低密度脂蛋白体外去除方法及材料概述

心血管疾病是危害人类健康的主要疾病之一,它与血液中低密度脂蛋白（LDL）浓度过高引发的动脉粥样硬化密切相关,因此对LDL的去除可以有效的预防与治疗心血管疾病。近年来,LDL的体外去除法因其直接高效的特点广受重视,LDL体外去除法的核心——LDL吸附材料也得到了迅速的发展。目前已制备了多种LDL吸附材料,其中有些已经应用于临床。本文综述了LDL体外去除法及LDL吸附材料的研究进展。     

基于小波变换的全光纤微位移干涉测量仪

设计了一种基于小波变换的全光纤微振动干涉测量仪,通过小波分析对干涉信号进行处理,得到实际的位移信息。并给出了具体的理论分析,实验结果证明了利用小波变换处理干涉信号是一种有效的方法。     

基于新颖MSM测试框架的IP核测试法

对SOCIP的测试方法进行了研究,提出了一种MSM（master slave monitor）4试框架．该框架结合场景式测试法和类汇编VERILOG语言,能对SOCIP核进行有效的测试,尤其是对多IP核整合阶段的系统总体测试．通过实验验证,该测试方法能够在保证一定代码覆盖率的前提下,对IP核进行有效的测试,并提高了测试后IP核的可移植性．     

涡流检测自然裂纹与信号处理

在用涡流检测(Eddy Current Testing,ECT)法评价设备缺陷时,缺陷信号由于受到探头提离及设备结构变化引起的非缺陷信号及环境噪声的影响而恶化,直接影响到对缺陷的正确评估.采集了自然裂纹 ECT 信号并根据其特点,采用小波变换对其进行了去噪处理.首先将 ECT 信号进行小波分解,去除非缺陷信号及白噪声信号分量,然后对小波系数进行反变换,重构缺陷信号.对一维和二维 ECT 信号处理结果表明这种信号处理技术对提取湮没在非缺陷信号和自噪声中的缺陷信号非常有效.     

水平气井非均匀产剖储层-井筒压降耦合模型

为了准确得到非均质储层水平气井井筒内压力分布情况,结合水平井筒变质量流的压降公式、裂缝渗流的产能公式和产剖测试分析.建立了水平气井非均匀产剖储层-井筒压降耦合模型,通过微元法将非均质储层转化为均质储层求解模型.该模型将井筒水平段压降分为环空回流段和套管变质量流段两部分压降进行计算,同时考虑了摩擦压降、加速度压降和重力压...     

一种基于动态更新神经网络的无监督雷达退化故障预测方法

为了克服传统雷达故障检测方法对专家经验依赖性强、耗费大量人力物力、容易造成过度检修、无法对退化故障进行提前告警等缺点,提出了一种基于动态更新神经网络的无监督雷达退化故障预测方法。首先通过微波测量设备采集峰值功率和工作频率历史数据,其次利用动态更新神经网络对历史数据进行动态更新并预测后续数据,最后采用孤立森林方法对预测数据进行无监督故障检测,以此实现雷达退化故障预测并提前告警。结果表明,本文提出的方法可至少提前10个时间步(100 min)预测退化故障并实时告警,能够在小样本、无故障样本、无特征提取、无人工阈值的情况下实现雷达退化故障预测。     

基于BP神经网络的离线迭代混合试验方法研究

利用反向传播(误差逆传播算法back propagation algorithm,BP简称反向传播算法)神经网络对非线性结构位移-力系统进行拟合,将训练好神经网络作为试验子结构与数值子结构联合求解,省去了混合试验中试验子结构与数值子结构之间的实时数据交互,并通过迭代训练样本的方法不断逼近真实响应,克服了神经网络需要大量训练样本的问题。通过对两个自由度的非线性结构进行混合试验数值仿真,验证了该方法的可行性。以实际工程的一榀框架为混合试验对象,取一个隔震垫作为试验子结构进行数值仿真,进一步验证了该方法的有效性。     

世界科学出版社全文电子期刊数据库检索方法

详细介绍了世界科学出版社全文电子期刊数据库的检索功能（包括浏览与检索）和检索方法（包括字检索与词检索、位置算符、截词符、逻辑关系等）。     

基于综合序贯截尾法的捷联式导弹落点密集度检验

针对小子样试验中精度评定工作的需要,设计了一种弹道落点密集度的综合序贯截尾评定方法。首先,利用惯性坐标系内弹上惯性测量组合和弹载计算机共同完成导航计算任务的导航方程建立弹道仿真模型,求解弹道落点偏差;然后从评定结论置信度与所需试验子样数量之间的矛盾出发,设计了综合序贯截尾检验方法,讨论了最小发数的确定方法,论证了该方法应用于捷联式导弹落点密集度检验中的可行性。最后仿真实例验证了该方法的有效性。     

多元响应线性回归模型的马氏Mallows模型平均方法改进

针对多元响应线性回归模型,提出了修改的马氏Mallows模型平均(MMMAc)方法。为了更充分地利用多元响应变量之间的相关性信息从而更好地提高预测精度,组合权重选择准则的构造同样考虑了马氏距离预测风险,并通过构造Wishart分布,推导出预测损失的无偏估计作为权重的选择准则,最终得到的MMMAc准则相比马氏Mallows模型平均(MMMA)准则增加了一个偏差矫正项,减小了对预测损失估计的偏差,因此通过最小化该准则得到的权重估计能更接近不可得的理论最优组合权重;最后,模拟对比实验验证了MMMAc方法的优势：MMMAc估计具有与MMMA估计同样的渐进最优性,因此两者的表现在大样本情形下没有太大差异,然而,由于修改后的权重选择准则为预测损失的无偏估计,因此在样本量不足的情形下,MMMAc方法的预测表现更佳。