多档次概率罐子模型估计的渐近性质

对多个处理且试验结果为多档次的临床试验,构建了其概率罐子模型。研究了模型中每个处理试验结果发生的概率。利用极大似然估计方法得到其估计量,并获得此估计量具有渐近正态性。     

光谱辐射标准和计量实验站的建设和研究

介绍了光谱辐射标准和计量光束线（U27）的光学设计、结构和实验站设备，利用透射光栅和AXUV100G探测器系统研究了掠入射分支（SGM）5～140nm的高次谐波情况；给出了研究结果和不同滤片材料对高次谐波的抑制情况，Zr，Si3N4和Al滤片可以有效的抑制5～34nm的高次谐波，MgF2能有效的抑制115～140nm的高次谐波．     

椭圆偏振法研究四方氧化锆对Zr-Sn-Nb合金氧化膜耐腐蚀性能的影响

将经过不同热处理的Zr-Sn-Nb合金样品放在350℃、16．8mol／LPa、0．01mol／LLiOH溶液的高压釜中进行腐蚀。用椭圆偏振法研究氧化膜中的四方氧化锆，发现经过580℃／冷轧／500℃处理的样品在腐蚀42天和190天后氧化膜中的四方氧化锆比其它样品的多。四方氧化锆是影响合金耐腐蚀性能的一个主要因素，四方氧化锆的形成有利于提高合金的耐腐蚀性能。     

应用型高技能数控人才实训模式的研究——以井冈山大学工学院为例

本文介绍了应用型高技能数控人才的培养目标,从加大设备投入、安装通用软件、保证学生实践时间、建立一支高水平师资队伍、加强校企合作这些方面着手,建立了一套较为完善的实训模式,以增强学生的编程、操作、软件应用等方面的能力。     

基于多元时间序列融合的飞行动作识别方法

针对飞行动作数据随机性强与长度不一致的问题,提出通过减小动态时间规整(DTW)算法的搜索空间,并定义不同特征参数贡献度的概念,实现对飞行数据的多元时间序列融合,从而完成对战术机动动作的识别。通过引入预分类和细分类结合的方式,对动作数据进行预处理,然后根据改进的动态时间规整(WDTW)算法对待测数据进行识别。仿真实验表明,相比传统DTW算法,WDTW算法通过降低算法复杂度,识别计算时间变化明显;对核密度与精准度系数的分析表明识别准确率亦有所提高。实验结果验证了所提方法的准确性。     

旋流式低温送风口的实验研究

对新研制的一种旋流式低温送风口进行了空气动力、速度场、温度场及噪声测试.测试结果表明该旋流式低温送风口诱导效果好、阻力小、能耗低、噪声低、送风均匀、不结露,完全能满足低温送风要求.     

基于时延脉冲耦合神经网络的AOE-网问题求解算法

 在时延脉冲耦合神经网络(DPCNN-Delay Pulse Coupled Neural Network)的基础上,提出了mDPC-NN(modified DPCNN)模型.mDPCNN能方便地用于有向网的最大代价路径和最小代价路径的求解,并将其成功地运用其于求解AOE-网(Activity On Edge)有关问题.该方法通过快速并行计算,一次正向计算即可求解AOE-网大部分问题,与传统方法相比体现了较好的优势.     

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.