过度训练:不同发展阶段的神经内分泌变化

综述了关于过度训练状态下机体神经内分泌方面的变化,并对其中一些矛盾的结果提出了可能的解释。     

新时期体育教学与运动训练异同性的再研究

新时期是知识经济的时代。本文结合新世纪初的时代背景特征，从体育教学和运动训练的目的任务、实施内容、实施方法、发展趋势等方面进行异同性的比较研究，旨在对21世纪初的体育教学和运动训练重新认识和定位，为体育工作者提供参考。     

一维核废料污染问题的一个二阶格式

利用降价法研究了多孔介质中一维核废料污染问题，此模型由一非线性抛物－椭圆耦合偏微分方程组的初边值问题来描述，对此问题给出了一个关于时间和空间均具有二阶精度的差分格式，并进行了理论分析。     

房屋改造工程设计及施工要点分析

通过分析多项工程的加固改造设计和施工要点,提出了多种扩建改造加固的方法和处理加固设计中常见疑难问题的措施.     

论会计能力模块课程体系的设计与实施

针对会计教学改革的不断深入，提出了会计能力模块课程体系的设计思路，论述了会计能力模块开发的现实性，模块设计的原则，类型及教学研究与实施方法。     

高等学校学科知识联盟

借用企业知识联盟的一些思想,阐述了高校学科知识联盟的形式、意义以及构建方法。     

解读“节约型政府”

建设节约型政府是当前我国政府改革的必然要求。节约型政府模式的选择有其必然性。节约型政府应是廉价政府、廉洁政府、透明政府和效益政府。应通过加强节约型政府的制度建设、在行为方面加强政府自身建设、在各级政府中牢固树立节约理念和成本意识等措施全力，打造节约型政府。     

流形上微分方程求解的渐近展开方法

文章陈述了流形上微分方程、渐近级数和渐近展开等概念和相关命题,然后给出了例子,用渐近展开方法求解了微分方程。     

基于正六边形线阵CCD探测器的周视场目标探测系统

提出了一种基于正六边形线阵CCD探测器的运动目标探测系统.系统不仅可以实现360°范围内环形视场探测,还可以实时显示运动目标的位置及角速度信息,达到搜索跟踪的目的.在硬件设计方面,提出并实现了基于CPLD和AVR的电路方案.在算法设计方面,设计了适于周视场运动目标探测算法.     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.