木霉菌属的定义及其属下分类

本文总结了木霉菌属的界定以及木霉菌属的属的属下分类。Bissett等人把木霉菌属（Trichoderma）分为5个组，共31个种。Hypocreanum组包括一个种，即T.lactea;Longibrachiatum组包括4个种，即T.lonibrachiatum,T.citroviride,T.pseudokingii和T.parceramosum;Saturnisporum组包括2个种，即T.saturnisporum和T.ghaneuse;Pachybasium组包括20年种，即T.crassum,T.craoceum,T.faxciculatum,T.fertile,T.flavofuscum,Trichoderma anamorph of Hypocrea gelatinosa,T.harzianum,T.harzianum,T.longipilis,T.minutisporum,T.oblongisporum,T.polysporum,T.pubescens,Trichoderma anamorph of Hypocrea semiorbis,T.spirale,T.strictipilis,T.strigosum,T.tomentosum和T.virens;Trichoderma组包括4个种，即T.viride,T.aureoviride,T.koningii和T.atroviride。以上是木霉菌属目前最完整的分类体系。     

高血压的定义与分类

血压水平与心血管病危险呈连续性相关,高血压的定义是人为的.我国四次修订高血压定义,与目前国际上两个主要的高血压治疗指南的血压分类基本一致.     

借代的定义和分类辨析

关于借代的定义和分类，前人多有论述，但仍存疏漏之处，应该加以补充和修改。     

软件模式的定义和分类研究

软件模式的本质属性是反映软件开发过程中思维方式和表现,这是软件模式定义的内涵;语境、问题、解决方案和效果等是软件模式的外延．从定义的普遍意义八手,分析软件模式的内涵和外延,对软件模式的定义作初步的研究．同时。对于软件模式的分类问题做进一步的探讨．科学地定义软件模式和对软件模式进行分类,是不断发展和完善软件模式体系的重要问题．     

研究与发展三分类定义与科学政策

三分类定义已成为我国制定科学技术政策的主要依据,但实际工作中却存在种种困难本文的目的,是对联合国教科文组织科学研究活动三分类定义提出质疑和讨论。促使我关心这组定义进而提出疑问的,首先是中国的实践。最近几年,中国科学技术界有两件大事,一是全国科学技术普查,这是建国以来的首次,从此我国科学技术统计工作建立了国际通用的规范;二是全国科技体制改革。这两件大事都和科学研究活动的性质分类密切相关。1986年以后联合国教科文组织提供的科技统计指标体系,已成为我国科技统计的主要依据。联合国教科文组织对三类科学研究活动下的定义是:     

学习资源的定义和分类综述

中国的教育技术是从国外翻译过来的,是在原来电化教育的基础上发展起来的,在界定学习资源时与国内教育技术研究者与国外研究者们有相同也有不同之处;在学习资源的划分上更多依据AECT的定义.     

谈谈注释的定义、分类及编排

文章从分析、注释与注明的异同入手，正确指出注释含义，同时对注释的分类及编排方式作了明确阐述。     

隐性知识的定义、特征及分类

文章论述了隐性知识的定义、特征及其分类,并指出图书馆工作中存在隐性知识,图书馆加强隐性知识研究的重要性.     

关于语境的定义及其分类的新思考

本文结合实际话语材料考察影响话语含义及其交际功能的诸多因素,从广义的角度将这些因素的总和定义为语境;并在此基础上提出将语境划分为语言语境,自然语境和社会语境三个大类的新设想。     

基于可靠度敏感性的神经网络法研究边坡稳定性

针对边坡工程结构功能函数不能显式表达的可靠性分析问题和非线性问题计算量大的弊端．研究结构可靠度敏感性,提出参数的相对敏感性分析方法,并基于该方法提出了神经网络法分析边坡稳定性。具体思路：由可靠指标对随机变量分布参数的相对敏感性分析,确定边坡可靠度主要影响参数;用神经网络模型近似替代响应量与基本变量间的隐式极限状态函数,根据蒙特卡罗模拟法,对网络模型进行可靠度分析,求解结构可靠度指标。基于可靠度敏感性的神经网络法．对均值和成层边坡进行稳定性分析,与传统可靠度计算方法相比．结果表明：该方法分析边坡稳定性是准确的且具有较高的计算效率。     

基于实向量输入的角分类前向神经网络研究

快速分类是在线信息检索研究者关注的热点 .角分类前向神经网络是一类快速分类神经网络 .给出了一个新型的由两种神经元混合构成的神经网络 ,定义了相应的网络拓扑、学习算法和动力学行为 .分析表明 ,该网络的学习的时间复杂度是线性的 .实验表明 ,与二值神经元构成的神经网络相比 ,该网络在满足快速分类要求的同时 ,其分类准确率有显著的提高     

一种基于组合神经网络的数据分类方法

为了克服单一Kohonen网络和BP网络用于数据挖掘的缺点,提出了一种基于Kohonen和BP组合神经网络的数据分类方法,并给出了该分类方法的基本思想和算法描述.电力变压器故障诊断的仿真实验结果表明,利用该分类方法可以提高数据分类的精确性.     

