子域映射快速排序法研究

文献[1]提出的算法,数据最大值与最小值之差E>>N(N为数据个数),且数据字长时,排序速度下降。究其原因,主要是字长数据被压缩落入同一级别次数太多。本文提出保持文献[1]主要特点的子域映射算法,字长数据被切分而不压缩,扫描次数减少,保证     

浅析电子汽车衡故障及处理措施

文章对电子汽车衡的结构组成及工作原理进行了分析，介绍了关于其故障的查找及排除方法，为电子汽车衡的故障处理提供了有效措施。     

深基坑土方开挖工程质量通病与防治措施

文章主要介绍了提速道岔常见的故障现象以及查找的方法,并对其故障进行处理。     

提速道岔故障分析及查找方法

文章主要介绍了提速道岔常见的故障现象以及查找的方法,并对其故障进行处理.     

面向合成生物学的机器学习方法及应用

机器学习的目标是设计可以根据先验知识和观测数据不断改进其性能的算法.该算法可以帮助机器从大量的数据中提取知识,从而提升其在特定任务上的性能.作为数据驱动的方法,机器学习可以有效利用高通量实验技术产生的大批量生物数据,实现合成生物体的功能预测与智能化设计,改变合成生物学的研究范式.本文首先介绍机器学习在合成生物学领域广泛应用的几个模型及方法,如支持向量机、神经网络、生成式对抗网络、深度强化学习等.然后介绍机器学习方法在合成生物学领域的典型应用,如启动子预测、酶催化设计、代谢途径构建、基因线路设计等.本文综述面向合成生物学的机器学习方法及应用,并试图启发读者如何选择和设计机器学习方法用于合成生物学的研究.     

HJ-1A星干涉成像光谱仪数据业务化光谱重建

2008年9月6日, 环境减灾小卫星星座A/B星(HJ-1A/B)成功发射. HJ-1A星上搭载的干涉成像光谱仪是我国第一个对地成像的星载高光谱相机(HSI), 同时也是世界上第一个基于干涉成像原理设计的民用高光谱成像仪, 具有极为重要的研究与应用价值, 是我国星载高光谱相机发展的一个重要里程碑. 针对HSI原始干涉数据的特点, 研究并建立了HSI数据业务化处理流程与光谱重建的算法, 尤其针对干涉数据的预处理, 设计了CCD相对辐射校正、全系统校正、滤波、相位修正、切趾等数据预处理算法. 目前, 该光谱重建流程与算法已在中国资源卫星应用中心多星多任务地面数据处理系统中得到实施和应用, 具有极高的运行效率与较理想的处理质量.     

高度近似最佳2-3树

2-3树是一种很重要的平衡搜索树。文献[1]中叙述了2-3树(也叫3-2树)的定义(在每个内点上存放一个或两个关键字,且分别具有两个或三个儿子点;所有外点在同一层上)。显然,具有N个关键字的2-3树,其高度h在log_3(N 1)≤h≤log_2(N 1)之间。在这种树上的最坏搜索时间是O(h)。文献[1]中还给出了对它的O(h)时间的插入算法。通过该插入算法插入每个随机关键字而生成的2-3树叫动态自由2-3树。文献[2]研究了N→∞时这     

三元体系KCl-H_2O-DMA和KCl-H_2O-DMF25℃时相平衡研究

对KCl,H_2O和酰胺溶剂构成的三元体系,文献中仅有体系KCl-H_2O-FA(甲酰胺)的研究报道,尚未见到KCl-H_2O-DMA(N,N-二甲基乙酰胺)和KCl-H_2O-DMF(N,N-二甲基甲酰胺)的相平衡研究。本文研究了上述两个体系在25℃时的溶度,考查了混合溶剂中酰胺含量对KCl溶度的影响,讨论了KCl对H_2O-酰胺溶剂缔合状态和物理化学性质的影响。同时为在混合溶剂中综合利用钾盐积累一些数据,为进一步研究含KCl的四元体系打下基础。     

