如何在学生头脑中建立客观世界的物理图像

物理教学是运用学生已有知识和日常生活经验以及物理学在现代科学技术中的应用，由形象到抽象，探求事物的内在联系和规律；用学过的知识形象说明微观现象；用生活经验建立微现世界的生理图像；通过现代技术的应用，激发学生的学习兴趣。     

曼氏无针乌贼Sepiella maindroni de Rochebrune怀卵量及生殖力

本文研究了曼氏无针乌赋的怀卵量及生殖力。结果表明:1)曼氏无针乌贼的怀卵量为832—7925粒(平均2,366粒);个体绝对生殖力为155—1590粒(平均447粒);个体相对生殖力 r/L 为5—44粒(平均15粒);个体相对生殖力 r/W为4—25粒(平均9粒)。2)怀卵量和个体绝对生殖力与胴长、纯体重及缠卵腺重之间的关系均为直线正相关。相对生殖为 r/L 与胴长呈直线正相关,相对生殖力 r/W 与纯体重呈直线负相关。     

浅谈《世说新语》中的女性群体

《世说新语》中的女性形象，大致可以概括为“德”、“识”、“才”、“情”四种类型。在她们身上体现了“自然”和“真”的人生态度，体现了魏晋时代人们所特有的精神风貌。     

协作的行为是如何进化的?

当查尔斯·达尔文(1809～1882,英国博物学家,进化论的创立者——译者注)潜心钻研他的物种起源的伟大理论时,有一个事实使他困惑不解,那就是:从蚂蚁到人的诸多动物都可以形成社会性群体,在群体中大多数个体都为群体的共同利益工作。这似乎违反了他的观点——个体的适合度是其长期存活的关键所在(适合度是指把个体基因传至下一代并能在这一代生存且再继续下传的概率,它与群体的平均概率相关——译者注)。但是,在写《人类的起源》这本书之前,达尔文对上述问题做出了一些解释。他认为,自然选择能够促进家族中的利他行为,以便提高“家族”的生殖…     

白翅潜叶蝇的发现与研究

白翅潜叶蝇在福建省的发现 1981年4月10日．田间调查发现．福鼎市桐山区流美村种植的小麦及大麦遭受一种潜叶性昆虫的为害，多数麦株叶片前半段干枯，远远望去，全田呈现一片斑驳状枯白，虫株率达100％．产量损失二成以上。不久．白琳区和点头区等地亦相继传来灾情。     

1995年石河子地区冬春小麦生长期间气象条件分析

<正> 1995年石河子地区种植的46.26万亩冬春小麦喜获丰收,总产比1994年增长了35%,平均亩产289公斤,比1993年的270公斤增加了19公斤,单产总产均创历史最好记录,涌现出了122、142、143、总场、148、151、152等四亩产超过300公斤的团场,石总场万亩小麦超过500公斤高产田,现仅从气象条件对小麦生长发育的利弊影响作分析,为今后冬春小麦的生长期间合理管理提供了可靠的依据.     

胃癌AgNOR银染色的定量分析研究

应用银胶染色法和计算机图像分析技术,对48例胃粘膜活检标本的石蜡切片进行Ag-NOR形态、定量分析研究。结果表明其对于区别胃疾患的良恶性和判定胃癌的分化程度有重要意义。     

基于深度学习的红外与可见光图像融合综述

图像融合技术是指从不同的源图像中提取并融合互补的信息,生成一幅信息量更丰富、对后续高级视觉任务提供足够支持的图像.红外与可见光图像融合（Infrared and Visible Image Fusion,IVIF）是图像融合领域的一个重要分支.近年来,深度学习技术在视觉计算领域表现出了良好的性能,尤其是基于自编码器、卷积神经网络、生成对抗网络等几种基于深度学习的IVIF技术得到了蓬勃发展.为此,对基于深度学习的IVIF算法的方法、数据集和评估指标等进行了总结和阐述;通过大量的实验,进行定性和定量的结果分析,对比了各类基于深度学习IVIF算法的性能;最后,讨论了该领域未来发展的一些前景和研究方向.     

基于生成对抗网络的砂岩薄片图像视野外重建

利用生成对抗网络(GAN)模型,对砂岩薄片图像的微观颗粒和孔隙结构进行视野外重建,并对预测图像的语义进行评价。结果表明,模型能够预测2.25倍于原始视野的砂岩微观结构,并且针对不同类型的岩石图像语义均具有良好的性能。模型对不同颗粒的表面纹理、颗粒形态以及多颗粒间复杂接触关系等语义的图像视野外预测结果与真实图像较为吻合。但是,在微观特殊现象图像的视野外重建任务中,模型缺乏对特殊现象的敏感性。在孔隙结构重建时,模型对微孔面孔率的预测误差大于粒间孔、裂隙和溶蚀孔等孔隙空间。不同孔隙空间重建图像的预测效果可能与孔隙特征(如孔径大小和连通性)有关。     

基于特征类内紧凑性的不平衡医学图像分类方法

近些年,基于深度学习的算法和模型在各种图像分析任务中都取得了显著的成功,与常见的自然图像相比,医学图像数据集依然面临高度不平衡的问题,不平衡数据会导致特征空间里的决策边缘倾向样本多的类别,导致分类效果的下降.为了解决该问题,提出一种基于卷积神经网络考虑特征类内紧凑性的不平衡医学图像分类方法（Z-Score Compactness-based Convolutional Neural Network,ZC3NC）.首先,从一个卷积神经网络的最后一层卷积层提取训练集样本与测试集样本的特征图,随后引入一个新的Z分数来度量测试集数据的特征图相对训练集每个类在特征空间上的偏离度,偏离度的度量基于类内的紧凑度,其主要关注样本的分布特性,对各类样本数量的不平衡性不敏感.最终,根据计算的偏离度,对测试集的数据进行分类.在DermaMNIST数据集上的实验表明,在不对数据和神经网络模型做任何额外增强的情况下,该方法的平衡准确率比原卷积神经网络模型平均提高11.15%,最多提高14.08%,证明提出的分类方法能有效地提高多种卷积神经网络对不平衡医学图像数据的分类性能.此外,和最先进的不平衡分类方法 Und...