纹理特征抽取和纹理识别的神经网络系统

本文提出一个纹理特征抽取和纹理识别的神经网络系统,它含有一基于纹理回归模型的特征抽取网络和一个纹理识别的多层神经网络,尤其是前者是一个能求解回归系数的,神经网络,不仅解决了纹理特征抽取问题,而且解决了一大类采用最小二乘估计的应用问题,因而具有一定通用性.     

应用神经元网络进行道路季节分类

道路的破坏是一个损伤的积累过程,道路的性能预测实际上是应用力学法或经验法,对路面损伤积累过程的模拟.在模拟过程中通常将路面的使用寿命分成若干子时间段.为了合理确定路面结构设计时的输入参数,通过自组织特征映射神经网络,结合Matlab软件,根据温度等几个重要参数对道路进行季节分类,然后根据分类结果进行路面结构分析与材料设计.实践证明,该方法分类效果良好,能很好地解决路面设计参数的合理确定问题.     

基于卷积神经网络的图像分类研究进展

基于卷积神经网络的图像分类算法的优势是传统方法无法比拟的。卷积神经网络利用其设计好的网络结构和权值共享的特点,能够从数量庞大的训练数据中学习图像底层到高级语义的抽象特征,而且端到端的学习省去了在每一个独立学习任务执行之前所做的数据标注。多年来,卷积神经网络经过科研人员的探索和尝试,从最开始的多层神经网络模型,演变出多种优化结构,性能不断提高。本文介绍了基于卷积神经网络图像分类算法的研究进展,叙述了卷积神经网络在图像分类中的经典模型和近年来的改进方法,并对各个模型进行分析,展示各种方法在ImageNet公共数据集上的性能表现,最后对基于卷积神经网络的图像分类算法的研究进行总结和展望。     

基于改进的卷积神经网络邮件分类算法研究

针对传统文本分类方法中出现的维度过高和数据稀疏问题,通过对卷积神经网络(Convolutional Neural Network,CNN)和 inception V1 模型的深入研究,将两个模型融合起来,提出了一种基于 i-CNN 模型的 邮件分类方法;在卷积、池化操作中加入了 1×1 卷积核降低特征向量的厚度,减少了参数,提高了计算性能; 通过数据验证,i-CNN 模型对邮件的分类结果高达 92. 18%,在对比实验中,i-CNN 模型相对于几种机器学 习分类模型,取得了最高的分类精准率,在有无 inception 结构模型对比中,i-CNN 模型精准率高于 CNN 模 型;说明该模型具有较好的分类效果,且 inception V1 模型的融入能提高文本分类的准确率。     

基于SOM网络的教学质量分类评价

建立了自组织特征映射(SOM)神经网络的教学质量分类评价模型,以湖北某高校某系24个教师的教学质量情况为研究对象,进行了分类和评价.通过分析得出了一些有价值的结论,同时验证了模型的有效性.     

基于数学形态学和神经网络的纹理分类

本文提出一种基于数学形态学和神经网络的纹理分类方法．首先运用数学形态学的开、闭运算提取纹理图像的特征,然后用ＢＰ神经网络对纹理进行分类．实验证明这种方法是有效的     

基于神经网络的道路季节分类

为了合理确定路面结构设计时的输入参数,引入自组织特征映射神经网络,结合Matlab软件对神经网络进行权值训练,将网络训练是否收敛来作为分类的依据,根据温度、交通量和降雨量等几个重要参数对道路进行季节分类,最后按照分类结果进行路面结构分析与材料设计.实践证明,该方法分类效果良好,能很好地解决路面设计参数的合理确定问题,从而大大延长路面的使用寿命,提高道路投资的经济效益.     

一种适用于模式分类的模糊粗隶属函数神经网络

在设计模式分类器时,由于很难甚至不可能获得实现精确分类的所有必要的本质特征属性,使得在进行分类时出现模糊不确定性和粗糙不确定性并存的情况.基于模糊粗糙集理论,本文构建了一种模糊粗隶属函数神经网络FRMFN.该网络融合了模糊信息和粗糙信息的处理能力,在对加拿大Norman Wells地区的红外波段合成图像进行分类的测试中,显示FRMFN网络具有比相应RBF网络更好的分类精度,同时保留了RBF网络学习速度快的优点.