首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   5篇
  免费   0篇
  国内免费   2篇
综合类   7篇
  2022年   1篇
  2020年   1篇
  2017年   1篇
  2016年   1篇
  2012年   1篇
  2011年   2篇
排序方式: 共有7条查询结果,搜索用时 344 毫秒
1
1.
以廉价、易得的芳(杂环)甲醛、取代肼及羟胺等为原料,合成了9种N,N-、N,O-、N,S-腙及肟配体,并在相对温和的反应条件下,将其应用到了钯催化的Suzuki-Miyaura交叉偶联反应中,开发了一种温和、高效的以腙为配体的钯催化系统Pd(OAc)2/2-噻吩甲醛苯腙(4b)/K3PO4/DMSO。将该系统用于催化苯硼酸与芳溴的交叉偶联反应中,得到了良好的分离收率。  相似文献   
2.
田瑜  王蕙 《科技信息》2011,(2):181-182
建立并保证一定的词汇量对英语学习有着举足轻重的作用。本文指出了词汇学习中存在的主要问题,并结合联结理论、语境理论提出了词汇教学中记忆和巩固生词的一些方法技巧。  相似文献   
3.
随着互联网的普及,人们步入了一个全新的信息化社会。伴着互联网信息革命的传播,虚拟世界应运而生的新产物——网络语言受到了人们的广泛关注。本文阐述了网络语言的概念,并通过对其特点的分析,进一步分析了网络语言产生的原因。  相似文献   
4.
多小区 MIMO 网络中一种新的 D2D 通信干扰对齐算法   总被引:1,自引:1,他引:0  
当多小区MIMO(multiple-input multiple-output)网络中引入D2D(device-to-device)技术后形成D2D-MIMO干扰网络,为解决其干扰问题,提出了一种基于天线数奇偶性的发送端数据流分配方案和基于该方案的干扰对齐(interference alignment,IA)算法。该算法通过最小化基站泄露到非目标用户的信号功率来求解蜂窝链路的预编码矩阵,通过最大化蜂窝用户的信干噪比(signal to interference plus noise ratio,SINR)来求取蜂窝链路的干扰抑制矩阵,进而通过线性干扰对齐消除蜂窝内干扰,并推导了系统的最大自由度(degrees of freedom,DOF)。理论分析和仿真表明,相对于现有算法而言,该算法提高了系统的自由度、频谱效率和能量效率,降低了对天线数的要求,增强了系统的灵活性。  相似文献   
5.
田瑜 《甘肃科技纵横》2012,41(6):158-159
医患之间的沟通,就是医患双方为了治疗患者的疾病,满足患者的健康需求,在诊治疾病过程中所进行的一种交流。CT检查工作者掌握好沟通技巧,建立良好的医患关系,有利于完善检验质量管理,避免检验报告引起的医疗纠纷。从医患关系的现状,阐明医患沟通的意义,CT检查如何进行医患沟通。重视医患沟通,把工作落到实处,以良好的职业道德及高水平检验质量为患者服务。  相似文献   
6.
针对认知网络中多个D2D(device-to-device)用户以Underlay模式复用蜂窝用户的频谱资源时的同频干扰和能耗增加问题,提出了认知网络中基于博弈论的最大化用户能效(energy-efficiency,EE)的D2D通信资源分配算法。不同于以前工作,在满足特定干扰门限的条件下,侧重对能效进行优化,且不牺牲系统容量。建立Underlay模式下认知D2D通信博弈模型,将D2D用户(device-to-device,DUE)作为跟随者复用蜂窝用户(cellular user,CUE)上行链路的频谱资源,由于每个用户都具有自私特性想要最大化自身的能效,所以该资源分配问题可以模拟为非协作博弈问题。在干扰门限的约束条件下构造了相应的效用函数,利用拉格朗日对偶方法求解此优化问题,得到用户的最优发送功率,保证了用户的功率和链路速率的均衡,并分析了算法复杂性。仿真结果表明,该方案能够提高用户能效和链路平均能效,改善系统总功耗及系统的容量等性能。  相似文献   
7.
【目的】为了满足客户需求的多样性并最大限度地减少缺陷品对顾客满意度的影响。【方法】同时考虑随机需求和随机存在的缺陷项目数量,设计算法对缺陷品进行100%筛选后进行全单位数量折扣处理。【结果】根据骨干差分进化算法(Bare-bones differential evolutionary algorithm,BBDE),结合模拟退火算法(Simulated annealing algorithm,SA)算法的Metropolis准则,设计了基于SA的混合骨干差分进化算法(SA-based hybrid BBDE,SAHBBDE),以提高BBDE的全局寻优能力。【结论】数值实验表明,该算法在总成本最佳、平均值最低及标准误差最小的表现上优于遗传进化算法(Genetic algorithm,GA)、粒子群算法(Particle swarm optimization algorithm,PSO),与骨干粒子群算法(Bare bones PSO algorithm,BBPSO)、差分进化算法(Differential evolution algorithm,DE)和BBDE相比也表现出优异的性能。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号