可分离凸规划问题的交替邻近梯度法的次线性收敛率

给出了目标函数为3个凸函数的和且具有线性约束的可分离凸规划问题的交替邻近梯度法在遍历意义下的次线性收敛率为■的一个充分条件.     

本质安全型矿井构建分析研究

安全生产是矿井持续发展的基础,矿井现阶段的安全管理模式有待进一步的提升和完善。人们要不断加大本质安全型矿井建设研究力度,夯实矿井安全生产基础,提升安全保证能力和矿井生产保障能力。本文阐述了本质安全的概念,并重点分析了矿井本质安全特征、本质安全性矿井建设目标及实施原则、本质安全矿井具体实施措施等,以期更好地促进矿井安全生产。     

桉树生态营林的理论探索与实践

桉树生态环境问题是世界性难题,迫切需要开展生态营林理论的探索与实践。本文通过系统地研究营林措施与人工林生态服务功能关系的变化规律,分析不同营林措施对桉树人工林生态服务功能的作用机制,并通过桉树生态营林实践,建立起现代桉树生态营林理论体系。文中提出生态营林的定义、生态营林原则和生态营林的理论体系。6年的生态营林实践表明,采取"低干扰、低投入、低污染"的生态营林方式,获得"高产量、高价值、高效率"的营林效果,实现长短结合、一般用材与珍贵用材结合、木材生产与生态服务协同提升的生态营林目标。该理论是解决当今桉树人工林木材生产和生态服务失衡以及生物安全、土壤安全、生态安全问题,实现高质量发展的重要理论基础,对推动我国现代林业高质量发展具有重要的指导作用。     

人机融合的智能装配系统的研究①

产品装配在产品的整个生产流程中占有极为重要的位置。目前,由于消费者对产品个性化、定制化的需求越来越高,传统手工装配方式的低效和纯自动化装配的高难度、高费用难以满足企业的生产需求。因此,人机融合的智能装配系统应运而生。通过数据采集、无线通信、机器视觉等技术,人机融合的装配系统充分利用人的主动性和机器的可靠性、高效性,实现产品装配的高质量和高效率。     

具有外部干扰的耦合时滞神经网络固定时间二分同步

针对结构平衡图与结构非平衡图的网络拓扑,考虑了一类具有外部干扰的耦合时滞神经网络模型,分别设计了其固定时间同步控制协议.借助固定时间稳定性理论与不等式技巧,获得了耦合网络在固定时间内达到同步的充分性判据,给出了具体的收敛时间上界,并验证了固定时间同步网络的鲁棒性与抗干扰性.为了扩大网络模型的适用性,考虑的神经网络激活函数为非连续的函数,可借助微分包含与集值李导数理论解释非连续微分方程的动力学行为.最后,分别在结构平衡图和非平衡图下对耦合神经网络的固定时间二分同步进行了数值仿真,验证了控制算法的有效性及理论结果的正确性.     

拥塞控制新算法:试算平衡

根据资源的需求和供给关系,提出了拥塞控制新算法——试算平衡法,旨在按一定比例抑制资源的需求,以实现系统资源的供需平衡,进而达到拥塞控制的目的.     

SRAM白光中子单粒子翻转注量率(10~7量级)效应研究

中子诱发中子单粒子效应进而影响电子设备或系统的稳定性和可靠性,本文基于中国散裂中子源BL06测试束线,在20 kW、50 kW、70 kW、80 kW和100 kW束流条件下,对800 nm、500 nm、350 nm和130 nm工艺静态随机存储器开展了不同注量率下白光中子单粒子翻转研究.实验发现:在误差允许范围内,中子注量率为1.34×10~7~6.68×10~7 n/(cm~2·s)时,白光中子诱发的中子单粒子翻转平均位翻转截面无明显变化,即当前注量率范围内,中子单粒子翻转基本不考虑注量率效应.     

0.9%氯化钠注射液与参附注射液配伍的溶血作用研究

对参附注射液中说明书规定使用溶媒的溶血作用进行分析及安全性评价.采用紫外-可见分光光度计法测定以0.9%氯化钠注射液为溶媒稀释后的参附注射液和用2%兔红细胞混悬液混合后的吸光度值,根据吸光度值之差计算其溶血率.并采用双因素无重复试验方差分析对不同批次和不同浓度参附注射液进行统计学分析.结果显示,不同批次参附注射液间溶血作用存在显著性差异,溶血作用与浓度相关,且稀释倍数为6倍和8倍时都有溶血风险.因此,应该严格选用药品说明书中规定的溶媒,为参附注射液临床应用安全提供保障.     

春风动力:以数据链动生产

三十年创新发展,打造出一辆辆"大国铁骑"。以速度著称的春风动力,向智能未来驰骋,智能制造,让它如沐"春风"春风动力坚持研发先行,持续加大投入,多项领先技术填补国内空白,已成为专业高端动力装备的国际化品牌。春风动力高端动力装备"未来工厂",以数据链动生产,形成高度离散的高端装备行业,高度柔性的高效协同制造能力。"工厂大脑"实时掌控生产车间内的每一道工序,实现160多个作业单元协同调度.     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.