一种MOSFET器件模拟的新方法

逆算子方法是一种新发展起来求解强非线性问题的近似解析法,对这种方法在MOSFET器件模拟中的基本思想和实现方法进行了阐述,并将其运用于MOSFET器件模拟中,求解了半导体区域的一维非线性泊松方程,得到了MOSFET的一些重要参量的解析表达式,所获得的结果与数值计算的结果比较表明,该方法获得的结果物理意义明确、分析过程简单,收敛速度快捷.     

从非欧几何的产生看数学对人类文化的影响

非欧几何的创立是数学史上最光辉的篇章,也是人类历史上一次伟大的思想解放的典范,它不仅带来了数学思想的深刻变革,也使人们的思想发生了极大的变化,使人们对真理、时空等一系列重大的哲学问题有了新的认识,对人类文化的发展产生了非同寻常的影响.     

用基本逼近算子加附加插值算子构造三角曲面片

提出了构造三角曲面片的一个新方法. 新方法通过基本逼近算子加上附加插值算子构造满足给定边界曲线和跨界切矢的三角曲面片. 基本逼近算子由逼近插值条件的5次多项式构成, 附加插值算子用边点法产生. 基本逼近算子和附加插值算子在构成三角曲面片中具有不同的作用, 前者使三角曲面片以五次多项式精度逼近插值条件, 而后者则使三角曲面片满足给定的插值条件. 所构造的三角曲面片可以重构五次多项式曲面. 给出了新方法和其他两种方法进行比较的结果.     

求解微分方程Y″＋ρy′＋qy=f（x）的注记

利用函数组线性相关性、微分方程降阶积分法和二阶微分方程解的结构性质，对二阶常系数非齐次线性微分方程求解问题作了进一步分析讨论，给出了求其通解的一种适用且有效的新方法．     

快速城市化的珠江三角洲非污染生态影响初步分析

人类生活和生产中各种开发利用自然资源活动是引起非污染生态影响的主要原因,而城市化是其中影响最深的过程之一.珠江三角洲作为我国快速城市化的典型区域,城市化引起的非污染生态问题显著.该区域的土地利用变化大,城镇、交通用地迅速增加,林地、草地、耕地则大幅减少.城市植被的种类少、优势种突出、外来物种较多,从而明显降低了区域的生物多样性.由于不合理开发土地资源的人为活动,城市区域的水土流失严重,而且侵蚀强度相当大.     

美托洛尔分子印迹聚合物识别性能的研究

采用紫外光引发的分子印迹技术,以美托洛尔为模板,甲基丙烯酸为功能单体,乙二醇二甲基丙烯酸酯为交联剂,成功制备了以美托洛尔(Metoprolol)为模板的分子印迹聚合物.结合底物的实验表明,该聚合物对美托洛尔具有优良的吸附选择性.并通过Scatchard方程研究了印迹聚合物对模板分子的结合特性,结果表明,功能单体甲基丙烯酸与模板分子在自组装过程中通过氢键和离子键形成了2类非等价的结合位点,并计算出2类不同结合位点的离解常数分别为Kd1=2.398×10-4mol/L,Kd2=6.364×10-4mol/L;最大表观结合量Qmax1=58.57μmol/g;Qmax2=86.13 μmol/g;分别为理论吸附量的50.53%和74.31%.     

毛细管电泳高频电导检测克林霉素的含量

建立了毛细管电泳高频电导法测定克林霉素含量的方法.考察了各种实验条件对分离和检测的影响.以2.4 mmol/L 甘氨酸 0.80mmol/L柠檬酸 4.0 mmol/L H3BO3(pH=6.5)为电泳介质,分离电压20.0 kV.在优化条件下,克林霉素的峰形良好,出峰时间快,线性范围为1.500～120.0μg/mL,检出限为0.5μg/mL.回收率达93.6%～98.9%.     

基于trn L-F序列数据利用贝叶斯法推测罗汉松科的系统发育

以黑松和Agathis australis为外类群,基于罗汉松科42种植物的叶绿体trnL-F序列数据通过贝叶斯法对该科的系统发育进行了推测.结果显示:①Phyllocladus为单系分支,位于罗汉松科的基部,是罗汉松科所有其余成员的姊妹群;②Nageia嵌套在罗汉松科内,同罗汉松属、Afrocarpus及Retrophyllum的关系较为密切;③Dacrycarpus为单系群且处于姊妹分支Falcatifolium-陆均松属的基部;④Lagarostrobs franklinii和Manoao colensoi应置于同一属Lagarostrobs内;⑤支持成立Halocarpus和Lepidothamnus属;⑥赞同Microstrobos和Microcachrys两属亲缘密切的观点.     

非贪婪策略在WEB搜索中的应用

传统专业搜索引擎采用贪婪的链接选择策略,导致整体回报率较低.本文提出了一种非贪婪的链接选择策略,进而提出了一种基于非贪婪策略的启发式搜索算法.针对国外四所著名大学计算机系网站中论文资源的搜索实验表明,新的算法可以有效提高搜索效率.     

神经网络TSP问题仿真分析

描述了Hopfield神经网络和自组织特征映射神经网络解决TSP问题时的求解过程和仿真算法.通过对两种算法的仿真比较,得出以下结论:对于较大规模的TSP问题,SOFM模型的寻优结果要优于HNN模型寻优结果;HNN对网络模型参数和初始条件具有很强的依赖性且调整参数组合非常困难,而SOFM的参数设置和调整相对要简单得多;SOFM算法对待解决问题的拓扑分布不敏感,而HNN算法的收敛性对待求解问题的自身分布有很强的依赖性;当待求解问题的数目增大时,SOFM算法的运算时间增加缓慢,而HNN算法的运算时间增加较快.因此,在解决TSP问题时,自组织特征映射神经网络比Hopfield神经网络的效率高,随着问题规模的增大,其优势更为明显.