多块神经网络误差反传的新概念

连接型网络的误差反传学习通常只是改变网络的权系数，所学的知识仅存储子所用网络内部神经元的连接之中，而神经元的作用函数在学习过程中保持不变．人脑中的神经无处理信息的方式对变化的信息环境应该具有相应的自适应性，这样的观点用于连接型网络的学习便意味着，在学习过程中，不仅网络内部神经元的连接，表示神经无处理信息方式的作用函数也应该可以变化，参与学习．本文对具有上述功能的多块神经网络以矢量一矩阵的形式给出了一般性的描述，并介绍了相应的误差反传学习算法．多块神经网络及其学习算法的矢量一矩阵描述有助于网络的稳定性分析和学习算法的收敛性分析．     

含时三次幂势系统传播子的精确解

本文应用正则变换的方法，以一般的含时不变量为正则动量，求得含时三次幂势系统传播子的精确解表达式。     

Arrhenius公式与活化能

本文阐述了Ａｒｒｈｅｎｉｕｓ公式的应用及其适用范围，对活化能的概念及其意义进行了讨论。在此基础上提出了反应物分子活化能的概念，指出反应物分子的活化能与反应的活化能是两个不同的概念，并对二者的意义、关系和温度时它们的影响做了初步论述。     

用Wagner方程研究Ti衬底与Al膜间的反应和互扩散

本文根据Ｔｉ与Ａｌ膜间的反应和互扩散动力学提供的浓度分布曲线，用Ｗａｇｎｅｒ方程计算Ｔｉ衬底与Ａｌ膜间在Ｔｉ相变点上、下Ａｌ的互扩散系数Ｄ和激活能Ｑ，找出了互扩散系数与温度与成分的变化规律，计算结果表明，扩散激活能的大小次序是：ＱＴｉ３Ａｌ＞ＱＴｉＡｌ＞Ｑａ－Ｔｉ（Ａｌ）＞Ｑｂ－Ｔｉ（Ａｌ）。     

硝酸酯分子结构和水解机理研究（Ⅱ）─—硝酸乙酯

该文运用ＳＣＦ—ＭＯＡＭ１方法，通过能量梯度全优化计算，求得了硝酸乙酯的反式和傍式两种分子构象，两种构象间的能量差为３．５１ＫＪ／ｍｏｌ。傍式比反式稳定，反式—傍式旋转势垒为２．３４ｋＪ／ｍｏｌ。由ＡＭ１法计算，制作了硝酸乙酯的碱性ＳＮ２水解位能曲线，求得活化能为６３．６０ｋＪ／ｍｏｌ。讨论了水解过程中反应体系的几何构型和电荷分布的变化规律。     

Bi熔体粘滞性的非连续变化现象

金属熔体的粘滞性是液态金属原子迁移能力的一种表现，反映了原子间结合力的大小，是重要的熔体敏感物理性质之一，从中能得到许多关于液态结构的信息，同时也是重要的铸造工艺参数。Bi熔体的粘度一温度曲线关系表明，粘度随着温度的降低而增加，但并不连续，计算可知，高温区域的粘流活化能E值最小，低温区域的最大，中温区域的处于两者之间。随温度升高，流团尺寸vm在减小。结合DSC曲线分析认为，粘度异常变化区域是Bi熔体由不均匀向均匀原子结构非连续变化所引起的，与熔体中原子健的转变密切相关。     

2-嘧啶酮互变异构的密度泛函理论计算

采用密度泛函理论,在B3LYP/6-3l1G**基组水平上,计算并考察了2-嘧啶酮分子酮式和烯醇式结构进行结构互变的质子迁移过程中的2种可能途径(:a)分子内质子迁移(;b)水助质子迁移.计算结果表明,途经b所需要的活化能较小,氢键在降低反应活化能方面起着重要作用.     

CaO-SiO2-Al2O3-MgO-V2O5渣系中钒熔融还原动力学

实验室条件下, 进行了碳饱和铁水还原CaO-SiO2-Al2O3-MgO-V2O5渣中V2O5反应的动力学研究. 在考察了各种因素对还原反应速度和反应程度影响的基础上,进一步探讨了还原反应机理,计算了各种条件下的表观速度常数. 研究表明:高温、合适碱度、大铁渣比以及高初始V2O5含量,使得还原反应进行得较快,效果较好. 反应达到平衡之前,还原反应为表观一级反应. 计算得到还原反应的表观活化能为23.21kJ·mol-1,表明反应的限制性环节为铁液中V的扩散传质.     

统计分布中α因子与热力学量之关联

用三种经典分布的统计规律,计算了统计物理学中α因子与热力学量之间的关联,结果表明对单原子分子理想气体而言,其结论是一致的.同时讨论了范德瓦耳斯气体的α因子并给出了这种情况下相对于理想气体而言的修正项.     

Sm2Fe17合金的热稳定性

用热重/差热(TG/DTA)分析法研究了粒度及升温速度对Sm2Fe17合金热稳定性的影响,结合XRD物相分析结果说明Sm2Fe17合金氧化过程中发生的化学反应,用Kinssinger法计算了Sm2Fe17合金被氧化所需的表观活化能并推断了其反应机理. 结果表明:Sm2Fe17合金粉的粒度越细,其热稳定性越差;升温速度越快,Sm2Fe17合金的氧化温度增高,放出的热量减小. Kinssinger法计算Sm2Fe17合金在低温氧化时的表观活化能为162kJ·mol-1,在高温氧化时为189.8kJ·mol-1.