基于深度学习的药物设计方法

药物研发是一个长周期、高投入和高风险的过程。随着科学技术的不断革新，生物医学数据呈爆炸式增长，为深度学习技术在生物医药领域的应用带来了契机，同时也为加速新药研发赋予了前所未有的希望。文章围绕药物设计流程，简要介绍深度学习算法在药物靶标发现、分子生成、基于配体的药物设计和基于结构的药物设计4个主要环节中的应用和研究进 展。     

碳基纳米管的生长机理、结构调控及能源导向的功能化研究*

简要介绍了以苯为原料生长碳纳米管的六元环机理,运用该机理的基本思想设计制备了N,B掺杂的碳基纳米管,方便地构建了高分散的铂基纳米复合催化剂,在燃料电池电极催化反应（甲醇氧化、氧还原）中具有优良的电催化性能。富电子N或缺电子B的掺杂均可将碳纳米管转变为优良的无金属氧还原催化剂。这些研究为设计和开发替代或优化利用贵金属的高性能燃料电池催化剂提供了新的思路、方法和途径,展示了碳基纳米管在新型能源材料领域的广阔前景,也体现了基础研究在科技创新中的重要作用。     

H1N1甲型流感全球航空传播与早期预警研究

一种新型流感(H1N1甲型流感)已经全球蔓延. 早期的研究显示, 在没有采取防控措施的情况下, 国际航空旅行可能引发一次严重的全球流感大流行. 在本研究中, H1N1甲型流感早期在墨西哥和美国的爆发被运用于SEIR流行病传播模型, 用以估计该病毒的传染性及疫情初步参数, 构建了一个基于实时航空数据的新的空间传播模型以评估H1N1甲型流感从墨西哥传播到世界各地的潜在风险. 结果显示, H1N1病毒的基本再生数R₀约为3.4, 有效再生数随防控措施下降明显, 研究还发现西班牙、加拿大、法国、巴拿马和秘鲁是最有可能发生严重的流感大流行的国家.     

DSJ100-120可伸缩带式输送机的设计改进

从可伸缩带式输送机的结构特点及使用条件入手分析了在使用过程中存在的问题,根据问题查找原因,根据原因查找解决问题的方法,为使用者和设计者提供了有利参考。     

人工智能可依声预测手势

<正>日前,研究人员已经设计出一种人工智能程序,它可以完全基于你的声音了解你将如何移动。研究人员收集了10个人总长144小时的视频,使用现有的算法生成演讲者手臂和手位置的骨架图。然后,他们利用数据训练自己的算法,这样人工智能就可以根据演讲者最新的音频预测其手势。研究小组下一步计划不仅基于音频预测手势,还将根据文字记录来预测手势。     

自动布料系统的应用

从可伸缩带式输送机的结构特点及使用条件入手分析了在使用过程中存在的问题,根据问题查找原因,根据原因查找解决问题的方法,为使用者和设计者提供了有利参考.     

通过蛋白质互作网络预测已知部分功能的蛋白质的精细功能

基于高通量数据, 研究人员已经设计了许多算法用于寻找功能完全未知蛋白质的功能. 然而, 这些算法的效率受到一些根本因素的制约, 包括: (ⅰ) 功能完全未知的蛋白质参与一个精细功能的先验概率低; (ⅱ) 高通量互作数据中有大量的假阳性互作; (ⅲ) 蛋白质互作数据对功能类的覆盖不完全; (ⅳ) 训练算法的大量阴性样本数据是异质的; (ⅴ) 训练算法的蛋白质的精细功能知识不足. 因此, 本研究提出一种新的方法对已知部分功能的蛋白质进行功能预测, 即利用功能特异的蛋白质互作子网或者基因表达模式信息来寻找蛋白质更为精细的功能. 该方法能够通过恰当地定义预测范围和过滤假阳性数据减少上述提到的问题, 因此可以高效地发现蛋白质的新功能. 对于几千个已知部分功能的酵母与人类蛋白质, 该方法能够以超过90%的精确率找到它们更为精细的功能. 预测的精细功能对于指导随后的湿实验和提供必要的功能知识来学习其他蛋白质的功能都具有重要的意义.     

