J/Ψ衰变到重子对的研究

进一步考虑到本底形状对拟和结果的影响后,给出J/Ψ→Ξ--Ξ+的角分布α=0.52±0.26;利用BE-SII上已有的角分布结果对J/Ψ→Ξ--Ξ+,p-p,Λ-Λ,0Σ-Σ0的电形状因子GBE和磁形状因子GBM的比进行了研究,并与DM2的结果进行了比较.     

考虑颗粒形状的离散元法在岩土工程中的应用进展

随着计算条件的不断发展,颗粒离散元方法在岩土工程数值分析中已有一定应用。在真实条件下,颗粒形状往往较为复杂,因此对复杂颗粒形状的模拟在研究岩土颗粒材料物理力学特性中至关重要。简要阐释了目前颗粒离散元法在岩土工程中的应用现状,并重点分析了离散元模拟颗粒形状的两方面：模拟典型颗粒形状,模拟真实颗粒形状;同时根据已有研究总结离散元模拟颗粒形状方法存在的一些问题,提出颗粒形状模拟在岩土工程中的应用前景。     

基于多智能体强化学习的动态频谱分配方法综述

认知无线电和动态频谱分配技术是解决频谱资源短缺问题的有效手段。随着近年来深度学习和强化学习等机器学习技术迅速发展, 以多智能体强化学习为代表的群体智能技术不断取得突破, 使得分布式智能动态频谱分配成为可能。本文详细梳理了强化学习和多智能体强化学习领域关键研究成果, 以及基于多智能体强化学习的动态频谱分配过程建模方法与算法研究。并将现有算法归结为独立Q-学习、合作Q-学习、联合Q-学习和多智能体行动器-评判器算法4种, 分析了这些方法的优点与不足, 总结并给出了基于多智能体强化学习的动态频谱分配方法的关键问题与解决思路。     

猫眼与人眼有哪些不同?

人们之所以对猫咪充满神秘感,源于它的眼睛。猫的那双可以媲美宝石的碧眼、可以随着日夜而改变形状的瞳孔,还有能在幽暗中闪闪发亮的眸子,常常令人浮想连翩,许多人甚至认为猫在漆黑环境中也能看到东西。     

酸化条件下尾矿砂颗粒形貌变化特性及机理研究

尾矿砂是矿石在经过机械破碎和分选后形成的产物,颗粒整体具有扁平度较高、圆度低以及形状极不规则等特点。尾矿砂在酸化后表面原有几何形状会遭到破坏,进而改变了颗粒与颗粒之间的接触、咬合方式等,从而影响土体的内摩擦角与抗剪强度等物理力学性质。为了揭示尾矿酸化对尾矿砂颗粒形状的影响,对尾矿砂进行化学浸泡实验,通过控制过氧化氢溶液的用量,模拟不同堆积时期尾矿砂的酸化效果。利用ImageJ图形软件对不同程度酸化的尾矿砂颗粒进行黑白二值化处理,获取颗粒形状轮廓边界,并从三个层面计算尾矿砂颗粒的形状参数值。研究结果表明,随着酸化程度的加深,尾矿砂的扁平度统计平均值从1.457降至1.332;尾矿砂的圆度统计平均值整体略有增加;而尾矿砂的形状系数统计平均值则从0.843增加至0.876。此外,采用分形理论讨论了酸化对尾矿砂颗粒形状轮廓的影响,结果表明,随着酸化程度的加深尾矿砂颗粒形状逐渐规则化。     

基于频谱切片的弹性光网络中可调度请求资源分配算法

针对确定业务开始时间和结束时间特性的可调度请求加重了弹性光网络的资源碎片率和带宽阻塞率的问题,设计了一种配置频谱切片机的弹性光网络节点结构,并提出一种基于频谱切片的可调度请求路由频谱和时间分配(SS-RSTA)算法。在路由选择阶段,设计了一种综合考虑路径长度、路径碎片率和节点可用频谱切片机数量的路径权重值的路由选择策略,为可调度请求选择路径权重值最大的路由;在资源分配阶段,采用链路的资源碎片感知方法为可调度请求选择可用的频谱和时间资源窗口;当资源分配失败时,采用频谱切片准则将可调度请求切分为多个子带宽请求,以增加可调度请求频谱分配成功的概率,提高频谱-时间碎片的利用率。仿真结果表明,所提算法可改善网络的带宽阻塞率和提高网络的频谱利用率。     

麻江型铜鼓调音初探

以古代北流型和灵山型铜鼓的调音技术为基础,圆板的振动公式为指导,利用现代工具对新铸造的麻江型铜鼓进行调音和音频分析,初步说明铜鼓与中原的编钟相似,也是可以进行调音的.     

基于PC机软、硬件扩展的数字频谱分析仪

作者所研制的数字频谱分析仪是新的一代个人仪器,它采用基2时间抽取的快速傅里叶变换(FFT)算法来获取信号的频谱,实现了信号的非实时频谱分析。另外,它还可显示信号的时间波形,可作为数字存贮示波器使用。文中给出了 FFT 信号流程图、硬件电路框图、程序流程图和试验结果。     

薄层反射频谱随入射角的变化

本文计算了薄层模型上不同入射角对应的反射频谱。本文比较了不同速度比,不同泊松比和不同厚度薄层的频谱响应之后,指出频域具有类似时域的AVO特性,而差异调谐是薄层反射频谱随入射角变化的重要因素,提出用频谱极值和极值频率作为分析频谱随入射角变化的特征参量。     

Gamma部件参数λ和k的Bayes估计

讨论部件寿命服从Gamma分布,并在形状参数k和尺度参数λ都未知的情况下,分别给出参数k和λ在平方损失函数下的Bayes估计.得到参数k的先验分布为离散分布,λ的先验分布分别为指数Beta和Gamma分布下的Bayes估计公式.