源起“吞食”一片枫叶,“鳄鱼”惹上官司

假冒与反向假冒行为已是商标侵权的主要表现形式,学界对于商标假冒理论已经是很成熟了,但是对于反向假冒理论却仍然有很多疑问与矛盾。其中关于反向假冒是否侵犯商标权就有很多版本,其中商标权穷竭理论、物权理论和诚实信用原则等都否定反向假冒侵害商标权。但是究竟这些理论能否站得住脚,有没有公信力？我认为是值得商榷的。最重要的疑问还有我国现在的立法对商标反向假冒的规制,还不能从根本上解决商标权的保护问题,那么,如何更好地保护商标权人以及社会大众的权利也是我们需要探讨的问题。     

气体在陶瓷过滤器元件内的流动研究

在高温高压条件下清除煤（烟）气中的微细尘粒,有效的方法是使用刚性陶瓷过滤器 .而刚性陶瓷过滤器的在线清洗,唯一可行的方法是反向脉冲喷射冷气体 .本文对于陶瓷过滤器元件内的气体流动按正向和反向两种流动情况,用多孔介质流动模型进行了研究,认为气体在正向流动时遵守修正的达西定律;气体在反向脉冲清洗时遵守修正的 Navier－ Stokes定律 .在此基础上,本文得到了气体在陶瓷过滤器元件的正向与反向流动规律,为今后设计陶瓷过滤器元件的结构等参数奠定了理论基础 .     

多通道测力仪动态信号反向滤波补偿方法

为了消除动态测力仪的结构动态特性对测试结果的干扰,采用反向滤波的方法对动态力测试信号进行修正。根据最小相位系统理论设计反向数字滤波器,由单输入单输出反向数字滤波器的设计原理,提出了多输入多输出反向数字滤波器的设计方法。根据测力系统激励力与测试值之间的频响函数矩阵,建立测力系统传递函数模型,并进行最小相位转化,将最小相位动态力传递函数模型反转,得到反向滤波器。实验结果表明:经过反向滤波处理的动态力测试值与实际动态力具有相同的幅值;运用零相位滤波方法,消除了测试信号与实际动态力之间的相位差;测试结果与动态力实际输入幅值误差小于6%。     

基于BP神经网络的GFSINS角速度预测

针对无陀螺捷联惯导系统(GFSINS)中传统角速度算法解算精度不高的问题,提出一种可避免复杂代数运算的反向传播(BP)神经网络算法来求解角速度.基于一种十加速度计构型方案,选择10个加速度计输出、采样周期和臂杆距离等12个已知量作为网络输入,以对数法得到的角速度值作为期望输出,针对5 000个样本在不同的隐含层层数、单层神经元个数以及学习步数等情况下进行网络训练,构建了一个含有30个隐含层神经元的3层BP网络模型.采用此模型对角速度进行实时预测,结果表明:网络具有很好的适应能力和实时性,角速度实时预测时间与对数法相当,且其预测精度比对数法提高大约3倍.     

反向传播神经网络对多结构翅片管换热器变工况性能预测适应性研究

基于多结构翅片管换热器变工况实验数据,研究神经网络模型在水-空气翅片管换热器性能预测方面的可行性.建立2排管、3排管翅片管换热器在制冷、制热工况下的反向传播神经网络模型,优化并确定单隐含层和双隐含层情况下较优的网络结构,模型预测误差达到1%左右.以指定结构翅片管换热器数据作为测试集,对比单隐含层和双隐含层网络模型在性能预测方面的效果.研究结果表明:对于制冷工况,双隐含层模型不能提高模型精度,反而会因为过拟合导致部分参数的预测精度降低;对于制热工况,双隐含层模型在预测结果精度上有明显的提高.     

