子群是正规子群的一个充分条件

判断子群是否为正规子群有多种方法,本文从有限群与其子群阶的关系上,给出子群是正规子群的一个充分条件。     

Erds 等人的一个定理的新证明

本文给出定理:“在2n—1个整数中,必有n 个数,它们的和被n 整除”的一个新的证明,它无需先讨论n 为素数。     

奶畜应喂多汁饲料

多汁饲料有根茎类（如甘薯、马铃薯）、直根类（如胡萝卜）和瓜类（如南瓜）之分。它以含水量大、干物质中糖和淀粉多、维生素丰富、适口性好、消化率高，成为奶畜最爱吃的必备饲料之一。现就是常见的多汁饲料的利用方法介绍如下。     

谈电工类技能教学中学生综合能力的培养

在电工类技能教学中，应当加强对观察能力、思维能力、探索能力、创新能力、总结能力、适应能力的培养。     

N—亚（2—羟基萘甲基）氨基乙酸Schiff碱铜（Ⅱ）配合物的合成

通过２－羟基－１－萘醛和氨基乙酸形成的Ｓｃｈｉｆｆ碱与二价铜了合成新的配合物，并经元素分析、摩尔电导和红外光谱与电子光谱研究面是表征。其Ｃｕ原子形成四配位配合物，分子内中心原子分别形成亚胺的Ｎ→Ｃｕ，羟基的Ｏ－Ｃｕ，酚氧原子的Ｏ－Ｃｕ以及水的配位Ｏ→Ｃｕ。     

铜发光中心的分布和位错显微结构的关系

本文作者根据显著观测和发光光谱的测试结果表证实了在ＺｎＳ：Ｃｕ单晶中，蓝色铜发光中心及绿色铜发光中心的分布和位错线区域的横向与纵向的显著与纵向的显著结构有着固定的对应关系。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于三支决策的密度敏感谱聚类

将三支决策与密度敏感谱聚类结合,提出了一种基于三支决策的密度敏感谱聚类算法。该算法通过在密度敏感谱聚类的聚类过程引入容差参数得到每个类的上界,然后通过扰动分析算法从上界中分离出核心域,上界和核心域的差值被认定为该类的边界域。聚类结果用核心域和边界域来表示每个类簇,可以更全面地展示数据的结构信息。与传统的硬聚类算法在UCI数据集的实验结果相比较,本文使用核心域计算聚类的评价指标DBI、AS和ACC都有所提升,较好地解决了不确定性对象的聚类问题。