北京市发现刘氏链蛇

2020年8月7日,于北京市怀柔区X020公路获得刘氏链蛇（Lycodon liuchengchaoi）亚成体雌性标本1例．另于2020年8月8日在北京市密云区雾灵山保护区获得刘氏链蛇雄性亚成体标本1例．系刘氏链蛇首次于北京市境内发现．标本现存于北京师范大学标本馆及中国科学院昆明动物所标本馆．      

利用SPCE061A单片机实现的两次采样AD转换

在测量领域中,AD（模数）转换是一个非常重要的部分,为了达到精度比较高的转换效果,往往选择位数较高的AD转换器,这样容易造成测量成本过高。现介绍一种如何利用普通的AD转换器来实现高精度的AD转换,它利用两次采样的原理,通过一个模拟量进行两次转换,从而实现高精度。此转换器所需元件比较简单,主要由一个凌阳SPCE061A单片机和一些普通的选通、运放电路组成。     

基于组态软件的矿山电力调度微机监控系统

针对中小工矿企业电力调度系统缺点和不足,采用目前通用的电力系统远动技术,利用局域网实现调度端与厂站端互连和数据通讯,利用485总线和智能模块实现各分站设备互连及现场数据采集。结合工业组态软件编程,把现场采集到的数据实时送入微型计算机,并通过系统数据库进行数据汇总和分析,形成控制指令,完成对电力系统的监控任务,从而实现地区电网的实时数据采集及监控（SCADA）。     

袁家军在省数字化改革第一次工作例会上强调:解放思想大胆探索高质量推进数字化改革

4月20日上午,浙江省数字化改革第一次工作例会在杭州召开.省委书记、省数字化改革领导小组组长袁家军出席并讲话.他强调,数字化改革是新发展阶段全面深化改革的总抓手,也是一项牵一发动全身的重大标志性改革,要进一步准确把握数字化改革的内涵要求和重点任务,解放思想、大胆探索,只争朝夕、蹄疾步稳,全上"跑道"、都跑起来,高质量推...     

磁场对耦合双量子盘中类氢杂质性质的影响

在有效质量近似下,采用简单的变分波函数,定量计算了无限深对称GaAs/AlGaAs耦合双量子盘在沿轴向不同强度磁场的作用下,类氢杂质体系的基态束缚能随量子盘的半径、中心垒厚、盘厚度的变化.发现,体系束缚能由空间限制作用和磁场限制作用共同决定:在空间限制比较弱时磁场强度对束缚能的影响变得更加明显,当空间限制强时磁场对束缚能的影响变得微弱.还发现,由于2个量子盘间的耦合作用使耦合双量子盘的结果比单量子盘结果偏小.在耦合双量子阱的极限条件下所得的结果与前人的结果符合得很好.     

不同类型沙地植物群落特征及多样性研究

以科尔沁沙地为研究对象,采用方差分析和回归分析的方法研究沙地群落的物种组成及生物多样性.结果表明:1)从流动到固定沙丘,群落的物种数从4. 533增加到9. 033,增加了99. 27%.群落盖度、高度、密度和地上生物量分别增加了370. 1%、171. 6%、156. 1%和526. 7%,其中流动沙丘与半流动沙丘(或半固定沙丘)、固定沙丘之间的盖度、高度、密度差异显著(P 0. 05). 2)科尔沁沙地植被中均以一年生植物占比最高,但沙地从流动沙丘演变到固定沙丘,一年生植物的优势度下降了25. 48%,多年生植物的优势度增加了92. 37%. 3)物种多样性与均匀度指数随着沙地的恢复波动变化,在半固定沙丘最大;而群落的物种丰富度呈上升趋势,固定沙丘最大.     

基于D-NSGA-Ⅲ算法的无人机群高维多目标任务分配方法

随着人工智能技术的快速发展, 种类繁多的无人机在军事领域得到了广泛应用。受单平台资源配备和执行能力限制, 大多数复杂任务需由多个无人机协同完成, 最优任务分配是其中需解决的重点和难点问题之一。最优任务分配方案求解问题已被证明是一个NP难问题, 针对多无人机系统的组织架构, 将非支配排序遗传算法与岛屿模型、主从模型结合, 构建一种分布式高维多目标演化算法D-NAGA-Ⅲ并对实际应用场景中4个目标进行优化, 并引入迁移策略和贪心算法对任务分配方案进行局部提升, 提高算法寻优能力和解质量。实验结果表明: 该方法在求解高维多目标的分布式无人机任务分配问题方面具有一定的效果。     

基于深度学习的弹道目标智能分类

针对弹道目标微动分类前需平动补偿及典型雷达散射截面积(radar cross-section, RCS)序列分类需构造人工特征的问题,提出利用弹道目标微动特性和RCS相结合的弹道目标智能分类算法。首先,建立弹道目标运动模型并分析得到方位角和俯仰角,从而获取RCS序列,在此基础上利用小波变换得到时频图并构建数据集;然后,通过卷积神经网络(convolutional neural network, CNN)提取时频图像特征序列并与RCS序列融合成高维特征;最后,利用具有容错能力的双向长短期记忆网络充分学习序列之间的相关性以实现目标分类。仿真结果表明,该算法比卷积神经网络和支持向量机的分类精度分别提高5%和2%以上,分类速度比卷积神经网络和双向长短期记忆网络分别提高1.5倍和2.5倍,实现了更高精度的快速智能分类。