香水百合头香成分色谱保留指数的人工神经网络预测

基于分子拓扑学理论计算了香水百合头香成分35个化合物的分子连接性指数Xi、电性拓扑状态指数Ej和分子电性距离矢量M_k。采用最佳变量子集回归方法确定了最佳变量组合X_1,E_9,M_9和M_(10),并用这4个变量作为神经网络的输入层单元,建立了香水百合头香成分化合物气相色谱保留指数RI的人工神经网络模型。采用该模型对RI值进行了预测,预测结果与实验值接近,平均相对误差为1.165%。该方法成功预测了化合物的气相色谱保留指数,对于探索色谱保留机理、选择合适的分离条件等有参考价值。     

两个含2-（2-吡啶基）苯并咪唑的镍（Π）配合物的合成、晶体结构及表征

以氯化镍、2‐（2‐吡啶基）苯并咪唑为原料在酸性条件下通过自然挥发法自组装成新型的配合物[N i （PBIm）2Cl2H2O]?（C2H5OH）（H2O）1;相同的原料通过水热法自组装成新型的配合物[Ni（PBIm） Cl2（CH3CH2OH）]22（PBIm＝2‐（2‐吡啶基）苯并咪唑）。用X射线单晶衍射确定其配合物的结构,结构分析结果表明,配合物1属于三斜晶系,Pī空间群,配合物2属于单斜晶系,P21／c空间群,两个配合物都能通过氢键的作用形成一维链状结构。并对其荧光及热稳定进行了表征,结果表明,配合物2比配合物1的热稳定性好且荧光强度高。     

我国现存有尾类及研究现状分析

本从地理分布特征和数量方面介绍了我国现存的３７种（亚种）有尾类动物,并分析了目前我国有尾类的研究方向和研究现状。     

非充分灌溉稻田墒情预报的人工神经网络模型

通过对人工神经网络理论的分析,建立了一个描述非充分灌溉稻田土壤水分变化的BP模型,并对同一小区2002年水稻生长期土壤水分的动态变化进行了模拟预测,同时用实测资料进行对照.研究结果具有良好的一致性,质量含水量绝对误差值最大为1.8%,最小为0.1%,平均为0.7%;相对误差值最大为8.42%,最小为0.55%,平均为3.02%.BP网络可以用于区域土壤水分动态预测,方法简便可行,有较高的精度.     

水性双组分聚氨酯涂料的活化期研究

分别采用水性羟基聚丙烯酸酯分散体(PAD)和羟基聚丙烯酸酯乳液(PAE)与亲水改性多异氰酸酯固化剂配制水性双组分聚氨酯涂料(2K-WPU),通过黏度、硬度、光泽度和耐化学介质性能等测试,研究了2K-WPU在不同放置时间内的物理化学行为.结果发现:随放置时间的增加,PAD型2K-WPU的黏度降低,涂膜的起泡程度逐渐增加,涂膜硬度先降低后增加,3h后耐化学介质性能下降;PAE型2K-WPU的黏度变化无规律,涂膜硬度逐渐降低,4h后耐化学介质性能下降,气泡相对较少;PAD型和PAE型2K-WPU的粒径和光泽均无明显变化;PAE型2K-WPU的活化期一般在4h以内,而PAD型的更短,但涂膜的综合性能更优.因此施工前不能根据2K-WPU的黏度变化来判断其活化期,而须根据涂膜耐化学介质性能和外观变化来判断.     

信息抽取中网站结构树生成方法的研究

随着Internet技术的发展和普及,W eb上的信息量猛增,使信息抽取更具有挑战性.从网站的拓扑结构入手,提出了信息抽取中网站结构树的生成算法,该算法首先根据网页结点URL所在目录的层次关系,去掉网站结构图中的部分回溯边;然后在宽度优先遍历的过程中去掉已经遍历过的重复结点,生成网站结构树.最后引入编辑距离对算法生成的网站结构树与实际的网站结构树的相似程度进行评价,两棵树的相似程度比较高,均达到了90%以上.利用生成的网站结构树可以对网站的内容页面(即结构树的叶子结点)进行聚类,最后进行信息抽取,大大提高抽取的准确率与召回率.     

周期分类和Single-Pass聚类相结合的话题识别与跟踪方法

针对增量式聚类初始时话题模型不够充分和准确,随处理报道数量增加,误检与漏检的累积效应被放大的问题,提出了周期分类和Single-Pass聚类相结合的话题识别与跟踪方法.首先采用增量式聚类算法进行话题识别与跟踪,当新闻文本每积累到一定程度之后,对已经聚类的报道进行周期分类,使话题簇精度提高,从而提高后续话题识别与跟踪精度.实验表明这种方法是有效的,能够降低漏检率与错检率,减少归一化错误识别代价.     

针刺神经影像学研究的质量控制影响因素概述

脑功能成像技术在针刺机理研究中的运用为科学阐释针刺效应的中枢机制提供了无创性、可视化的研究手段,但是由于脑功能成像和针刺操作的复杂性,针刺神经影像学研究的质量控制显得尤为重要,就针刺神经影像学研究中样本量、受试者纳入和针刺操作等方面讨论其质量控制的影响因素,研究提出参考。     

基于改进ConvNeXt的COVID-19胸部图像分类

针对新型冠状病毒感染胸部 X-ray 图像分类任务数据集样本过少,现有的两阶段分类器和三阶段分类器模型对高纬度的图像特征提取效果差,模型训练慢等问题,提出一种基于 ConvNeXt 卷积神经网络改进的分类任务算法 ConvNeXt-AT。 ConvNeXt-AT 分类模型首先通过在 ConvNeXt Block 层添加混合域注意力机制 CBAM 来提高图像特征提取能力,不仅考虑了通道间的信息交互能力还考虑到了空间域上像素间的联系,得到 ConvNeXt-AT 模型;然后针对 X-ray 图片常见的泊松噪声使用全变差正则化方法对数据集进行降噪处理;最后在 COVID-19 公开的大型数据集共 21165 张图片进行对比实验。 实验结果表明,在训练数据集充分的情况下,改进的 ConvNeXt-AT 模型相较于常用分类模型 ResNet-50、MobileNet、EfficientNet 以及原 ConvNeXt-T 在准确率上分别提升了 2%、2. 7%、2. 1%、1. 9%。 最后通过 Grad-CAM 显示类激活图的图像可视化方法证明改进方法是可行的,模型具有很好的鲁棒性。