纳米Li1.05Ni0.05Mn1.90O4正极材料的合成及电化学性能

采用液相无焰燃烧法在500℃反应1 h,然后在600℃二次焙烧3、6、9 h和12 h制备了尖晶石型Li_1.05Ni_0.05Mn_1.90O₄正极材料.结果表明,不同二次焙烧时间制备的Li-Ni复合共掺材料没有改变LiMn₂O₄的尖晶石结构,随着焙烧时间的增加,颗粒尺寸增大,结晶性提高.二次焙烧时间为9 h的Li_1.05Ni_0.05Mn_1.90O₄样品的颗粒尺寸约为70～100 nm,具有优异的电化学性能,在1 C(1 C=148 mA·h·g^-1)倍率,初始放电比容量为94.8 mA·h·g^-1,400次循环后展现出72.15%的容量保持率;在5 C下初始放电比容量可达到89.7 mA·h·g^-1,800次循环后,仍能维持70.79%的容量保持率.并且具有较小的电荷转移电阻和较低的表观活化能.Li-Ni复...     

基于深度学习的中医古文献临床经验抽取

中医古文献蕴藏着丰富的临床经验，是古代中医在行医过程中对临床诊疗的经验性总结，体现了中医学形成和发展的理论框架和思想基础.然而这些宝贵的临床经验不仅量大，而且分散在不同的文献中，使得中医从业者手工很难快速全面地获取它们，文献检索工具也只能提供文档级别的信息筛选，无法为这种细粒度的信息获取提供支持.此外，古汉语相对于现代汉语的不同特点也限制了主流文本分析工具的使用效果.为此本文提出面向临床经验获取的中医古文献信息抽取任务，用于识别古文献中描述临床经验的文本片段，手工标注了样本数据用于这种抽取模型的训练和测试，并设计了基于深度学习的序列标注器用于完成该任务.考虑到标注数据量小可能带来的过度拟合问题，本文引入对抗训练和虚拟对抗训练来增强模型的泛化能力.一系列充分的实验验证了模型的有效性，表明利用信息抽取技术从古文献获取中医临床经验具有可行性，为这一新的信息抽取任务提供了有希望的研究基线和可复用的标注数据集.     

通过网络教育平台对Ⅱ型糖尿病进行家庭管理

目的:探索网络教育平台在Ⅱ型糖尿病家庭环境中进行糖尿病教育的效果。方法:对在甘肃省人民医院(以下简称该院)糖尿病门诊就诊的42例Ⅱ型糖尿病患者及其家庭成员利用网络平台建立互联互动的关系。并且在平台上进行糖尿病结构化教育,为期4周。结果:Ⅱ型糖尿病患者及其家庭成员对疾病的认知和重视程度与干预前相比有明显的改善,P<0.05。其糖尿病相关知识与干预前相比明显提高,P<0.05。结论:利用现代化的网络管理平台可以有效地提高糖尿病患者及其家庭成员对疾病的认知和重视程度,提高他们糖尿病相关知识的水平,从而有效的预防和管理Ⅱ型糖尿病。     

一种静叶持环T型叶根槽修复方法

静叶持环是反动式汽轮机上静叶的载体,单个持环上通常会装配有多级静叶片,它类似于冲动式汽轮机上的隔板和隔板套的整合.反动式汽轮机的静叶是通过静叶持环上的叶根槽装配在静叶持环上,以我公司生产的双抽150MW反动式汽轮机为例,静叶持环叶根槽形式多为T型叶根槽形式,静叶持环T型叶根槽转子T型叶根槽类似,它的加工质量和精度都非常重要,加工时,由于它的结构特殊,尺寸小,加工干涉多,排屑困难等因素,所以静叶持环T型叶根槽的加工失误是持环加工中易出现的事故, 持环本体的铸造毛坯成本很高,如果由于持环上叶根槽加工失误而造成持环本体报废,直接经济损失非常巨大,该文通过150MW反动式汽轮机静叶持环T型叶根槽加工失误为实例,介绍了一种通过镶嵌环来修复持环T型叶根槽的方法.     

非同分布φ混合序列加权和的强极限收敛性

利用φ混合序列矩不等式和截尾的处理方法,研究非同分布φ混合序列加权和强极限收敛性质的问题,得到了若干新结果,推广并改进了独立同分布情形下的相应结果.     

齐次核的Hilbert型多重级数不等式取最佳常数因子的等价条件及应用

利用实分析技巧和权函数方法, 讨论具有齐次核的多重级数Hilbert型不等式, 得到了其取最佳常数因子的充分必要条件, 并给出其应用.     

中立型时滞互联系统的H∞记忆反馈控制

为研究一类中立型时滞互联系统的H∞控制问题,当滞后时间对系统影响较小时,设计分散化记忆反馈控制器,并应用李雅普诺夫函数理论,结合自由加权矩阵和牛顿-莱布尼茨公式对系统进行稳定性分析,应用线性矩阵不等式给出系统存在外界干扰时仍能保持稳定且满足H∞性能指标的充分条件.最后应用Matlab对系统进行数值仿真,仿真结果表明,所提控制方法不仅能保证被控系统的稳定性,而且当系统存在外界干扰时能保证具有H∞性能指标.     

基于机器阅读理解的商品属性识别

属性抽取的目标是从非结构化文本中抽取与文本实体相关的属性和属性值，然而在电商场景下基于序列标注的模型缺少应对大规模属性抽取任务的可扩展性和可泛化性能力。本文提出基于阅读理解的商品属性抽取模型，通过额外加入问句来强化模型对属性的理解，结合双仿射注意力机制捕获问句和文本之间的语义特征，进一步提高模型的抽取性能。本文在电商数据集上对不同类型问句和不同解码器进行了对比实验，结果表明本文提出的方法优于多个基线模型，相较于OpenTag和SUOpenTag模型，属性抽取的F1值分别提升7.70%和3.26%，未登录词识别的F1值分别提升15.51%和8.12%。