神经网络受损对神经元放电模式及同步行为影响的研究

以Hindmarsh-Rose(HR)神经元模型为节点构建一个环状耦合的神经网络,考察网络受损后对其放电模式及同步行为的影响.研究发现,当神经网络正常时,神经元具有较好的接收和输出信息的性能,合适的耦合强度可以调节体系的放电模式和同步行为.而当网络中出现一定程度的损伤时(包括部分神经元或突触连接受损),均会导致神经元的接收或输出信息的性能减弱,从而引起体系中神经元放电模式和放电频率发生改变,体系的同步程度降低.上述研究结果表明神经网络受损将影响神经元的放电活动,并导致网络的异常同步行为,从而为揭示神经性疾病的形成机理提供一定的理论解释.     

基于ASP.NET技术的无线传感器网络监控系统的设计

在TI公司CC2530芯片和ZigBee协议栈基础上,建立了一个简单的无线传感器网络(WSN)监控系统。由于无线传感器网络是一个多跳自组织网络,在网络运行中极易发生故障,因此需要一个监控系统随时监测网络节点的状态以及能耗情况。监控系统是基于ASP.NET技术的无线传感器网络监控系统能够实时监测节点状态及信息,并将网络拓扑结构动态展示出来,方便开发者和用户查看节点信息、监测节点状态,及时的发现网络故障。系统基于Web的B/S模式,运用ASP.NET和SQL Server2012数据库开发技术,实现了用户登录模块、修改密码模块,以及显示无线传感器网络网络拓扑结构、单个节点的节点信息以及能量消耗等模块。用户可以根据系统搜集的各类信息,实时掌握各个节点设备的状态信息和能耗状态,如若节点发生故障,可及时做出诊断。     

Collaborative Network Security in Multi-Tenant Data Center for Cloud Computing简

A data center is an infrastructure that supports Internet service. Cloud comput the face of the Internet service infrastructure, enabling even small organizations to quickly ng is rapidly changing build Web and mobile applications for millions of users by taking advantage of the scale and flexibility of shared physical infrastructures provided by cloud computing. In this scenario, multiple tenants save their data and applications in shared data centers, blurring the network boundaries between each tenant in the cloud. In addition, different tenants have different security requirements, while different security policies are necessary for different tenants. Network virtualization is used to meet a diverse set of tenant-specific requirements with the underlying physical network enabling multi-tenant datacenters to automatically address a large and diverse set of tenants requirements. In this paper, we propose the system implementation of vCNSMS, a collaborative network security prototype system used n a multi-tenant data center. We demonstrate vCNSMS with a centralized collaborative scheme and deep packet nspection with an open source UTM system. A security level based protection policy is proposed for simplifying the security rule management for vCNSMS. Different security levels have different packet inspection schemes and are enforced with different security plugins. A smart packet verdict scheme is also integrated into vCNSMS for ntelligence flow processing to protect from possible network attacks inside a data center network     

非牛顿流体在多孔介质和霍尔电流效应下的几类精确解

非牛顿二阶流体的运动方程是一个高维的非线性微分方程,其精确解求解非常困难.本文利用逆方法求得非牛顿流体在多孔介质和霍尔电流效应下的几类精确解,所得的精确解有助于人们认识和理解非牛顿流体的流动特性.     

黄色荧光粉Sr3SiO5:Eu2+相转变机理简

高温固相法合成Sr3 SiO5：Eu2＋过程中,杂质相Sr2 SiO4：Eu2＋的存在会不同程度影响Sr3 SiO5：Eu2＋的光致发光性能及余辉性能。本文通过压片烧结和燃烧法两种方法制备Sr3 SiO5：Eu2＋,结合热重-差热分析和X射线衍射分析,研究了Sr3 SiO5：Eu2＋在合成过程中的相变化规律以及动力学过程。研究表明：原料与坩埚的接触处形成的界面以及原料在升温过程经过Sr2 SiO4：Eu2＋的合成温度区间是导致杂质相产生的主要原因。在升温过程中,当温度经过1200℃左右的温度区间时,由于原料与坩埚接触处可以看作是两组不同物质的分界面,Sr2 SiO4：Eu2＋的合成首先在该分界面处合成,而更多的原料需要扩散通过生成物层才能进一步反应;但随着温度的升高,原料随后进入Sr3 SiO5：Eu2＋的合成过程,从而导致了Sr2 SiO4：Eu2＋杂质相的生成。     

