电子束对纳米材料辐照损伤的电镜研究

文中探讨了用透射电子显微镜观察纳米材料时,在不同的放大倍数下,电子束的辐照损伤对纳米材料在电镜观察时的影响。文中以纳米碳酸钙的电镜照片和电子衍射花样为例说明了电子束的辐照损伤对纳米材料在形貌和结构上造成的破坏：放大倍数越大、照射时间越长,电子束对样品的损伤越严重。本研究采用在纳米颗粒表面蒸镀一层适当厚度的碳膜的方法,有效地减少了电子束辐照损伤对纳米粒子结构和形态的影响,获得了纳米材料不失真的形貌和结构的电镜照片。     

微带天线阵故障诊断专家系统的研究

本文将专家系统技术和天线阵的“外监测”方法结合起来,建立了微带天线阵的故障诊断专家专家系统。专家系统以故障点与外场信号之间的关系作为专家知识,采用似然推理方法进行故障诊断,从而替代了人工故障诊断。模拟诊断结果表明专家系统具有速度快、准确率高等优点。     

SDS和C8 NBr混合表面活性剂的协同效应

本文计算了盐存在时不同比例的十二烷基硫酸钠和溴化正辛基三甲基铵混合物在混合吸附单分子层及胶团内的相互作用强度。结果表明,该混合体系在表面张力降低效率、混合胶团形成及表面张力降低效能三方面都存在明显的协同效应。理论计算和实验结果相当一致,表明可用该理论处理γ—lgc实验数据,以定量表征两种表面活性剂分子之间的相互作用强度。对计算中的一些问题也进行了讨论。     

商业秘密对企业来说意味着什么？

商业秘密是企业核心能力和竞争优势的具体体现,它是企业重要的无形资产,对企业在市场竞争中的生存和发展有着重要影响。越来越多的企业认识到了保护商业秘密的重要性,但是随着市场竞争日趋激烈,人才、特别是高级管理人才和核心技术人才的争夺也越来越激烈。商场如战场,商业秘密一旦泄露,后果不堪设想,为保护商业秘密,企业殚精竭虑,设计了种种方案。但有谁知道,在实践中,竟然有90%企业的保密规定、协议经不起”法律的考验”,败诉、败诉、不断的败诉,企业“输了官司,也输了人”,最后“人财两空”“这究竟是为什么?企业究竟应当如何更好地运用法律手段有效保护商业秘密,如何设计严密的保密制度体系,如何确保保密协议的合法有效,如何准确适用法律进行竞业限制?如何设计竞业限制的范围、对象和措施?如何追究违反竞业限制员工的责任?在合同订立以及日常管理工作中应当注意什么?——从这期开始,本刊特开设本栏目,吴文博士通过生动案例,和读者一道探讨企业商业秘密保护之道。     

妇科疾病的自我监测

由于妇女的生理特点和婚后怀孕生育、更年期绝经等构成妇科易患疾病特点.那么,妇女出现哪些异常情况须要自我监测呢?     

“生物语言学”及术语考究

生物语言学可以从广义和狭义两个视角进行理解。从广义上来说，生物语言学研究涵盖了从进化生物学、基因科学、神经科学以及心理学等角度展开的语言研究。从狭义上讲，生物语言学主要指的是以乔姆斯基为代表的生成语法学派关于语法属性的研究。文章研究发现国内外百科全书或词典等工具资料书对生物语言学的界定更多地倾向于广义生物语言学；而学术论文的研究更多地关注狭义生物语言学内容。     

基于设计尺度的海绵校园规划设计方法研究

在海绵城市的理念下,基于场地要素的可量化和不可量化两方面提出了优化海绵校园规划设计方法问题.研究利用数据化建模梳理了校园用地的功能性与自然性相耦合的、过程可控的设计流程.通过以"自然积存、自然渗透、自然净化"的自然海绵设计方法和LID技术设施控制为辅助等两个途径建构海绵校园规划设计方法,评价其年径流总量控制率的变化情况.     

3 mm线性调频源线性度实时数字校正技术研究

该文理论推导了针对3mm波段线性调频连续波信号源高线性度的校正方法,提出了实时数字式闭环线性校正方案,解决了可编程逻辑器件(FPGA)实现中遇到的精度和时间变量2个关键问题,完成了VHDL语言的软件设计;通过计算机软件进行了基于FPGA的功能仿真。结果表明：该数字校正网络具有实现方便、校正后线性度高达0．24‰和具有较好的实时处理能力的特点;验证了FPGA实现该校正网络的可行性。     

大理岩三向应力状态下的宏观破坏分析

对单轴压缩破坏面的第一台阶应用Mohr-Columb准则进行分析,得到的C、φ值与三轴压缩的结果一致。三轴压缩试件分岔分析表明：有限变形分岔分析可用于较高围压时试件破坏的分析,对称性群论分岔分析可用于较低围压时的分析。     

基于CNN-BiLSTM的脑电情绪分类模型及验证

情绪在人们的思考、行为和交流方式中起着重要作用。为提高脑电信号的情绪识别准确率,充分利用脑电信号的频率、空间和时间维度上的信息,提出一种基于CNN-BiLSTM(convolutional neural networks-bidrectional long short term memory)的脑电情绪分类神经网络模型。该模型由卷积神经网络和多层特征融合的双向长短时神经网络构成,卷积神经网络用于学习脑电信号的频率和空间特征,双向长短时神经网络则从卷积神经网络的输出中挖掘脑电切片之间的时序信息。借助离散情绪模型的SEED(sjtu emotion eeg dataset)数据集和连续情绪模型的DEAP(database for emotion analysis using physiological signals)数据集来进行情绪分类实验。实验结果表明,在SEED和DEAP两个数据集上,CNN-BiLSTM模型均取得了目前最好的情绪分类性能。此外,该模型的时序信息挖掘模块性能优于单层长短时神经网络,能够学习更多的时序信息。