不要让别人吃亏

正邻居李奶奶卖了一辈子豆腐脑。在这个小镇上,人们都爱买她的豆腐脑。大家常说李奶奶的豆腐脑之所以卖得好,不仅是因为豆腐脑口味好,而且是因为她从不让顾客吃亏。一次,我端着家里的饭盒去买豆腐脑。因为没经验,我双手捧着饭盒,看着店员把豆腐脑倒进饭盒里。饭盒是铁质的,温度迅速升高,我突然感到饭盒底部很烫,立刻把手挪到     

自恋者更容易成功吗

正"苹果"是一个世界知名品牌,其创始人之一史蒂夫·乔布斯是全球知名的自恋型成功者。此外,比尔·盖茨等一些成功的企业家也被认为是自恋者。因此,有人在"自恋者"与"成功人士"之间划等号,认为自恋者更容易成功。这是真的吗?自恋型人格的标准自恋是一种广泛的社会心理现象,人们或多或少都有些自恋。不过,一个人如果过度自恋,就会形成自恋型人格。这类人最主要的特征是以自我为中心,认为自己比周边的人都优     

我是书迷

正高尔基说":书籍是人类进步的阶梯。"我家有一位小书迷,那就是我!很久以前,姐姐送给我一本书——《安徒生童话》。那时,我还不识字,于是缠着妈妈给我读里面的故事,每次我都听得入了迷。后来,我学了拼音,就闹着让妈妈给我买注音版的书。自己独立看完一本书是一件非常有成就感的事情,我爱上了看书,爱上了书中一个又一个新奇的故事。     

土壤水分测定方法简介

本文简述了现今国内外土壤水分研究现状,总结了常用的测定土壤水分的方法及其原理,比较分析了各种测定方法的优缺点。详细阐述了TDR,FDR和探地雷达在土壤水分测定中的应用,为土壤水分测定精度、操作性、实用性的研究提供一定的参考。     

预处理对厨余垃圾等有机废弃物联合厌氧发酵的影响

通过产甲烷潜能实验研究了超声、微波以及碱热预处理技术对厨余垃圾等有机废弃物联合厌氧发酵的影响。以未进行预处理的实验组作为对照组。预处理后大分子有机物通过水解酸化作用进入液相中,使得基质中挥发性有机酸(VFA)、溶解性有机物(SCOD)和氨氮(TAN)的质量浓度增加,可以提高后续厌氧发酵阶段的效率。产甲烷潜能实验结果表明:4组实验中pH值、VFA、SCOD与TAN质量浓度随时间变化趋势一致,并在第6d后逐渐稳定,表明基质中可生物降解有机物在短时间内被完全分解利用。预处理技术能提高反应系统产气速率。超声预处理后甲烷产率增加,由285mL/g VS提高到324mL/g VS,与修正后的理论甲烷产率相符;而微波和碱热预处理对厌氧发酵产甲烷有一定抑制作用。     

科学游戏真奇妙

<正>最近,我看了一本科普读物《让孩子着迷的77×2个经典科学游戏》,爱不释手。我翻开这本书,目录里的小标题很吸引人:"手掌上有个洞""食盐水可以冒气泡""一双筷子就可以撬起热水壶""圆圆的鸡蛋也会变胖""火锅里的牛丸也可以立在锅     

基于响应面法和遗传算法的某SUV前悬优化

为了提高SUV的操纵稳定性,实现越野车型前悬架性能的优化,以某SUV的前悬架为研究对象,以多体动力学为基础,利用ADAMS/Car软件建立了某中大型SUV的前悬架装配动力学模型.采用灵敏度分析选取对前轮定位参数影响大的关键点作为优化变量,基于响应面法建立了3种阶次的响应面模型.在MATLAB中运用遗传算法得到了响应面模型目标函数的最优解,最后对各优化结果进行对比分析.研究结果表明响应面法能较精确地表示前轮定位参数,遗传算法优化可以明显减小前轮同向跳动过程中定位参数的变化量.     

聚醚二胺和异弗尔酮二胺在空气中的反应特性

聚醚二胺与异弗尔酮二胺同为二胺,两种结构中的氨基及其邻近基团的化学环境相似,但是,二者在空气中放置后却有着明显不同的表观现象。为此,本文采用质量跟踪分析、FT-IR跟踪分析、¹H-NMR分析对二者与空气之间的反应进行了研究。结果表明,随着放置时间的增长,聚醚二胺与异弗尔酮二胺的质量都有明显的增加。从FT-IR和¹H-NMR结果分析,聚醚二胺在空气中放置后,结构没有明显变化,其质量的增加只是由于吸收空气中的水份而造成的;而异弗尔酮二胺在空气中放置后,结构发生很大的变化,生成了大量的羧酸盐的结构,表明其质量增加是由于与空气中的CO₂反应而致。提出了导致聚醚二胺与异弗尔酮二胺的反应活性差别的主要原因是聚醚二胺形成了氢键,导致氨基活性下降,并建立了氢键模型。     

软土地基施工及质量控制

文中通过黑龙江省鸡西至讷河公路鸡西至拜泉段软土地基施工及质量控制实践过程,介绍软基土质的基本性质及鉴别方法,对软基处治的材料质量提出了要求,同时还阐述了软土地基施工及质量控制的方法。     

基于卷积神经网络的多天线Polar码联合解调-解码方案

为了验证运用神经网络进行信道解码的可行性,利用其提高短码长Polar码的译码准确率,提出了一种基于卷积神经网络(convolutional neural network,CNN)的多天线(multiple-input multiple-output)Polar码新颖联合解调-解码方案.搭建了一种包括4个卷积层,2个全连接层和1个输出层的卷积神经网络,采用最小均方误差作为损失函数,通过计算机生成了Polar码编码的多天线数据并对网络进行训练,使训练得到的神经网络能很好地提取出Polar码比特间的关系特征,从而拟合出Polar码译码函数.仿真结果表明,在相同信噪比条件下,基于CNN的Po-lar码联合解调-解码方案的误码率优于已有的基于全连接神经网络方案;所提方案在不同码率的仿真实验中的误码率皆优于基于全连接神经网络方案,损失曲线的收敛速度更快,显示了基于CNN的Polar码联合解调-解码方案具有更好的泛化能力和学习能力.