投弹问题及毁伤价值场图象解法

所谓设弹问题是这样一个问题:设有N枚威力和投掷精度不尽相同的炸弹,用来攻击敌国某区域中的M个价值和坚固程度不尽相同的目标,欲求如何配置这N枚炸弹的瞄准点,使得对这M个目标的打击效果达到极大.这是一个最优覆盖问题,具有NP难度.在实际中可以转化为无约束多变最量非线性优化问题,用逼近算法求解.关键在于选用何种模型,以及如何选择更好的初始化点.这方面的研究主要集中于美国AD报告之中,其中Boy的报告基本覆盖了这方面的     

天机在图表中泄露——介绍Excel 97的数据管理和图表功能

“让历史告诉未来”,在我们的柜子中抽屉里总是堆积着大量的历史数据,以备不时之需。不过靠人工管理数据工作量很大,在检索特定数据时费时费力不说,还常常不能找到所有的相关信息,以至影响判断的准确性。因此,在电脑日益普及的今天,大部分机构和个人都是利用数据库管理系统来存放、抽取和统计分析数据的,但是,数据库管理系统往往比较庞大复杂,对于大多数要求不是太高的场合,你也用不着杀鸡用牛刀,Excel就有十分灵活的数据管理功能。 在Excel中用于管理数据的结构叫数据清单,它由一个标题行和一系列数据行组成,中间不能有空行,     

面向分子科学的数据智能

分子科学是化学的核心,也是生物、材料、药学等学科的基础.传统的分子科学研究通过实验或理论手段进行,研究成本高、周期长,难以处理高复杂度体系.随着大数据时代的到来,数据驱动的人工智能研究已成为继实验、理论和模拟之后的第4种科学研究范式.数据驱动的机器学习凭借其快速高效的数据处理能力,在分子科学领域展现出巨大的发展潜力.尤其是在分子性质预测、分子设计、化学反应预测及逆合成、量子化学计算、自动化合成等领域获得了广泛应用.本文首先介绍面向分子科学数据智能研究过程中的3个关键部分,即分子科学开放数据集、分子描述符和机器学习算法;然后,列举机器学习在不同分子科学研究方向中的重要应用案例;最后,分析讨论该研究领域可能存在的挑战及潜在发展方向.     

图的二分问题唯一全局最优解实例与骨架计算复杂性

骨架分析是近年来理论计算机科学研究的热点, 对于NP-难解问题的启发式算法设计具有重要意义. 由于骨架计算复杂性研究十分困难, 现有的骨架分析方法多采用实验统计手段. 针对现有方法中存在的骨架规模小的缺陷, 给出图的二分问题GBP(graph bi-partitioning problem)的唯一全局最优解实例构造算法, 有效提高了骨架的规模. 同时, 利用该算法从理论上证明了寻找GBP问题的完整骨架属于NP-难解问题, 即在P≠NP的假设下, 不存在多项式时间的算法可以确保得到GBP问题的完整骨架. 本文的工作拓广了骨架计算复杂性研究的范围, 所提出的唯一全局最优解实例构造算法对于NP-难解问题启发式算法设计亦具有较高的参考价值.     

天然湿地演替带氮循环研究进展

氮(N)是天然湿地生态系统中最重要的组成成分和一种重要的生态影响因子,其主要来源有径流输入、大气沉降和生物固氮.天然湿地中N的迁移和转化主要发生在湿地演替带,演替带是生物地球化学活动比较强烈的缓冲区,常被视为湿地的N源、N汇和N转化器.演替带中N衰减主要是通过反硝化、厌氧氨氧化和湿地植被吸收等方式进行.本研究综合分析了影响湿地N循环的内部因素和人为因素,其中N来源主要受农业活动和化石燃料燃烧等人工因素的影响,而N衰减主要受氧浓度、可利用的碳和磷、酸碱度和氧化还原电位变化以及微生物活动等内部因素影响.在此基础上提出了湿地演替带中N循环未来的研究方向,为湿地N污染治理和湿地管理决策者提供科学依据.