八卦鸡

八卦鸡原为动物园的观赏动物，具有较高的食用价值，其饲养条件要求不高，抗病力极强、容易饲养，并具有繁殖力强、生长快、适应性广、耐粗饲等优点，适合在全国各地推广养殖。     

矩阵范数的界和方阵的ρ-条件数

本文给出了长方矩阵的p-范数及更广一类矩阵范数的上、下界又给出了方阵的p-条件数等于1的条件。(1≤p≤ ∞)。文[1]则是p=2的情况。前三节讨论p-条件数,第四节讨论长方矩阵范数的界。     

草莓红色素的提取及其稳定性的研究

以草莓为原料，用酸性无水乙醇溶液浸泡提取天然红色素，并对该色素的稳定性进行了研究，该色素在酸性条件下对热、光均有较好的稳定性。     

大孔树脂提取中药有效成分的放大研究

用两种不同的方法对大孔树脂吸附柱进行了工艺放大,确定了大柱的上柱流量,计算出其吸附量、吸附效率等参数.结果表明,采用保持柱内通过时间不变(v/L=常数)的方法进行放大,其计算值与实验值吻合较好,树脂的吸附效率在90%左右,处理能力能够满足生产需要,可以作为大孔树脂吸附柱工艺放大的依据.当上柱流量在40～170L·h-1范围内变动时,其吸附效率在71 15%～91 56%的范围之内变化.     

铁酸镧超细粉末的制备

以La(NO3)3·6H2O、(NH4)2Fe(SO4)2和Fe2O3为原料,运用正交实验法确定最优实验条件,利用固-液界面法制备稀土铁酸盐超细粉末———铁酸镧.对产物进行部分物理测试,分别测定其全铁、亚铁离子含量,用扫描电子显微镜测定其形貌和粒径.结果表明,产物为均匀的圆球状纳米微粒,平均粒径76.0nm,反应中没有经过中间化合物,而是在固液界面上进行的.     

条件不完全确定的发散思维型数学问题

“在条件A之下,会产生哪些、什么样的结果B”的问题,就是发散思维型的问题。若其中的条件A带有某种不确定成份,这就构成一种“条件不完全确定的发散思维型数学问题”。这种问题求解过程中的思维活动,有许多特点,对于培养学生的创造性思维有相当高的教育价值。本文以实例为基础对此做了讨论。     

有穷长半模偏序集上的一个定理

本文是对参考文献[1]第二章定理14证明的补充和改进。该定理乃指: 定理14.在任何上(或下)半模的有穷长的偏序集内,Jordan-Dedekind链条件成立。 文献[1]中,考虑上半模情形,谈到已知一个连接链:γ∶a=x_0相似文献   

边界元法在计算地下水稳定水位和流量中的应用

边界元法是一种新的数值计算方法。该法易于处理无限区域的地下水流问题,并且计算流量也较其他方法准确。本文介绍在二维稳定流的情况下如何计算地下水的水头和流量。承压含水层中的稳定流动,水头H满足拉普拉斯方程。利用格林第二公式,可以得到边界积分方程,即边界元的基本公式。可以用数值方法计算这一边界积分。为此,在边界上选取有限个点,称为节点,两节点间的线段称为单元。本文中选用线性单元和线性插值。引进局部坐标系,可以得到表示H和( H/ n)关系的方程。我们可以选一个节点作为固定的基点,其他节点为动点,对于每一选择都可得到一个方程。依次把每一节点作为基点,可得到N个方程,构成一个线性代数方程组。根据边界条件,每一节点中的H或( H/ n)有一个是已知的,解方程组可求出另一个。解出边界上的全部H和( H/ n)以后,可算出内部的水头和流量。对于非均质问题可划分为几个区域来处理。分界线上要满足相容性方程。对于( H/ n)的不连续点,可用“节点多值法”处理。     

特厚煤层大采高综放开采区段煤柱留设宽度研究

针对特厚煤层大采高综放开采区段煤柱合理留设的问题,以同发东周窑煤矿为工程背景,采用弹性力学极限平衡法求得煤柱合理的理论留设宽度为20.87～24.08 m,利用工程类比法得到该煤矿上区段采空区煤柱侧严重塑性破坏区宽度约为4 m.运用FLAC3D数值分析软件对四种煤柱留设方案下煤柱内部的垂直应力、塑性破坏特征及巷道围岩的变形量进行剖析,以确定该煤矿区段最合理的煤柱留设宽度.结果显示：窄煤柱受大采高综放开采的特厚煤层和下区段回采双向侧向支承压力叠加的影响容易失稳变形破碎.综合考虑,最终确定该煤矿区段煤柱合理留设宽度为24 m.     

动态可控残差卷积神经网络的低剂量 CT 图像处理

针对计算机断层扫描(Computed Tomography, CT)中因采用低剂量扫描方式,导致图像噪声伪影干扰,尤其 是不同部位噪声和伪影强度存在较大差异这一问题,提出了一种基于动态可控残差的卷积神经网络(DC-ResNet) 算法。 DC-ResNet 的主要思想是在常规残差网络连接中添加一个图像质量指导的控制变量,以允许获取残差的加 权和,从而实现残差特征的动态可控。 所设计的 DC-ResNet 网络是一种包括两个子网络的组合型结构,一个是作 为主干网络的基础子网络,在该子网络中使用全局动态残差块和局部动态残差块来实现低剂量 CT 图像质量的提 高;另一个是作为辅助网络的条件子网络,用来生成基础子网络中不同动态可控残差块的权值,辅助基础子网络的 学习。 通过 Mayo 与 UIH 数据实验验证,其视觉结果表明:处理后的不同部位 CT 图像噪声伪影均能够得到较好的 抑制,并能有效地保留结构细节及组织纹理;量化结果表明:处理后的 CT 图像峰值信噪比( Peak-Signal to Noise Ratio, PSNR)和结构相似性(Structure Similarity, SSIM)均优于对比方法。