Vlookup( )函数在高校人事信息管理中的应用

本文探讨使用Vlookup( )函数在人事信息管理工作中实现不同电子表格间数据对接的基本方法和相关问题.通过在两个数据表中使用Vlookup( )函数进行数据查找与匹配的实例,证明使用该函数在进行不同数据库间的信息整合和交叉引用时能显著提高工作效率和准确性.     

A/SDS复配体系中管状结构的自发形成

利用透射电子显微镜(TEM)、扫描电子显微镜(SEM)和动态光散射(DLS),研究了磷酸三酯(PTA)与十二烷基硫酸钠(SDS)混合体系在水溶液中囊泡的自发形成及其向管状结构的转化.当PTA/SDS摩尔比为3︰7,总浓度为0.01mol/L时,观察到球状囊泡聚结成直径约100nm,长度约7000nm的管状结构.而且管状结构的直径、长度及数量均随表面活性剂总浓度及样品放置时间的增加而显著增长.     

浅谈排队论在通信网中的简单运用

根据排队论的单窗口排队模型,讨论在简单的电话局之间的业务状态,对于复杂的情形,通过软件仿真的办法来分析业务的状态.     

小型泵站无人值守PLC自动控制系统

针对中、小型泵站自动控制系统运行的一般特点,提出了采用PLC为控制核心的控制方案.该方案成本低,管理、维护和操作简单易行,便于在广大农村中、小型泵站中推广应用.并以实例形式介绍了可编程序控制器(PLC)小型自控系统的组成.     

真蓝甲藻(Gymnodinium eucyanochroum Tseng Sp.nov.)的亚微结构、色素性质及其在藻类进化中的意义

本文报告了在南京发现的蓝色裸甲藻,测定了它的藻胆色素。证明蓝色藻胆蛋白不是山“胞内蓝藻”(Cyanellen)所提供。电子显微镜的扫描表明细胞表面有众多的突起,不是光滑的;横沟内的鞭毛不是“带状”而是由细纤维丝膜状物拉着的螺旋形。透视电子显微镜观察表明,该藻有两个类型的细胞核,即“甲藻核结构”(Dinocaryotic structure)和“真核结构”,(Eucaryotic Structure),真核与叶绿体有一个共同的膜的包被,有一个与原生动物相近似的伸缩泡系统。叶绿体是分枝状,在细胞的边缘位,但也有其它形态。有淀粉颗粒而无“造粉核”或称”“蛋白核”(Pyrenoid),多数位于叶绿体外或之间,类囊体与一般甲藻不同,不是三个排成一条“带”而是两个排列成“带”。有发达的线粒体,和高尔基体;鞭毛不论纵沟内的或横沟内的,其横切面,均为9+2的形式,其纵切面是由纤维丝成束的结构。蓝色色素提取物,可见光最大吸收峰为456nm,与隐藻藻胆色素十分相似。从细胞亚微结构及其色素性质,作者认为它是藻类演化过程中的一个中间类型的甲藻共生体。     

基于强化学习的电磁悬浮型磁浮列车悬浮控制

为了保证磁浮列车的安全、可靠运行,研究了悬浮系统在参数摄动条件下的悬浮控制问题。首先,对电磁悬浮（EMS）型磁浮列车的基本悬浮单元建模,给出了电流控制模型;然后,建立了悬浮系统的强化学习环境以及软演员-评论家（SAC）智能体,并设计了加速训练的奖励函数与“吸死”处理方案;最后,提出了基于强化学习的悬浮控制方法。与传统比例-积分-微分（PID）控制方法的对比结果表明,本方法具有更快的动态响应,在损失50%线圈匝数或磁极面积变化时具有更好的跟踪精度。     

用于物联网的可重构的祖冲之密码算法的硬件设计

针对应用在资源有限的物联网中的祖冲之(ZUC)256密码算法,本文介绍了一种资源优化的ZUC-256密码算法的硬件实现方案,设计了面向资源优化的循环型ZUC-256密码算法的硬件架构和基于块随机存取存储器(BRAM)的可重构S盒(S-box)单元,从而有效地降低了资源消耗。硬件方案在现场可编程逻辑门阵列(FPGA)上进行了硬件验证,结果表明本文资源优化的循环架构中的各个硬件开销相比已有的方案有明显的降低。     

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。     

基于频域降采样和CNN的轴承故障诊断方法

在工业领域,设备运行过程中采集的原始故障信号具有强噪声以及多工况的特点,现有的基于数据的轴承故障诊断模型的抗噪能力与泛化能力相对较弱。针对以上问题,提出一种基于频域降采样(down-sampling)和卷积神经网络(CNN)的轴承故障诊断方法 Ds-CNN。频域降采样包含最大偏移降采样和噪声横截断两个部分,可以实现样本增强,降低样本在频域的差异性,同时减弱噪声对频域信号的影响。基于频域信号建立的CNN模型能够自动提取降采样后频域信号的故障特征,并完成对轴承故障的识别分类。实验结果表明,在强噪声环境和多工况条件下,与目前常用模型相比, Ds-CNN具有更高的识别准确率。     

基于卷积模型的核信号仿真

NaI(Tl)探测器因具有探测效率高和成本低等优点,常被用于核辐射能谱测量和核辐射监管等领域．由于实验条件等的限制,研究人员往往较难获取理想的实验核信号,虽然可以借助探测器的仿真信号来实现研究目的,但是常规的探测器单指数或双指数模型和实际采集到的核信号模型存在一定的差异,需要一种更为精准的数学模型对探测器输出信号进行描述．我们通过对探测器信号形成过程分析,将探测器视为线性时不变系统,探测器各个部分响应的总卷积即为输出的核信号模型．本文建立的探测器输出信号卷积模型,结合实测伽玛源的幅度分布规律和相邻脉冲时间间隔分布规律,可以提供更精确的NaI(Tl)探测器输出信号,以便用于伽玛能谱测量算法研究;通过调节脉冲间隔时间大小,可以仿真不同计数下探测器输出信号的堆积情形,以便用于堆积信号还原算法研究．经过与伽玛辐射源的对比测试,该仿真信号与真实探测器输出信号一致,既避免了研究人员接触放射源,提高辐射防护安全性,又为开展数字化核信号处理算法研究及能谱算法研究提供了极大的便利性．