水合锰(Ⅱ)结构的量子化学和ABEEM/MM研究

应用新一代可极化分子力场——原子-键电负性均衡浮动电荷分子力场ABEEM/MM,结合精密量子化学方法, 构建了精确的Mn²⁺-H₂O 相互作用的势能函数, 确定了相关参数.将该势能函数用于计算[Mn(H₂O)_n]²⁺(n=1~12)的结构和结合能, 得到了与量子化学一致的结果. 进一步对Mn²⁺水溶液进行ABEEM/MM 动力学模拟, 得到的Mn²⁺–O 径向分布函数的第一和第二最高峰分别处于0.218 和0.435 nm 处, 积分得到第一和第二水合层的配位水分子数分别为7.03 和17.74; 对于O–Mn²⁺–O 角度分布函数, 其第一和第二最高峰分别位于80°和140°附近, 这些结果与实验和其他理论方法的结果有很好的一致性. Mn²⁺的极化作用使得第一水合层中水分子的键长明显增长, 键角明显减小; 而Mn²⁺对第二水合层及外层水分子的结构影响较小. 分析体系的电荷分布表明, 与ABEEM-7P 纯水相比, Mn²⁺水溶液中参与形成氢键的氢原子和孤对电子的电荷变化较大, 且Mn²⁺和其邻近的水分子间存在明显的电荷转移.     

混凝土多轴强度模型的偏平面方程变换及讨论

为了将应力空间中的强度模型转换为偏平面方程,反之亦然,可根据所选择的不同参考坐标轴来实现,有两种变换方法,且可以通过坐标变换实现互逆.通过这两种变换方法,可以相互证明偏平面极限迹线所具有的6折对称特征.而根据混凝土多轴强度模型的偏平面分析,表明混凝土的多轴破坏形态可以分为广义受拉和广义受压两种形式,这就暗示了统一的强度...     

一种相对隶属度新概念下的模糊数排序方法

为了解决防空作战辅助决策中模糊数隶属函数在用于模糊数比较时产生的问题,定义了相对隶属度的概念,并且在此基础上定义了模糊数的期望值以及相对隶属度偏差。提出了一种新的基于相对隶属度的模糊数排序方法,算例表明该方法有效可行。     

BP网络自适应学习率研究

分析了自适应学习率BP算法,并对其进行了总结分类,针对每一类介绍了几种具体的自适应学习率BP算法。最后结合XOR问题把一种自适应学习率BP算法和标准BP算法进行了比较和评价。     

柴胡皂苷-d防治大鼠肾小球硬化的实验研究

目的:观察柴胡皂苷-d对一侧肾切除加单克隆抗体1-22-3注射造成进行性大鼠肾小球硬化的防治作用。方法:18只大鼠一侧肾切除1d后,尾静脉注射单克隆抗体1-22-3造成大鼠进行性肾小球硬化。随机分为3组,每组6只。第一组给生理盐水作对照,另外两组分别腹腔注射柴胡皂苷-d1.8mg和0.6mg/kg体重/d。在代谢笼内取大鼠造模后第1、4、8、14和21d尿液,并动态观察造模后第1、5、10、14和18d收缩压变化。21d后处死全部大鼠,进行血生化和肾组织光学显微镜检查,并利用RT-PCR和免疫荧光的方法分析了药物对炎症硬化因子TGF-β、I型胶原、"-平滑肌肌动蛋白("-SMA)和炎症细胞在肾小球和肾小管间质表达与分布的影响。结果:柴胡皂苷-d在减轻肾小球病理损害的同时,抑制了TGF-β在肾小球内的表达和a-SMA沿鲍曼氏囊的分布。柴胡皂苷-d治疗组CD8 T细胞和巨噬细胞在肾小球周围和肾小管间质的浸润也明显减轻。结论:柴胡皂苷-d能够有效地防治大鼠肾小球硬化,可能与抑制了TGF-β在肾小球内的表达和炎症细胞在肾小球和肾小管间质浸润有关。     

论网络环境下文献资源共享

随着计算机和通讯技术的发展,文献信息资源出现无序化增长趋势,资源的共享问题开始引起文献资源管理人员的重视。通过分析现有文献资源共享体系中存在的问题,从人才培养、共建共享数据库、完善法制建设等方面提出了解决当前问题的措施。     

如何使用ILASⅡ的统计功能

ILAS是我国用户数最多、推广面最广、实用性最强、联网性能最佳的图书馆自动化系统,如何有效地对各类数据进行统计,是用户经常提出的问题。就ILAS的统计类型和如何使用ILAS的统计功能以及使用ILAS统计应注意的问题进行了论述。     

人机工程学原理在图书馆电子阅览室设计中的运用

运用人机工程学的理论,从光学环境、色彩环境、声学环境、气候环境、家具用品、电源布线等方面,对图书馆电子阅览室的设计提出了几点看法。     

追寻大师的足迹

勒·柯布西耶是建筑师、画家、雕刻家、城市主义者和作家,甚至是一位反思人类现代生存状况哲学家,他赋形于思想并反映时代精神,用一种普遍性的论调来阐释他的发现和智慧.同时他又积极探索了一些新的设计元素,把他绘画中的人文主义转入到建筑和城市的更大范围之内.     

一种新的分类评测方法

分类算法的现有评价指标存在一些问题,主要是评测数值在不同的数据集上呈现剧烈波动。为解决这一问题,通过考察数据集对分类结果的影响,提出了一种对分类算法的新评测指标new-macro-F1。这一新评测指标将数据集的因素从评测过程中独立了出来,使得new-macro-F1表示的仅仅是分类算法本身。实验结果表明使用新评测指标,同一分类器在不同数据集上的表现波动较小;通过分类器在一个数据集上的表现,可以近似的估计该分类器在另一数据集上的分类质量。