基于径向基函数的概率神经网络的心律失常自动识别

讨论了基于径向基函数(RBF)的概率神经网络的基本网络结构和网络的学习和运行过程,并且与BP算法 的径向基神经网络进行了对比,同时也测试了网络的容错能力．结果表明,基于RBF的概率神经网络,学习速度大 大提高,同时减小了BP陷入局部极小的问题,有一定的抗噪声的能力．基于RBF的概率神经网络模型在心律失常 自动识别中获得了很好的应用．     

面料快速反应

根据消费需求和纺织品市场的变化以及国内面料的差距等,指出在我国实施面料QR的紧迫性;分析面料QR的内容、要求和我国目前实施面料QR的技术条件,认为当前的薄弱环节是织物CAD等计算机辅助技术的开发和应用;对涉及面科QR的织物CAD等计算机辅助技术的发展现状和趋势、我国在该方面存在的问题和发展要求以及涉及面料电子商务的有关问题进行了重点阐述;最后提出关于建立适合我国国情的面科QR体系的紧迫任务。     

辽河盆地曙1区原油稠变的纵向非均一性与开发意义

通过对辽河盆地曙 1区兴隆台油层中稠油和油砂的地球化学特征分析 ,讨论了原油稠变的纵向非均一性及其控制因素。这种稠变非均一性对稠油开发具有重要的实际意义。     

大气污染物跨境传输及其对青藏高原环境影响

青藏高原拥有独特的多圈层环境系统与生态类型,对我国乃至亚洲具有重要的生态安全屏障作用.在青藏高原开展污染物跨境传输的科学考察研究,既是地表多圈层相互作用研究的重要组成部分,也是支撑国家生态环境安全的战略需求.针对第二次青藏高原综合科学考察研究的"南亚通道"关键区,结合长期站点监测和短期强化观测,本文全面综述了青藏高原大气污染物时空分布、传输过程和机理,以及污染物对气候和生态系统影响方面的新认识.从历史趋势上看,青藏高原黑碳和汞等记录,自20世纪50年代以来呈现快速上升,反映了亚洲区域大气污染物排放的快速增多.从传输过程上看,跨越喜马拉雅山的高空环流以及局地的山谷风是大气污染物跨境传输的重要途径.大气气溶胶-雪冰辐射反馈效应对青藏高原的气候变化带来一定的影响,外源污染物对青藏高原生态系统的负面影响业已凸显.未来研究中,亟待精确量化跨境污染物的输送量和影响范围,预测未来情景下污染物排放与环境健康风险的变化趋势.     

基于自热修正的SOI NMOSFETs热载流子注入效应寿命预测方法

自热效应SHE（self-heating effect）是SOI MOSFETs可靠性研究的关键问题之一.在热载流子注入HCI（hot carrier injection）应力下会导致自热效应加剧,低估器件工作寿命,使得寿命预测不准.本文提出了一种基于直流HCI应力下的0.18μmPD-SOINMOSFETs可靠性寿命预测方法.通过栅电阻法提取沟道中因自热效应产生的温度,采用自热修正后的衬底电流/漏电流比率模型预测PD-SOI NMOSFETs在正常工作电压下的寿命值,预测结果与未消除自热影响预测出的寿命值存在较大差异,说明自热修正在寿命预测中不可忽略,否则会低估器件的工作寿命.     

淀粉-丙烯酰胺絮凝剂吸附铜、镉离子性能研究

为了研究淀粉-丙烯酰胺絮凝剂对铜、 镉离子的吸附性能,利用水溶液聚合法,以玉米淀粉、丙烯酰胺单体为原料合成淀粉-丙烯酰胺絮凝剂,并运用傅里叶红外光谱对絮凝剂的结构进行表征,同时考察絮凝剂用量、絮凝时间、pH值对铜、镉吸附性能的影响.结果表明:以硫酸铈为引发剂合成的淀粉-丙烯酰胺絮凝剂,当絮凝剂用量为0.5 g、絮凝时间...     

黄河源区中雨近地面水汽输送特征及路径分析

为探明黄河源区中雨近地面水汽输送特征,采用拉格朗日轨迹模型HYSPLIT 4.9,利用2012-2016年NCEP/NCAR 0.75°×0.75°三维风场再分析数据、地面气象站点降水数据,对黄河源区中雨近地面水汽迹线进行模拟和聚类分析,探讨黄河源区水汽来源、水汽路径和不同水汽路径对源区降水贡献率.结果 表明:黄河源区...     

甘肃兴隆山圈养高山麝的常见疾病及其综合防治

为了提高高山麝的养殖效益,推进高山麝养殖业的快速发展,对甘肃兴隆山圈养高山麝常见的呼吸系统疾病、消化系统及营养性疾病、泌尿系统疾病、寄生虫病、外伤科疾病、应激性疾病的病因、病状及综合防治措施进行了归纳总结.     

黄芩愈伤组织培养及细胞形态学观察

采用不同的植物激素、碳源、水解乳蛋白(LH)和水解酪蛋白(CH)、光暗条件对黄芩愈伤组织进行培养,通过石蜡切片观察愈伤组织细胞形态。结果表明:0.5mg/LNAA和2.0mg/LKt组合时愈伤组织生长量最多;1.0mg/L2,4-D和0.5mg/LKt组合时,黄芩甙含量最高;蔗糖为2%,葡萄糖为3%或4%时,都不利于黄芩甙的积累;LH、CH、黑暗条件能促进愈伤组织的生长而不利于黄芩甙的积累;光照能显著提高黄芩甙的含量;胚性愈伤组织占优势,已出现明显的微管组织的分化。     

基于RNN-LSTM新冠肺炎疫情下的微博舆情分析

目前微博已经成为网络舆论传播和挖掘民意的重要平台,为分析疫情事件对网民情绪的影响,科学高效地做好防控宣传和舆情引导工作,为此融合不同的深度学习方法对2020年初发生的新冠疫情的微博评论进行情感分析。提出一种基于RNN(Recursive Neural Network)和LSTM(Long Short-Term Memory)混合模型并在嵌入层中使用FastText词向量表示方法,以降低词向量中的噪声数据,从而获得语义丰富且噪声少的高质量词向量,并与朴素贝叶斯、支持向量机、 RNN、 LSTM多种情感分析方法进行比较。结果表明,所提出的情感分析模型正确率达到了98.71%,证明了该模型能有效提升情感分析正确率。