带对合范畴中态射的(1,…,i)—逆

在文[1]—[5]的基础上,本文给出了带对合范畴中态射的（l,…,i）—逆的定义,进一步得到了具有三重分解的态射f的f{1,2,3}、f{1,2,4}的具体表达式。     

含幺交换环R上有限生成模不同基的势相等的证明

定理设R为含幺的交换环,S和T是有限生成自由R—模M的两个基,则|S|=|T|。证法1 设S={x_1,x_2,…,x_n},T={y_1,y_2,…,y_m}为R—模M的两个不同基。由于R是含幺交换环,知存在R极大理想m,使k=R/m为域。下边考虑R—模M的子模:而M/mM可视为R—模,但,故M/mM可作为R/m—模。另一方面,S={x_1,x_2,…,x_n}是M的基,可知是R/m—模M/mM的生成元而且是k=R/m线性无关的。     

灵长类泌乳刺激素基因的插曲式进化

采用PCR方法从4个灵长目物种中获得了泌乳刺激素(Prolactin, PRL)基因的第2~5外显子的序列, 结合GenBank中已有的序列, 计算了PRL基因在灵长目中的氨基酸替换速率. 对异义替换速率和同义替换速率进行比较的结果显示, 在灵长目进化的过程中未发现任何一个枝系有正选择作用的迹象. 此外, 用最大似然(Maximum-Likelihood, ML)法没有检验到任何一个受到正选择作用的位点; 在快速进化时期内发生的所有32个氨基酸替换中, 只有2个位点包含在功能重要的40个氨基酸之内, 提示所发生的氨基酸替换主要集中在功能上并不是很重要的位点上. 此外, 在PRL基因的快速进化过程中, PRL的部分功能被胎盘泌乳刺激素(placental lactogen, PL)所替代. 基于以上原因, 推测发生在灵长目PRL基因的快速进化很可能是选择压力的放松, 而不是正选择作用的结果.     

水相中表面活性型月桂酸催化类Mannich反应合成3-胺烷基吲哚

在水相中、温和条件下以表面活性物质月桂酸为催化剂,通过类Mannich反应由芳香醛、吲哚和二级胺三组分合成3-胺烷基吲哚衍生物。催化剂月桂酸具有安全无毒、廉价易得、高效等优点。反应过程无需使用金属催化剂,反应条件温和、操作简便,避免了使用有机溶剂,不仅产率良好,而且具有原子经济性好(原子经济性为94.5%)、环境因子较小(环境因子为0.441)的特点。     

“死而复生”原型在文学意象中的体现

用“神话学”方法分析“鱼”、“水”两个文学意象及其所包涵的“死而复生”原型意蕴,我们可以发现,“神话”对现代人具有灵魂拯救、生命自由的意义。     

燃料电池汽车动力系统及能量管理策略研究进展

动力系统是燃料电池汽车(FCV)的核心,可分为单一式系统与混合动力系统两大类,其中,将燃料电池与辅助电源相结合组成“电-电”混合动力系统,已成为业界主流。本文根据辅助电源类型的不同,提出3类FCV混动系统的构建方案,分别为燃料电池+动力电池方案、燃料电池+超级电容方案、燃料电池+动力电池+超级电容方案,并对各方案的优势和劣势进行比较。同时,本文综述了近年来国内外学者提出的面向FCV的代表性能量管理策略,从理论基础与求解方法的差异出发,将现有燃料电池汽车的能量管理策略分为3类：基于规则定义的策略、基于最优化方法的策略以及基于机器学习的策略,并总结了各类策略在最优性与实时性等方面的优势和劣势。其中,基于规则定义的策略最易实现,在工程应用中最为普遍,但无法实现性能最优;基于最优化方法的策略能够接近甚至达到理论最优,但存在计算量过大、计算耗时过长、实时性差等问题;以强化学习为代表的基于机器学习的策略有望在最优性与实时性之间实现理想的平衡,但目前还存在模型训练耗时长、试错代价高等困难,在实车应用层面还存在一定挑战。基于文献研究与分析,本文提出以下观点：1)以大功率燃料电池为核心的功率混合型系统是...     

关于Z[√c]环

给出Z[√c]环的定义,并定义Z[√c]环上的元素范数;讨论Z[√c]环关于任意主理想的商环的个数,进而得到Z[√c]中主理想是极大理想的充要条件,特别在Z[√c]是主理想整环的条件下,得到了Z[√c]的元素是素元的充要条件.     

一类不等式的证明

利用多元函数的极大值 ,极小值及正定或负定二次型理论给出了一类广泛的不等式     

基于区域滤波和深度置信网络的SAR图像分类算法

合成孔径雷达(synthetic aperture radar, SAR)图像分类是遥感领域最重要的课题之一。然而,SAR图像特征提取的困难和相干斑噪声的存在都严重影响了SAR图像分类的准确性。为了克服这些问题,文章提出了一种新的SAR图像分类算法。该算法将相干斑去噪技术和深度置信网络相结合,在通过深度置信网络对SAR图像进行无监督的学习和特征提取的同时,提出了区域滤波的方法来减少相干斑噪声对分类结果的影响。实验采用了不同噪声水平的合成SAR图像以及由RADARSAT-2获取的真实SAR图像进行测试。实验结果表明,与传统的分类方法相比,该算法在噪声鲁棒性和分类能力方面都有良好的改进;同时,该算法在边界区域具有优秀的分类能力。