简论西方侦探小说之叙事模式化

对近百年来欧文美学批评界的有关侦探小说叙事的研究做了回顾。论述了注重读者反映的早期批评；形式主义－结构主义贯穿其中的中期批评；承先启后，面向未来的近期批评。集中分析了研究者有关侦探小说叙事之内在的自我观照性和互文性问题的论述。     

具有hollingⅢ类功能反应的非自治捕食系统概周期解

讨论了一类具有hollingⅢ类功能反应的非自治捕食概周期系统，得到了该系统存在的唯一一致渐近稳定概周期解的充分条件。     

连铸坯角部传热过程的数值模拟

在连铸理论与实践研究的基础上，提出了系数法铸坯角部热通量模型，为准确研究铸坯角部传热、应力和角部缺陷的产生提供了条件。     

荧光光谱法对中药注射液热稳定性的研究

首次采用荧光光谱法对中药注射液热稳定性进行初步探讨.发现在恒温(40℃、80℃)条件下、不同中药注射液随时间变化的荧光强度和荧光光谱图,呈现出规律性的变化.通过对其谱图和荧光强度的分析,能够反映出恒温(40℃、80℃)条件下,随时间变化的荧光光谱的差异,不同温度对谱峰强度的差异性影响及不同注射剂热稳定性变化曲线的差异.找出了不同温度下不同中药注射液荧光强度减弱10%的时间.     

信息技术和教学方式的改革

主要阐述了信息技术给教学方式带来的深远影响，以及21世纪教师掌握和应用信息技术以辅助教学的必要性。     

应用型高技能数控人才实训模式的研究——以井冈山大学工学院为例

本文介绍了应用型高技能数控人才的培养目标,从加大设备投入、安装通用软件、保证学生实践时间、建立一支高水平师资队伍、加强校企合作这些方面着手,建立了一套较为完善的实训模式,以增强学生的编程、操作、软件应用等方面的能力。     

神经网络在电磁场数值问题中的应用

针对目前电磁场数值处理中计算繁杂慢速和耗费资源过多的问题,本文提出了一种基于神经网络小波理论进行计算的新方法。文中着重介绍了利用小波变换神经网络的基本理论,结合电磁场数值计算的基本方法,推导变换进而得到一个通用公式和处理方法。在该方法中,神经网络学习内容少和数据处理简单,因此该方法具有计算速度快,占用资源少的优点,并有用硬件实现的前景。     

中日佛寺建筑与自然关系的比较研究——中国南北朝时期与日本飞鸟时期

比较分析同一时期（中国南北朝时期与日本飞鸟时期）中日两国佛寺建筑与自然的关系，发现虽然两国佛教理念相同，但中国南北朝时期是玄学境界型建筑自然观，而日本飞鸟时期则是神道意识型建筑自然观。中国南北朝时期的佛寺建筑及其自然观是日本飞鸟时期的母体，而日本飞鸟时期则为研究中国南北朝时期的这一关系做旁证。     

不连续二阶周期边值问题的可解性

考察了一类非线性项含有一阶导数的二阶周期边值问题的解的存在性,其中非线性项是Carathèodory函数.通过构造非线性项的高度函数并且利用Leray-Schauder不动点定理建立了两个存在定理.第一个定理表明只要高度函数的积分是适当的,这类问题至少有一个解.第二个定理表明当非线性项在无穷远处增长的极限是一个无界函数时在适当条件下这问题仍可能有一个解.     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.