自适应神经网络模糊控制在倒立摆中的应用

应用MATLAB的模糊控制工具箱，设计了用于倒立摆系统的模糊控制器，并且利用神经网络能够自学习的特点，采用反向传播算法对倒立摆控制样本数据进行了学习，调整了各变量的隶属函数，从而使学习后的模糊控制器更能适应倒立摆系统控制的需要。把学习前后的模糊控制器用于倒立摆系统进行了实验对比，结果表明学习后的控制器控制效果明显优于学习前的控制器。     

环状芽胞杆菌（Bacillus circulans）基因表达效率调节DNA片段的研究

用大肠杆菌（Ｅｓｃｈｅｒｉｃｈｉａｃｏｌｉ）启动子探针型载体ｐＳＵＰＶ１从环状芽胞杆菌（Ｅａｃｉｌｌｕａｅｉｒｃｕｌａｎｓｃ－２）基因组中分离的启动子片段ＢＣ６能使无启动子的卡那霉素抗性基因恢复活性，并在大肠杆菌中获得高效表达（卡那霉素抗性高达１２００μｇ／ｍＬ）．当用限制酶ＸｂａⅠ去除其５′－端１．２ｋｂ片段（命名为Ｘｂ片段）后，３′－端片段仍能启动Ｋａｎ￣ｒ基因表达，其抗性水平降至４００μｇ／ｍＬ但当１．２ｋｂ片段反向插回原有位置时，其抗性水平降至６００μｇ／ｍＬ．将Ｘｂ片段正向插入另一重组质粒ｐＢＣ３中融合的Ｋａｎ￣ｒ基因启动子的上游时，卡那霉素抗性由２００μｇ／ｍＬ上升至１０００μｇ／ｍＬ．当Ｘｂ片段反向插入时，Ｋａｎ￣ｒ基因的表达却明显受到抑制，降为１００μｇ／ｍＬ．这说明Ｘｂ片段具有正向增强而反向衰减Ｋａｎ￣ｒ基因表达的能力．用ＢＣ６片段的两个亚克隆片段与ｃ－２菌株总ＤＮＡ分别作Ｓｏｕｔｈｅｒｎ杂交时，结果显示３′－端片段以单拷贝形式存在于基因组中，而Ｘｂ片段则以多拷贝形式散布其中．由此推断Ｘｂ片段并非一定伴随该基因启动子存在．     

一种基于模糊推理的神经网络学习算法

提出了一种新的神经网络学习算法．相对于其他学习算法，该算法侧重于网络参数的调整，通过对样本集的模糊推理、调整和分类学习来实现自适应的神经网络学习．结果表明，该算法能大大提高神经网络的学习速度和学习效率，并能从样本集中得到反常样本和小概率事件样本，对小概率事件样本有很好的学习能力．     

基于GA-BP神经网络的微裂纹漏磁定量识别技术

针对漏磁检测定量识别技术中识别的缺陷尺寸大多为1~10 mm的较大裂纹,与实际自然裂纹相差太大的问题,将基于遗传算法优化的BP神经网络（GA-BP）算法应用到微裂纹缺陷的漏磁定量识别中,使得漏磁检测定量识别缺陷的宽度、深度达到小于0.50 mm的微细裂纹,并通过基于磁偶极子模型的理论计算与漏磁检测实验两种方法构建了微裂纹（0.10~0.30 mm）缺陷样本库.由于在实际检测过程中存在干扰噪声的原因,实验数据的预测结果误差比理论计算数据预测结果明显偏大,最大为16.73%,但预测结果能够基本反映微裂纹缺陷的尺寸大小.      

地下厂房锚杆支护的反向传播神经网络智能化设计模型

水电站地下厂房的支护设计一般采用工程类比法,而西南地区高地应力、大跨度地下洞室的修建难度往往超出以往的工程,难以完全适应。亟待建立考虑复杂地质条件影响的围岩支护定量设计理论和方法。在29个跨度为18.0～34.0 m,强度应力比为2.00～80.8的地下厂房支护参数的基础上,采用反向传播(back propagration, BP)神经网络方法,训练出了地下厂房系统锚杆支护的智能化设计模型。该模型通过输入洞室跨度值和强度应力比对系统锚杆直径、间排距进行优化设计。采用对神经网络权重分析的方法探讨了洞室跨度和强度应力比对系统锚杆支护方案选择的影响程度。研究结果表明:基于BP神经网络的水电站地下厂房系统锚杆支护的智能化设计模型具有良好适用性和可靠性;在仅考虑强度应力比和洞室跨度的情况下,水电站地下厂房系统锚杆的支护设计应该优先考虑强度应力比的大小。