以人文素质为核心构建设计类专业教学模式——以大连民族学院为例

针对国内设计教育的现状和存在的问题,提出以价值观为核心的人文素质教育是整个设计教育的基础。从培养目标、教学模式、实践环节以及评价机制等方面,论述适合设计专业的教学实践新模式的构建。     

超子耦合常数对中子星性质的影响

采用相对论平均场理论(RMFT)下的GL85参数组,在考虑超子(Λ,Σ+,Σ0,Σ-,Ξ0,Ξ-)自由度下,研究超子耦合常数的选取对中子星内粒子数密度分布、状态方程及质量-半径关系的影响.结果表明:随着超子耦合常数的增大,超子Σ-的出现密度增大,其他超子(Λ,Σ+,Σ0,Ξ0,Ξ-)的出现密度变小,状态方程变硬,中子星的引力质量变大而半径变小;当超子耦合常数从0.4增大到1.0时,中子星质量从1.36M⊙(M⊙=1.99×1030kg为太阳质量)增大到1.97M⊙,相应的半径由12.1km减小到11.3km.并得到与中子星质量下限(1.4M⊙)对应的超子耦合常数值.     

1，10－菲罗啉－5，6－二醌伏安行为研究

在０．５０ｍｏｌ·Ｌ~（－１）ＮＨ_３－ＮＨ_４Ｃｌ缓冲溶液中，１，１０－菲罗啉－５，６－二醌有一还原伏安峰。当静止富集２ｍｉｎ，ｖ＝１００ｍＶ·ｓ~（－１）时，其峰电位Ｅ_ｐ＝－１．３１Ｖ（ｖｓ．Ａｇ／ＡｇＣｌ）。用线性扫描和循环伏安法等手段研究体系的伏安行为，特别是吸附性。实验表明，该体系属具有吸附性的不可逆过程。用于单扫示波极谱法测定，线性范围为５．０×１０~（－８）～５．０×１０~（－６）ｍｏｌ·Ｌ~（－１），其相关系数为０．９９９５。     

基于Hadoop的改进遗传算法

利用Hadoop的并行式处理技术改进了遗传算法.通过将种群划分为多个子种群,并将每个子种群由一个单一的MapReduce任务来处理,实现了遗传算法的并行化.通过解决OneMax问题的一系列实验,验证了基于Hadoop的遗传算法提高了运行效率与正确性.     

有优先权两部件离散时间温贮备可修系统

在开关完全可靠的情况下,研究由两个不同型、有优先权的部件和一个修理设备组成的温贮备系统,建立在部件工作寿命和修理时间均服从几何分布的可修模型,并利用Markov过程、母函数、LS变换推导出该模型的一些可靠性指标系统的稳态可用度及系统的首次故障前平均工作时间.     

关于带挠率的Dirac算子的一类Kastler-Kalau-Walze类型定理

在任意偶数维带边Spin流形上建立了一类关于带挠率的Dirac算子的Kastler-Kalau-Walze类型定理,为相应流形上的Einstein-Hilbert作用给出了简单的算子理论解释.     

星型网络上单台车辆分群调度问题

[目的]星型网络上单台车辆分群调度问题是运筹学和计算机科学中一个重要的组合优化问题.[方法]对客户服务时间为零的情形,证明存在一个具有良好性质的最优解;对客户服务时间任意的情形,设计两个候选时间表然后选择表长较短者作为最终的近似解.[结果]对第1种情形,给出一个多项式时间最优算法;对第2种情形,给出一个近似比为5/3的近似算法.[结论]研究结果可为交通运输、生产制造、生物科学等相关行业提供有效决策支持.     

人横纹肌肉瘤细胞中RGS4基因表达受表观遗传调控的研究

RGS蛋白是G蛋白信号途径的关键调节分子之一,RGS蛋白的异常表达与多种恶性肿瘤的发展相关,其中RGS4蛋白的作用鲜有报道。横纹肌肉瘤是儿童最常见的起源于原始间叶组织的恶性肿瘤,临床病例中比较常见。以培养不同代数的横纹肌肉瘤RD细胞系为材料,分别利用RT-PCR技术及Western blot技术分析了5-Aza和TSA处理下的RGS4基因mRNA水平及蛋白质水平的表达量。同时利用ChIP试验明确了RGS4基因启动子区域结合的调控蛋白。试验结果显示RGS4基因的表达存在着表观遗传调控机理,受到甲基化和乙酰化的调控,MeCP2和HDAC2分别参与RGS4基因的DNA甲基化和组蛋白乙酰化调控,研究结果表明RGS4基因的表达与横纹肌肉瘤的产生相关,本试验为进一步研究横纹肌肉瘤的产生机理奠定了基础。     

高频数据下基于LSTM的协方差矩阵预测模型

协方差矩阵的建模与预测,对于金融风险管理、投资组合管理等至关重要。 针对时间序列模型对高维变量预测精度较低的问题,利用长短记忆神经网络模型(LSTM),提出了基于深度学习的高频数据已实现协方差矩阵预测模型。 利用金融高频数据得到已实现协方差矩阵,对其进行 DRD 分解,针对相关系数矩阵 R 进行向量化处理,利用向量异质自回归模型(HAR)预测已实现相关系数矩阵 R;针对已实现波动率矩阵 D,利用半协方差(semi covariance)思想,结合 LSTM 模型,得到已实现波动率矩阵 D 的深度学习预测模型,构建了 LSTM-SDRD-HAR 已实现协方差矩阵动态预测模型。 LSTM 模型和 HAR 模型能捕捉实际数据的长期记忆性,半协方差有利于捕捉金融数据的杠杆性。 实证分析表明:相较于传统向量 HAR 已实现协方差矩阵预测模型,LSTM-SDRD-HAR 预测已实现协方差矩阵更为准确,基于 LSTM-SDRD-HAR 预测已实现协方差矩阵构造的有效前沿组合投资效果更佳。     

基于聚类分析的盘点分批还货研究

电商环境下,订单量大,每笔订单所包含的商品数量少、种类多,且要求仓配中心迅速做出响应,将盘点作业中发现的差异商品及时归还到源库位上是保证订单正常发运的重要作业。本文以Q公司大型仓配中心为例,针对盘点作业中的还货问题,应用订单分批原理,将各差异商品基于巷道相似系数进行聚类分析,采用分批还货的作业方式,经FlexSim仿真软件的仿真验证可知,分批还货在还货时间以及还货路径上都优于现行还货方式,提高了还货作业的效率。