATLAB的步骤及在Excel中应用MATLAB的方法 ,极大地增强了Excel处理数据的能力和图形输出的能力 ,并用两个实例验证了这个Excellink宏在数据分析过程中所显示的优越性。     

检测陀螺仪转子安装精度的一种新方法

陀螺仪转子的安装精度对其运行的稳定性和精确性有很大的影响。由于要求的安装误差很好，因此，对其误差的测量要求准则。其测量误差应经安装误差小1／10以及上，一般的检测方法很难达到要求，为此介绍了一种新型的光电检测方法，该方法利用狭缝的光学傅立叶变换提取陀螺仪转子的误差信息，采用计算机进行信息处理，从而完成陀螺仪转子的自动检测和分类，该方法也可用于其他一些精密年的自动检测处理。     

LehmerDH数在模p剩余系的分布

设 p≥ 3为素数 ,集合A ={a|1≤a 相似文献   

神经网络在电磁场数值问题中的应用

针对目前电磁场数值处理中计算繁杂慢速和耗费资源过多的问题,本文提出了一种基于神经网络小波理论进行计算的新方法。文中着重介绍了利用小波变换神经网络的基本理论,结合电磁场数值计算的基本方法,推导变换进而得到一个通用公式和处理方法。在该方法中,神经网络学习内容少和数据处理简单,因此该方法具有计算速度快,占用资源少的优点,并有用硬件实现的前景。     

中日佛寺建筑与自然关系的比较研究——中国南北朝时期与日本飞鸟时期

比较分析同一时期（中国南北朝时期与日本飞鸟时期）中日两国佛寺建筑与自然的关系，发现虽然两国佛教理念相同，但中国南北朝时期是玄学境界型建筑自然观，而日本飞鸟时期则是神道意识型建筑自然观。中国南北朝时期的佛寺建筑及其自然观是日本飞鸟时期的母体，而日本飞鸟时期则为研究中国南北朝时期的这一关系做旁证。     

不连续二阶周期边值问题的可解性

考察了一类非线性项含有一阶导数的二阶周期边值问题的解的存在性,其中非线性项是Carathèodory函数.通过构造非线性项的高度函数并且利用Leray-Schauder不动点定理建立了两个存在定理.第一个定理表明只要高度函数的积分是适当的,这类问题至少有一个解.第二个定理表明当非线性项在无穷远处增长的极限是一个无界函数时在适当条件下这问题仍可能有一个解.     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.