仿生工程学的新进展：对动物和植物的基本理解

由国家自然科学基金委员会主办，吉林大学地面机械仿生技术教育部重点实验室承办的国际仿生工程学学术会议（International Conference of Bionic Engineering，ICBE’06）于2006年9月18-20日在长春市举行。     

提高图书馆导读质量刍议

和谐图书馆是和谐社会的一个重要组成部分,它的最根本体现是图书馆与读者的和谐相处。应努力提升图书管理人员的服务理念、文化素质以及导读手段,以提高图书馆导读质量,促进图书馆与读者的和谐相处。     

以能力本位课程体系推进高职院校音乐表演专业课程改革

高职音乐表演专业是对高职音乐类专业的在校高职生所进行的一种以就业为导向,强调技能适用,直接针对职业岗位的教育.要求毕业生具有诚信、敬业的良好职业素质,能适应在艺术团体、基层企事业单位工会、社区文化宣传工作,从事基层群众性文艺活动的组织、辅导、演出、创编等活动.通过对四大类职业群落(机关事业单位、企业、文化教育传媒机构、自由职业者)不同单位不同职位的社会人士开展<淄博职业学院音乐表演专业职业能力及市场需求调查问卷>状况进行分析,提出高职院校音乐表演专业的职业能力定位,并依据调查分析结果提出以能力本位课程体系推进高职院校音乐表演专业课程改革的课改新思路.     

“天下”视界下的冲突法理论论略

"冲突法理论"应当被理解为对于"为何适用外国法"做出解释的理论。作为一种中国式世界观表达的"天下"理念为我们思考"为何适用外国法"的问题提供了一个全新的视界。在"天下"的视界下,冲突法理论将由工具和技术层面的考虑和计算提升至精神气质层面,并基于"无外"的原则在"和而不同"的框架下形成适用外国法的精神自觉。     

羟基磷灰石/钛网状复合材料的制备及其性能

以Ca(OH)2和H3PO4为反应物,通过溶胶-凝胶法制备了羟基磷灰石(HA)粉体;用机械混合法制备了TiH2包覆HA的粉体;用热压法制备了纯HA陶瓷材料及HA/Ti复合材料.XRD相分析结果表明:通过溶胶-凝胶法制备的HA粉体,经过900℃煅烧2 h后,粉体的主晶相为HA,有少量的CaO;HA/TiH2包覆粉末经1 050℃热压后,复合材料中的主要相是HA和Ti,同时出现了Ca2P2O7和Ca3(PO4)2相.1 050℃热压的HA/25%Ti(体积分数)复合材料的断裂韧性为2.4 MPa.m-1/2,抗弯强度为54 MPa,均高于纯HA材料.显微组织的观察表明金属钛在材料中呈网状分布,网状...     

非线性广义相关系数及其R语言实现

为了克服以往的相关性指标所存在的线性相关性和信息损失的问题,以期为实际应用工作提供一种新的多变量间的非线性相关分析方法.本文采用四阶矩法,提出一种用于描述变量间或向量间的相关性程度的广义相关系数,且该广义相关系数计算简单,无信息损失,并能度量变量之间的非线性相关性.并用R语言编写该函数包,便于应用工作者使用,且丰富了R语言中的函数包.     

考虑抑制耦合关系的5G业务故障分析方法

5G网络业务对基础设施的共用关系使得其业务故障逻辑更为复杂,具体体现在业务故障间耦合关系的形成。其中抑制耦合作为一类特殊的业务故障耦合关系,体现了业务故障间此消彼长、相互抑制的关联关系,极大程度上影响着业务的运行情况。为了对抑制耦合影响下的5G业务故障进行分析,本文基于对业务故障间抑制耦合关系的考虑,提出了耦合故障树分析方法,基于该方法本文实现了对抑制耦合关系影响下业务故障的解析评估。5G轮胎吊案例的分析与对比,证明了本文所提方法的有效性。     

江西省小流域山洪因子敏感性分析与灾害风险评估

江西省山洪灾害频发,造成严重的社会经济损失和大量人口伤亡,定量表征各因子对山洪灾害的影响以及评估山洪灾害风险的空间分布,对山洪灾害的预警体系建立及重点防范区域确定具有科学参考价值。本文研究以江西省小流域为基本单元,从危险性、承灾体和易损性三个方面选取共计36项因子,利用主成分分析(principal components analysis, PCA)最终筛选出12个关键因子。基于关键因子,使用确定性系数(certainty factor, CF)、多因子叠加权重计算,结果表明：易损性因子对山洪灾害风险的相对贡献较大,危险性因子中汇流时间为1.15～2.20 h、坡度为11°～22°、年最大6 h降雨量均值小于81.02 mm时和6 h设计暴雨变差系数小于0.42,为山洪灾害风险的敏感区,承灾体因子对山洪灾害风险的相对贡献较小。江西省较大风险以上小流域占比为25.47%,其中东北部的饶河、西南部的修水、中部抚河流域和信江上游、西南部的赣江上游山洪灾害风险大,尤以景德镇、上饶市和赣州市为甚,鄱阳湖流域及西南和西北部的修水流域山洪灾害风险小。     

基于U-Net的矿山微震初至拾取研究

初至到时拾取是微震数据处理中基础而又重要的环节,关系到整个微震监测系统的精度与可靠性。因此,为了解决传统初至拾取方法存在拾取效率低和拾取精度差的问题,引入深度学习方法,构建U型神经网络(U-Net)来预测三分量矿山微震数据P波、S波和噪声的概率分布,并根据概率峰值提取其初至到达时间。实验结果表明：本文算法的拾取结果准确度高且误差范围较小,与AR pick (auto regression pick)算法相比,其拾取结果具有明显的优越性。所构建的初至拾取模型可用于矿山动力灾害微震监测,解决微震监测的瓶颈问题,为矿山安全生产风险智能监测预警提供强力技术支撑。