排序方式: 共有55条查询结果,搜索用时 15 毫秒
1.
采用溶剂热法将Keggin型H_3PW_(12)O_(40)作为次级结构单元引入Fe-MOF结构中,合成出具有花状结构的POM@Fe-MOF材料,以其为模板在不同工艺条件下制备出衍生物WO_2@FePO_4和WO_3@WC@C。借助SEM、XRD等分析了衍生物的表面形貌及物相结构,并将WO_2@FePO_4和WO_3@WC@C分别作为超级电容器的正、负极材料,利用三电极体系在浓度为6mol/L的KOH电解质溶液中对其电化学性能进行表征,在0.5A/g的充电电流密度下分别得到了68.6F/g和70F/g的最高比电容。 相似文献
2.
为缩小居民消费差距、提升居民消费能力,基于中国家庭金融调查(China Household Finance Survey, CHFS)2017年、2019年的面板数据,采用双向固定效应模型和分位数回归模型,探究商业健康保险对家庭消费不平等的影响机制。研究结果表明,参加商业健康保险能显著降低家庭间消费不平等程度且存在分位数效应,城镇和经济发展水平较高地区家庭的影响效应更为显著。建议加大普及商业健康保险力度,优化社会保障体系。 相似文献
3.
随着人民物质文化生活水平的不断提高,新的健身项目越来越多。水中有氧操是我国近年来刚刚开展的健身项目之一,它的出现受到广大健身者的喜爱。希望能让更多的人了解水中有氧操并参加进来,达到理想的健身效果并从中受益,以促进全民健身计划的实施。 相似文献
4.
5.
通过网络药理学分析和分子对接来探讨败酱草治疗(ulcerative colitis,UC)可能的分子作用机制.通过数据库得到溃疡性结肠炎相关靶点和败酱草主要成分,基于已有数据库文本挖掘和常见成分靶点预测工具获取成分靶点,进行一系列对比.对主要靶点进行GO及KEGG分析,得到核心靶点;对核心靶点进行分子对接.败酱草40种化学成分通过STAT3、TNF、IL6、IL1 B和IL10等共18个关键靶点起到活性作用,通过炎症性肠病信号通路等信号通路发挥疗效;分子对接模拟实验结果表明结合活性良好,可能主要以氢键作用,疏水作用,盐桥作用等形式结合.通过网络药理学和分子对接来揭示败酱草治疗该病可能的分子作用机制,也为不同科研用途使用不同靶点来源工具作出参考和借鉴. 相似文献
6.
现有主流文本蕴含模型大多采用循环神经网络编码,并采用各种注意力推理机制或辅以手工提取的特征来提升蕴含关系识别准确率,由于复杂的网络结构和RNNs网络串行机制导致这些模型训练和推理速度较慢.本文提出轻量级文本蕴含模型,采用自注意力编码器编码文本向量,点积注意力交互两段文本,再采用卷积神经网络对交互特征推理,整个结构可根据不同数据的推理难度叠加不同模块数量.在多个文本蕴含数据集实验表明,本文模型在保持较高识别准确率情况下仅用一个块参数仅为665K,模型推理速度相比其他主流文本蕴含模型至少提升一倍. 相似文献
7.
网络信息计量学研究综述 总被引:2,自引:0,他引:2
从定义、研究对象、研究方法和工具等方面对网络信息计量学的基本理论进行了分析和总结,并指出了当前网络信息计量学的研究热点。 相似文献
8.
基于互联互通蓝图下我国人工智能的发展现状以及我国经济转型升级的现状,研究了人工智能技术与经济之间的正作用——促进生产、提供新经济增长动力、增加高水平就业岗位并改善工作环境、解决社会治理问题、促进国际友好往来,也分析了二者的负作用关系——减少了传统岗位、增大投资风险、冲击传统管理方式、增大中等收入陷阱的可能、带来法律规章制度的漏洞。提出区域治理保持与时俱进、建立技术基金会、注重人才培养与人员培训、企业承担其角色、重视文化与科技的关联的政策建议。 相似文献
9.
泥石流危险性预测的可靠性是防治工程建设与减灾救灾相关工作部署的关键,基于Back Propagation神经网络的预测方法,是目前实现危险性等级划分的有效方法之一。利用BP神经网络算法的非线性逼近能力,挑选陇南白龙江小流域26条典型泥石流沟道,结合当地实际情况,选取泥石流危险性的8个主要因素为输入层神经元,以样本数据危险等级为输出神经元,在测试单、双层隐含层网络性能的基础上,提出9种工况组合的传递算法搭配方案,利用L-M算法搜索最优解或者近似最优解,总结传递算法对泥石流预测模型精度的影响及算法的选择顺序。实验结果显示,隐含层采用tansig函数,输出层采用logsig函数,其模型总体误差最小,模型的R训练集、R验证集较大与R测试集分别为0.983 61、0.709 17和0.960 52,准确率达到96.1%。由此可见,选择合适的传递函数可提高网络模型的精准度,能准确划分泥石流风险等级。 相似文献
10.
现有的文本蕴含模型通常计算一次词级别注意力得到两段文本在不同层面的交互特征,但对于文本不同层面的理解,不同重要词的注意力应该是不同的,并且一次词级注意力推理仅能捕捉到文本对局部特征.针对这个问题,提出一种多层次动态门控推理网络,该网络结合了词级别信息的细粒度推理和句子级别门控机制来动态捕捉文本对的语义信息,并采用不同注意力计算方式提取文本对不同层面的语义特征,共同推理文本对的蕴含关系.本文在两个文本蕴含数据集上均做了实验,相较于基准模型和现有主流模型,准确率提升了0.4%~1.7%,通过消融分析,进一步验证了本文模型各部分结构的有效性. 相似文献