同步荧光法同时快速测定水中多环芳烃混合物

建立同时快速测定2,3-苯并芴、苯并[a]芘和苝3种多环芳烃的同步荧光法.选择波长差Δλ=26 nm,只需一次扫描,就可实现3个组分的同时鉴别和定量测定.2,3-苯并芴、苯并[a]芘和苝的线性范围分别为0.02～50 ng·mL-1、0.05～200 ng·mL-1和0.1～400 ng·mL-1,检出限分别为0.003 5ng·mL-1、0.002 1 ng·mL-1和0.006 0 ng·mL-1.该方法简单快速,灵敏度高,线性范围宽,用于各种实际水样的分析,获得很好的效果.     

数序认知的特征及神经机制

数序认知是数认知的一个重要方面。研究发现:数序具有进化和个体发育的连续性;行为学上显示了与数量认知相似的行为学效应;但是数序和数量认知的加工在顶区和前额区显示了空间和时间进程上的差异。数序表征是否具有特异性脑区;它和数量表征是否存在两种不同的表征系统,或者它们是部分分离的,有关这些问题的研究结论并不明朗。     

Cu（Ⅰ）催化的分子内氨基化反应合成吲哚并[1,2-b]吲哒唑类化合物

以取代的邻溴苯乙酮和取代苯肼为原料,用费舍尔吲哚合成法合成吲哚化合物,经过一系列转化得到中间体乙酰胺基取代的吲哚啉化合物,再经Cu（I）催化下的分子内氨基化反应得到吲哚并[1,2-b]吲哒唑结构的中间体,水解、空气中氧化后,最终得到具有潜在药理活性的吲哚并[1,2-b]吲哒唑类目标物.     

一种改进的Turbo码译码算法及其FPGA实现

为有效降低Turbo码在硬件实现时的译码复杂度并减少其存储资源消耗,将现有Turbo码译码算法中Log-MAP算法和Max-Log-MAP算法进行融合改进,提出一种适于并行计算的改进Max-Log-MAP算法,即在译码计算中间参数的过程中,只将具有多个输入变量的max*(·)运算简化为取最大值的max运算,而对具有2个输入变量的max*(·)运算进行精确计算. 仿真结果表明,改进Max-Log-MAP算法的复杂度可以接近Max-Log-MAP算法,而性能接近Log-MAP算法. 将采用新算法的Turbo码编译码器在现场可编程门阵列(FPGA)上实现,并应用于低轨卫星通信系统(LED)中的,能在保证Turbo编译码优异性能的同时,获得较低复杂度和较低资源消耗,有利于减小卫星手持通信终端的体积,降低功耗.      

LCS在多步学习问题中的规则集压缩算法

为了解决学习分类元系统(LCSs)应用于多步学习问题时会生成规模庞大、冗余的规则集问题,提出了一种规则集压缩算法.该算法的处理过程包含三个阶段:a.通过特殊的遗传进化操作,在删除一些较弱分类元的同时,增加规则集里泛化能力较强、适应值较高的分类元的个体数目;b.进行冲突消解,消除规则集里相互重叠、相互冲突的分类元;c.对产生的无重叠无冲突的规则集,进行大幅度压缩处理,得出最终的精简规则集.实验结果表明:所提算法能够在几乎不降低系统整体性能的前提下,将规则集极大地约简和压缩,从而产生足够小的规则集,使LCSs的知识表示的冗余度减少,凸显了规则集的易解释、易操作等特性;提高了LCSs在多步学习问题中的应用效果,拓展了其应用范围.