改进的遗传算法选择算子

为了进一步提高遗传算法选择算子的选优能力,本文在传统轮盘赌的基础上提出了一种基于排序的多轮轮盘赌选择算子,加入了多轮转盘的思想,并利用对上代种群进行排序增加优秀个体的选择概率,从而在提高了算子的选优能力同时也减少了随机性所产生的误差;随后本文将此算子与最佳个体保存法的思想相结合,进一步提出了无放回的基于排序的多轮轮盘赌选择算子,达到了既能够选出最好个体又能够保证种群多样性的效果.实验表明,与传统轮盘赌算子相比较,新方法能够有效地提高遗传算法的收敛速度.     

一种基于遗传算法的用户聚类模型的研究

本文提出了一种基于遗传算法,结合网站的拓扑结构,对网站用户进行聚类分析的模型,阐述了遗传算法在优化过程中染色体编码、遗传算子的设计等问题.实验证明能解决常规聚类算法不能有效处理局部极值、聚类结果对初始聚类中心的选取有着很大的敏感性的问题,是一种有实用价值的方法.     

合成低分子量聚丙烯酸钠的新方法

采用水溶液静态聚合法,用平板式反应器合成低分子量聚丙烯酸钠,通过选择合适的分子量调节剂、引发剂用量和聚合温度,可以有效防止爆聚现象发生,且反应周期短,生产成本低。研究了分子量调节剂用量、引发剂用量、单体浓度和反应时间等因素对聚合物粘均分子量的影响,结果表明:当mn-C12SH/mM=0.04,mI/mM=0.04,wM=0.30,温度60°C,反应3 h时,可合成分子量5 000左右的低分子量聚丙烯酸钠,分子量分布较窄,且单体转化率在99%以上。     

普通小麦的体细胞胚发生、发育相关蛋白质的毛细管电泳法鉴定

采用高效毛细管电泳技术对普通小麦不同类型的愈伤组织进行蛋白质电泳分析,发现不同类型的愈伤组织中含有多数相同的蛋白质和少数差异蛋白质．结合形态与结构分析,表明差异蛋白质可能与体细胞胚的发生和发育相关．与普通电泳及双向电泳相比,该技术具有快速可靠的特点,可望发展成为鉴定愈伤组织类型及体细胞胚发育时期特异蛋白质的有效方法．     

含联硫磷配体的六核钴羰合簇的合成与表征

Ｃｏ２（ＣＯ）８与前配体ＰＲＳ２）２（Ｒ＝Ｃ６Ｈ４Ｃｐｈ,Ｃ６Ｈ４ＯＥｔ）反应,合成得到含前配体劈开的Ｓ与ＳＰＲ分子片的新颖六核钴羰合簇Ｃｏ６（μ３－Ｓ）２（ＣＯ）１４（μ４－η＾２－ＳＰＣ６Ｈ４Ｏｐｈ）（Ｉ）和Ｃｏ６（μ３－Ｓ）２（ＣＯ）１４（μ４－η＾２－ＳＰＣ６Ｈ４ＯＥｔ）（Ⅱ）,对它们进行了元素分析,ＩＲ,ＨＮＭＲ〈＾３１ＰＮＭＲ和ＭＳ表征,该类簇合物有一个与四个金属原子相联的罕见的联硫磷     

一种新的镉配位聚合物的合成、结构及其荧光传感行为

以1,4-双(5-(4-吡啶基)四唑基)丙烷(4-bptzp)和1,3,5-三(4-羧基苯基)苯(1,3,5-HBTB)为混合配体,在溶剂热条件下合成了一种新的过渡金属镉配合物[Cd(4-bptzp)(1,3,5-HBTB)]CH3 CN,并通过红外光谱、粉末X射线衍射、热重分析和单晶X射线衍射分析对其结构进行了表征....     

长白山矿泉水补给径流与排泄关系

为研究长白山地区广泛分布的偏硅酸型矿泉水的补给源,通过氢氧同位素与水化学分析,结合水文地质、地球物理等资料,确定长白山泉水接受来自于西藏羌塘盆地的外源水补给。长白山泉水TDS很低但富含偏硅酸的现象表明,地下水流经的含水层是由硅酸盐等火山岩组成,结合长白山地区火山玄武岩大量的喷发事实,推断地下水导水通道由孔洞玄武岩构成。指出应加强对西藏冰川、河流与湖泊的保护,从而确保长白山优质矿泉水能够持续地开发利用。     

两种多糖甲基化方法的比较

对两种常见的多糖甲基化实验方法与结果做一个比较,结果显示：出同种等量的多糖在一次甲基化反应的前提下再结合改进后的甲基化方法比经典甲基化方法对多糖的甲基化要更充分,并由此从两种反应的反应历程对此实验结果进行解释.通过对反应历程的研究发现,改进后的甲基化方法反应中没有水生成,是多糖甲基化较为彻底的关键原因.由此表明由改进后的甲基化方法在多糖的一次甲基化成功率要比用经典甲基化方法的高,所以改进后的甲基化方法可以被运用在多糖结构的研究领域中.     

一维对称双势垒的共振态

研究了一维对称双势垒的定态波函数问题,并发现在这种势场分布下存在共振态,如果单个势垒的透射系数很小,则共振态能级很接近于单个势阱的束缚态本征能级。     

基于并行块的自适应量化随机计算

深度神经网络模型的庞大存储和高计算量的需求限制了其在面积和功耗受限的嵌入式设备上的部署.为了解决这一问题,随机计算将数据表示为一个随机序列,继而通过基本逻辑运算单元实现加法和乘法等算术运算,以减小神经网络的存储空间和降低计算复杂度.然而,当随机序列的长度较短时,网络权重在从浮点数转换到随机序列的过程中存在离散化误差,这会降低随机计算网络模型的推理准确率.尽管使用更长的随机序列可以扩大随机序列的表示范围以缓解这一问题,但也会导致更长的计算时延和更大的能源功耗.本文提出了一种基于傅立叶变换的可微量化函数的设计,可以在网络的训练过程中,通过提高模型对随机序列的匹配度,来减小数据转换过程中的离散化误差,从而保证较短随机序列的随机计算神经网络的准确率.此外,还设计了一种加法器,用于提高运算单元的准确性,并通过将输入分块来并行计算以进一步缩短时延.最后,通过实验表明,本文相较于其他方法可以提高20％的模型推理准确率,并能够达到缩短50％的计算时延.