原位生成NbC增强YCF102熔覆层热力学与耐磨性研究

熔覆层性能难以满足特定的工艺要求，已成为限制激光熔覆发展的关键因素之一.鉴于此，在45号钢基体上制备出原位生成NbC增强YCF102熔覆层，并进行了热力学分析.通过XRD，SEM和EDS对其微观形貌及组成成分进行了分析，对其显微硬度及耐磨性进行了研究.结果表明:激光功率的改变对激光熔覆过程中原位反应的反应程度有显著影响，过大或者过小的激光功率均会对原位反应的发生起到抑制作用;YCF102熔覆层中原位生成的NbC颗粒的主要形态为四边形和花瓣形;当激光功率为525W时，原位生成NbC增强YCF102熔覆层具有较高的显微硬度及良好的耐磨性.     

安庆CGCS2000坐标转换的设计与实现

分析现有自然资源和规划空间地理信息数据,利用国家全球导航卫星系统和区域似大地水准面精化成果,构建安庆独立坐标系与2000国家大地坐标系转换关系,采用平面四参数转换模型,自主研发2000国家大地坐标系转换软件,实现空间地理信息数据的大地基准转换.     

两个新的q级数展开式

利用拉马努金西塔函数，建立两个新无穷乘积系数子列的生成函数，并且得到这两个无穷乘积系数的符号是以5为周期的。     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

整体最小二乘法与最小二乘法的差异性分析

加权整体最小二乘法(WTLS)估计变量误差模型(EIV)参数需要进行大量的矩阵运算,为了提升估计EIV模型参数的计算效率.本文以WTLS的平差准则为出发点,运用矩阵运算定理,研究了WLS与WTLS平差准则之间的联系,从理论上证明了最小二乘法(不加权)与整体最小二乘法(不加权)估计EIV模型参数的等价性;同时分析了在EIV模型参数是微小量的条件下,用加权最小二乘法(WLS)直接代替WTLS估计EIV模型参数的可行性.模拟结果表明,在坐标转换参数是微小量的情况下WLS和WTLS的解算结果基本一致,验证了理论分析的正确性.     

大气硝酸盐中氧同位素异常研究进展

硝酸盐是大气中的主要污染物,其前体物NO_x(NO+NO_2)参与大气中多种光化学反应,可以改变大气氧化特性,有利于细颗粒物的形成,影响气候系统与人类健康.硝酸盐氧同位素异常(Δ~(17)NO_3~-)是解析大气硝酸盐生成途径的有力手段.本文对大气硝酸盐氧同位素异常的研究进展进行了综述.首先列举了测试大气硝酸盐三氧同位素(~(16)O, ~(17)O和~(18)O)的前处理方法(热解法、细菌法和化学法),并对比了全球范围内大气硝酸盐氧同位素异常的时空分布特征.其次总结了大气中硝酸盐生成的主要途径及其氧同位素质量守恒,讨论了大气硝酸盐中氧原子的可能来源及其氧同位素异常值,评估了全球及典型区域尺度上氧同位素异常的模型.最后对大气硝酸盐氧同位素异常的未来研究方向进行了展望.     

内耳毛细胞静纤毛高度调控分子机制

内耳毛细胞(hair cell)是动物感知听觉和平衡信息的感受器细胞，负责将机械能信号转换为电信号(即机械-电转换，简称为MET)，因位于其上表面的细胞突起——纤毛束(hair bundle)而得名。每个毛细胞的纤毛束包括一根以微管蛋白为骨架的动纤毛(kinocilium)和多根以肌动蛋白为骨架的静纤毛(stereocilia)。动纤毛在纤毛束的发育过程中发挥重要作用，而静纤毛对于机械-电转换必不可少。每个毛细胞中的静纤毛组织成多排高度不同的阶梯状结构，其发育和维持受到严格调控。近年来，随着蛋白质组学、转录组学、超高分辨显微镜等技术的发展，人们对静纤毛高度调控分子机制的认识越来越深入，但仍有很多问题亟待回答。文章对目前已知的静纤毛高度调控的分子机制进行简要介绍。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。     

基于生成对抗网络的信号调制方式的开集识别

为解决信号调制方式的开集识别问题,基于生成对抗网络提出了一种适用于一维信号数据的重构判别网络模型,该模型由重构网络和判别网络组成,分别用来重构和判别输入信号。两个网络在相互对抗的训练过程中,对已知调制方式信号的数据分布形式充分学习,使得重构后的输出不仅能够呈现已知调制方式信号更多有用的信息,而且能够扰乱未知调制方式的信号,从而增强判别网络对输入信号调制方式的判别能力。仿真结果表明,该模型能够实现信号调制方式的开集识别,而且在信噪比大于0 dB时,对已知调制方式和未知调制方式信号的识别率均大于93%。     

情绪语法与身体感觉还原论——维特根斯坦论詹姆士的情绪理论

詹姆士的情绪理论是维特根斯坦考察情绪概念的主要思想背景,其理论要点在于否认情绪具有独立性并把它还原为对身体变化的感觉意识;在情绪和身体反应的关系问题上,詹姆士也持有和常识的观点颇为相悖的看法,即,认为身体反应引起情绪而不是相反。维特根斯坦对詹姆士情绪理论的立场大致经历了一个从理解到批评的转变,这种转变的背后是他对詹姆士情绪理论经验主义前提的批评。维特根斯坦考察了情绪与感觉两个概念之间的语法联系和区别,从他的概念考察法的"综观"立场批评了詹姆士经验主义前提的基础主义倾向。