《汉书·艺文志》“儒家”杂说

《汉书·艺文志》是我国现存最早的目录学文献,是东汉班固根据刘歆《七略》增删改撰而成。《汉书·艺文志》将儒家列于《诸子略》十家之首,可见刘氏父子和班固对儒家的重视。文章就儒家出于司徒之官,儒家、孔子与六经之关系逐一梳理各家之言,择善而从,兼发己论。     

《淮南子·天文训》“太昭”说再探

《淮南子·天文训》提出“太昭”说，迄今已越两千年，却一直未获破译。甚至还遭到过清代王引之的武断误校，以致在中国哲学史界和中国科学史界留下错误影响。该文通过考证，追溯了“太昭”说的思想渊源；揭示了“太昭”和“虚”的概念内涵；统一了《淮南子·天文训》宇宙起源模式的两种陈述；对王引之的系列错误论点给予全面否定；并认为，“太昭”说是宇宙起源于光气（发光的气）学说史上一个重要的里程碑。     

吴国伦诗文集版本考释

吴国伦在后“七子”中享有盛名,其诗文集《甔甀洞稿》、《甔甀洞续稿》曾多次刊刻,因卷数多、版本复杂,故历来述者或失之笼统,或失之讹误,故此,有必要对其诗文集版本情况予以考察。     

冰心女权思想的内容及其发展

本文主要论述了冰心《关于女人》这部作品中所反映的女权思想,及其女权思想在留日期间的进一步发展。冰心女权思想的主要内容是关注职业妇女的两难困境、提倡男女平等、提倡母爱等。     

龙柚芽变系的RAPD分析鉴定

利用100个10bp的随机引物对龙柚的4个芽变系的基因组DNA进行RAPD扩增分析,探讨芽变系遗传物质的变化．在这100个随机引物中,筛选出能在4个芽变系中扩增出稳定多态性片段的引物11个,一共扩增出了63条片段,其中多态性片段有19个,占30．16％．聚类分析的结果,芽变系2和4的遗传距离最小（0．1001）,相似系数最大（0．9048）．表明了芽变引起的遗传物质的改变能够通过无性繁殖的方式存在,用RAPD的方法来分析不同芽变系的遗传关系是可行的．     

基于外部知识的药物相互作用关系抽取方法

药物相互作用是指药物之间存在的抑制或促进等作用. 针对目前方法在不同关系类别上的抽取结果差异较大的问题,论文提出了一种利用外部知识的关系抽取模型,该方法首先对外部药物数据库中的信息进行处理,构建带有药物描述信息的数据集,然后在该数据集上进行模型训练,并保存最优模型,最后将该最优模型与药物关系抽取模型相结合,进行药物关系抽取,从而更好的利用了药物数据库中已有的知识,缓解了不同关系类别抽取结果差异较大的问题,提高了抽取效果. 在DDIExtraction 2013数据集上的实验结果表明,论文方法的F1值优于目前最优方法2.47%.     

新安煤矿井下沿空留巷巷旁充填实验

为实现对回采巷道顶板的有效支撑及巷道围岩的有效控制,根据沿空留巷围岩控制机理,研究粉煤灰-高水材料沿空留巷巷旁充填工艺,并在双鸭山新安煤矿综三工作面进行现场实验。结果表明:沿空留巷期间,巷道顶底板、两帮移近量随着与工作面距离的增加而增加;充填体可以实现主动接顶,有效防止老顶的变形,其强度随着时间的增加迅速提高;充填条带密实性较好,可阻止有害气体逸出。该研究为类似条件矿井沿空留巷巷旁充填提供了借鉴。     

双向多尺度LSTM的短时温度预测

针对长短期记忆网络(long short-term memory,LSTM)无法有效提取温度数据的多尺度特征和反向特征的问题,该文提出了一种双向多尺度跳跃LSTM(bidirectional multi-scale skip long short-term memory,BMS-LSTM)的短时温度预测模型.该模型以LSTM为核心单元,采用双向深层网络结构提取反向特征; 根据温度数据日的周期性设置跳跃连接数提取多尺度特征,解决了指数增长的跳跃连接数后期跳跃尺度过大的问题; 最后使用全连接层进行特征融合预测.实验结果表明:BMS-LSTM成功提取了温度数据的多尺度特征和反向特征,预测均值误差仅为3.890,优于对比模型,是一种有效的短时温度预测模型.     

一种克服大纯滞后的预测控制方法

针对一般工业过程中存在的大纯滞后问题,提出了一种克服大纯滞后的预测控制方法.首先由神经网络辨识出非线性系统的纯滞后时间参数,再用构建的神经网络预测模型预测出未来相应时刻的系统输出,然后用该输出来调整当前时刻的控制量,从而达到预期的控制目的,仿真结果验证了该方法的有效性.     

一种新安江模型参数的全局优化方法

将全局优化方法SCE-UA用于新安江模型的参数优化中,以月潭流域1978—1991年共14年的实测降雨、径流资料以及1982—1988年实测洪水资料为例,对新安江模型参数全局优化方法进行研究.研究结果表明,单纯利用SCE-UA方法得到的最优参数组会随着资料长度的变化而变化,体现出了优化结果的不稳定性.进而引入赵人俊的新安江模型参数客观优化理论,将SCE-UA方法与该理论相结合.研究结果表明,该方法可避免因参数之间的相关性导致参数优化结果的不稳定现象,可大大降低模型的不确定性.通过检验,该方案可以较好地用于新安江模型参数优化中.