电气试验中两个异常负值现象分析

介绍了在电气试验中遇到的两个奇异负值现象，探讨了造成这些现象的原因，并说明在工程实践中成功的解决方法。归纳了电气试验中消除干扰对电气试验结果影响的几点工作经验。     

乳腺癌PKCs表达与其分化程度的相关性

为了研究蛋白激酶C（PKC）和乳腺癌分化及转移的相关性，采用免疫组化SABC方法检测48例人乳腺癌的PKC蛋白表达，包括PKCα、βI、η和ξ等蛋白。结果表明，与分化低的乳腺癌对比，分化高的乳腺癌PKC蛋白表达水平提高。在临床I－II和III级的乳腺癌中，PKCη蛋白表达率分别为61．5％和9．1％，具有显著意义（P＜0．05），PKCξ蛋白表达率分别为92．3％和27．3％，具有极显著意义（P＜0．01）。另外，在乳腺癌未转移的病例中，PKCs蛋白表达水平普遍较高，其中PKCξ与肿转移相关性极显著（P＜0．01）。此外，PKCs蛋白表达水平与肿瘤患者年龄无关。以上结果提示，PKCη和PKCξ有可能作为评价临床乳腺癌分化和转移程度的指标之一。     

快速成型技术的典型方法比较

本文介绍了一种当今国内外最新制造技术—快速成型技术。对该技术的四种典型方法进行了较详细的分析和比较，并对快速成型技术的未来发展提出了自己的看法。     

An Improved S-Random Interleaver Design for Turbo Code Based on Chaos Model

A new method to design interleaver based on Henon chaos model is presented. The designed interleaver is with rather random behavior. Experimental results show that the proposed S-henon interleaver make a magnitude of im provement in bit error rate （BER） performance by 0.4 dB compared with the S-random interleaver for AWGN channel respectively. The S-henon interleaver may be adapted to 3G mobile communication systems.     

基于层面信息的路径优化

根据分层物体快速成型（LOM）中零件逐层累积的特点，从缩短加工时间、提高制件效率方面着手阐述了路径优化的必要性，针对LOM机的运动机理和软件数据结构，给出了扫描路径优化的原理，将图论中的便宜算法用于LOM机的扫描路径优化。     

高校素质教育与教师教育素质

素质教育提出了一种全新的人才培养观念，而素质教育的最终落实关键还在于教师。就教师的基本素质而言，必须具备相应的教育素质。但从目前高校教师的培养、任用等过程中可以看到：比较忽视教师的教育方面的素质。为改变这种现象，本提出了几点想法。     

谈北村《玛卓的爱情》的多声部叙事

20世纪80年代末90年代初，作为先锋作家，北村突出先锋小说的形式实验特点，写出了形式感很强的“者说”系列小说，而到了1994年的《玛卓的爱情》却转变到注重故事的讲述，以变换叙述者的形式，体现其先锋小说的特点，这种“多声部”的叙事方式造成一种音乐“混响”的艺术效果。     

完善内部控制制度 提高企业管理水平

分析了建立健全内部控制制度的必要性,提出了完善内部控制削度和提高管理水平的具体措施。     

基于自注意力机制的新生儿胆道闭锁识别

新生儿胆道闭锁是新生儿常见的致命疾病之一,并且该病在亚洲的发病率高于世界其他地区.新生儿胆道闭锁需要及时发现及时治疗,然而由于缺少专业的儿科医生和辅助诊疗手段,新生儿父母往往不能及时发现而错过了最佳治疗时间.因此,本文开发了一个具有实际应用价值的预诊算法,通过新生儿粪便图片预测新生儿是否患有新生儿胆道闭锁,并提醒新生儿父母及时就诊.为了让算法在应用场景下识别率更高,本文的算法基于一个真实场景下拍摄的新生儿粪图片数据集开发.首先我们设计了一个自注意力网络模型BANet(Biliary Atresia Network),将图片的浅层特征和深层特征相结合,可以得到更好的分类效果.由于拍摄自应用场景下的图片存在过暗和过曝等问题.通过分析数据集的亮度分布,我们设计了一个自动亮度调节算法解决.此外,图片中的阴影也会对识别结果造成干扰,因此我们在训练阶段增加了一种阴影数据增强方式来缓解这一问题.为验证本文提出算法的有效性,本文设计了一个和医生的对比试验.结果证明BANet在四分类的识别率、二分类的识别率、特异性和敏感性等客观评价指标上占有明显优势.本文提出的BANet能够有效利用图片中的颜色、异常点...     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.