路甬祥谈世界科技发展趋势

科技创新、转化和产业化的速度不断加快，原始科学创新、关键技术创新和系统集成的作用日益突出。二战之后，世界科技日新月异，科研成果转化为现实生产力的周期越来越短，科学与技术的界限趋于模糊，技术更新速度越来越快。今天，人类基因组、超导、纳米材料等本属于基础研究的成果，有的早在研究阶段就申请了专利，很多科学研究的成果迅速转化为产品，     

试论我院学科建设的安全科技特色

论述了安全科技办学特色对华北科技学院发展的重要意义,简要分析了仅以现有安全工程学科为重点建设特色学科所面临的困难.结合安全科学的多学科交叉特点,提出了将安全科技特色同时拓展到所有主体学科的学科发展思路.一方面注重传统产业安全技术稳定的进步,另一方面需要从安全问题的新趋势中寻求学科突破的方向.     

舌慢适应传入纤维终止于三叉神经脊束核和三叉神经感觉主核形成突触的差异

目的：研究舌慢适应传入纤维终止于三叉神经脊束核和三叉神经感觉主核形成突触的类型及突触各组成部分出现频率的差异，为神经生理学研究和神经解剖学研究提供参考资料。方法：用猫作为试验动物，采用确定部位和功能的传入纤维进行细胞内注射，电镜连续切片观察技术。结果：1．猫舌慢适应传入纤维终止于三叉神经脊束核形成的突触以中间型为主；2．猫舌慢适应传入纤维终止于三叉神经感觉主核形成的突触以复杂型为主；3．形成三联体的数目及形成突触的各组成部分出现的频率，三叉神经感觉主核相对较高。结论：三叉神经感觉主核是舌的主要终止核团。     

基于Agent的多领域战争空间实践

信息化战争模拟不能仅仅考虑火力作战损耗，需要更加注重对军事、政治、经济、社会、舆论等各个领域的综合建模仿真。为此，我们在多年研究信息化战争模拟和战争复杂性的基础上，在虚拟全球战争空间研究构想指导下，采用CAS理论，基于进化的思想，运用Agent建模方法在多领域中对上述研究构想进行了探索性实践。对多领域战争空间Agent建模实践的内涵、外延、特点等内容进行了论述，并给出了原型设计，为本课题的长期研究奠定了基础，指明了方向。     

刺激图形对外膝体细胞图形适应的影响

分别以条形光栅和环形光栅作为刺激, 研究了猫外膝体细胞对运动正弦光栅刺激产生的图形适应. 结果表明, 用两种光栅刺激时, 外膝体细胞均产生了明显的图形适应现象, 但用环形光栅刺激时, 外膝体细胞的发放和图形适应程度均明显高于条形光栅的相应结果. 环形光栅和条形光栅在空间频率、时间频率和对比度等参数上均相同, 但外膝体细胞对它们的反应和适应程度却不同. 这一结果与心理学对上述两种运动光栅的适应现象和后效应相一致, 可能反映了这一心理学现象的皮层下神经机制.     

DWDM系统中色散抑制XPM效应的研究

推导出了交叉相位调制效应(XPM)影响下的光纤DWDM传输系统的数值计算模型,并利用MATLAB软件进行了数值模拟计算,分析了色散对XPM的影响。     

Λ-型三能级系统中粒子布居转移

目的研究Λ-型三能级系统中Stark啁啾快速绝热通道技术(SCRAP)。方法采用能级交叉技术和缀饰态理论。结果使用一束远离共振的强Stark脉冲来调节能级之间的玻尔频率,使其与耦合光频率达到共振,产生2个交叉点。结论选择脉冲间的延迟时间,使得耦合光在一个交叉点周围足够强,在另一个周围足够弱,粒子从基态转移到激发态的效率可以达到1。     

S3与Wn的笛卡尔积交叉数

本文先构造S3×Wn的一种好画法,由这种好画法计算出Cr(S3×Wn)≦2[(n-1)2/4] [n/2] 5,然后利用数学归纳法证明Cr(S3×Wn)≧2[(n-1)2/4] [n/2] 5,从而确定了S3与Wn的笛卡尔积交叉数即Cr(S3×Wn)=2[(n-1)2/4] [n/2] 5.     

基于支持向量机和多层感知器的多病类诊断基因选择方法

超高维基因空间超小样本的基因选择问题是基因芯片技术的挑战性课题之一,对于解决维数发难问题和获得诊断基因具有重要的理论和实际意义.针对DNA微阵列数据的超高维空间和超小样本特性,提出了实现二病类样本有效分类的基于支持向量机(SVM)和leave-one-out的递增基因选择方法,并针对多病类情况的基因选择问题,提出了在区分两两病类所选基因基础上的基于多层感知器(MLP)和leave-one-out/MLP leave-4-out的递减基因选择方法.对于真实MIT数据(7129个基因、两个病类、72个样本)和NCI数据(2308个基因、64个样本、4个病类),用文中方法选择出了11个和6个诊断基因,与传统SNR方法的比较结果表明所选出的这些诊断基因有很好的诊断性能(即推广能力),既可有效诊断相应疾病,同时极大降低芯片和诊断费用,表明了该方法的有效性.     

基于BP神经网络的集群负载预测器

针对由于作业调入调出引起的负载突变,提出了基于通知机制的反传(BP)网络和动态滑动窗口混合预测方法,设计并实现了基于神经网络的负载预测器.该方法在发生突变时,利用动态滑动窗口均值法预测并重新训练样本,训练结束后使用新的BP模型预测.其通知机制能减少预测器的样本识别时间,模型保存机制提供了无需训练样本的机会.测试结果表明,该预测器具有较好的预测精度,能够将大部分预测值的平均误差控制在5%以内,并快速适应突变事件.