试析新桂系首领在第一次国共合作中的心态与立场

通过剖析新桂系首领们在第一次国共合作期间,图谋寻找光明前程的心路历程以及他们“怕共”、“容共”和“剿共”的心态,揭示出新桂系首领代表大地主大资产阶级利益的立场和本质,反映出新桂系集团在第一次国共合作中对中国民主革命的双重影响。     

奶子藤茎的化学成分研究

采用硅胶、Sephadex LH-20、MCI等柱色谱手段对奶子藤的化学成分进行分离纯化,从其90％的乙醇提取物中得到8个化合物．根据化合物的理化性质和波谱数据鉴定了化合物的结构,分别为：3,4-二羟基苯甲醛（1）,3,4-二羟基苯甲酸（2）,2,2-二甲基-7-羟基色满（3）,齐墩果酸（4）,熊果酸（5）,β-谷甾醇（6）,5,7,3’,4’-四羟基黄酮醇-3-O-β-D-葡萄糖苷（7）,5,7,3’,4’-四羟基黄酮醇-3-O-α-L-鼠李糖苷（8）,所有化合物均为首次从该种植物中分离得到,其中化合物3为首次从植物中分离得到。     

培训与保险营销员产能关系的实证研究

我国寿险业在过去的20年高速发展,营销员的量与质,对各寿险公司高内涵价值保单的销售总量起决定性作用。随着保险市场成熟度的提高,营销员队伍的竞争正从数量上的竞争转向质量上的竞争,有效的培训可提升营销员的综合素质进而提升其产能。从经济学角度,结合GS保险公司PM培训项目的设计及应用实践,尝试对培训与营销员产能关系进行实证分析。实证结果表明:培训对营销员的产能有显著影响。由于培训后营销员的产能平均值高于培训前的产能平均值,因此,可以说培训对营销员的产能有显著提高的效果。在这一结论的基础上,提出了充分发挥培训的作用,提高保险营销员产能的建议。     

利用局部关联算法研究抗生素对人类肠道微生物菌群的影响

人类肠道微生物与人体健康有着千丝万缕的联系,肠道微生物群的改变是人体健康及功能的标志物。利用局部关联(eLSA)算法研究抗生素对人体肠道微生物菌群之间关联的影响,结果表明:抗生素对肠道微生物的影响,不仅出现在全局的时间序列关联中,同时还出现在局部和带时间延迟的关联序列中;肠道微生物经历重复的抗生素扰动时,部分扰动反应关联消失或出现新的关联,说明抗生素的扰动可以改变肠道微生物菌群间原有的状态,这种改变甚至有可能是长期的;个体拥有的肠道微生物并不完全相同,不同的个体对应同样的抗生素扰动会有不同的个性化反应。     

计算机仿真的“三段式”实验教学模式研究

高校电子类硬件实验课的传统教学方法是理论学习加验证性的实验课,即所谓的"一段式"实验教学模式。传统的实验教学模式随着现代电子技术的发展已经无法满足当今高校实验教学的要求,更无法培养出具有创新能力和实践能力的人才。基于多年的实验教学经验以及计算机仿真技术的应用,文中提出了基于计算机仿真技术的"三段式"实验教学改革模式。"三段式"实验教学模式能提高实验教学水平,在调动学生的主动性和激发学生的创造性方面具有传统模式无法比拟的优点。     

求实对称张量Z-特征值的牛顿法

文章提出一个求解实对称张量Z-特征值及特征向量的牛顿法.该方法将张量Z-特征值问题转化为等价的非线性方程组,并用牛顿法求解.经过改进的方向具有下降性,从而保证算法的全局及二阶收敛性.数值实验结果表明,算法有效.     

宜昌市城区PM_(2.5)污染形成灰霾天气的规律研究

2012年选取与气象站点相邻的一个环境空气质量测点对PM2.5进行了研究性监测,测点距地面23m,全年PM2.5质量浓度在19~284μg/m3之间,年均质量浓度为89μg/m3,月均质量浓度最高的为1月.系统分析全年PM2.5监测质量浓度与相邻气象测点灰霾、能见度观测数据之间的关系,得到以下结论:宜昌市城区PM2.5污染质量浓度与灰霾观测值相关性不强,但与能见度的观测值显著相关;全年能见度降低受PM2.5污染的影响具有季节性,2、5~6三个月与7~9三个月及4、10~11三个月,这3组月份内的PM2.5与能见度之间的回归曲线基本一致,全年中3月份影响最大,而1月份最小,主要与气温、风速、降雨因素有关.     

北斗GEO卫星广播星历的直接拟合算法研究

针对因北斗地球静止轨道(GEO)卫星的小倾角特性,经典全球卫星定位系统(GPS)广播星历拟合算法不能直接应用于北斗GEO卫星这一问题,提出了一种基于无奇点变换的北斗GEO卫星广播星历直接拟合算法.该算法采用一组无奇点轨道根数代替经典轨道根数,解决了由GEO轨道的小倾角特性引起的经典广播星历拟合过程中法化矩阵奇异的问题;同时,避免了接收机GEO广播星历参数用户算法中坐标旋转的过程,减少了GEO用户算法的计算步骤.经仿真验证:该算法可很好地适用于北斗GEO卫星广播星历拟合,且拟合精度高,完全满足接收机导航定位的精度.但对于圆地球轨道(MEO)和倾斜地球同步轨道(IGSO)卫星,该算法实用性较差,仍须进一步研究和改进.     

多尺度并行融合的轻量级卷积神经网络设计

针对传统深度卷积神经网络分类精度不佳,参数量巨大,难以在内存受限的设备上进行部署的问题,本文提出了一种多尺度并行融合的轻量级卷积神经网络架构PL-Net。首先,将上层输出特征图分别送入两种不同尺度的深度可分离卷积层;然后对并行输出特征信息进行交叉融合,并加入残差学习,设计了一种并行轻量型模块PL-Module;同时,为了更好地提取特征信息,利用尺度降维卷积模块SR-Module来替换传统池化层;最后将上述两个模块相互堆叠构建轻量级网络。在CIFAR10、Caltech256和101_food数据集上进行训练与测试,结果表明:与同等规模的传统CNN、MobileNet-V2网络及SqueezeNet网络相比,PL-Net在减少网络参数的同时,提升了网络的分类精度,适合在内存受限的设备上进行部署。