铝电解中的阴极过程

对铝电解中的阴极反应、阴极过电压、阴极表面的双电层结构等阴极过程进行了研究,发现在+005～-005V(相对于铝阴极)电位区有一个还原电流峰和一个氧化电流峰,它们是Al3++3e→Al和Al-3e→Al3+·与阳极相比,阴极过电压较小,在001～3A/cm2的Taffel区,约为01V·在阴极表面的双电层中,第一层为Ca2+,Mg2+,Li+和Al3+离子,没有Na+离子,这说明,阴极过电压是因为Mg2+,Ca2+等离子形成的电化学双电层阻力所引起,同时也说明别略耶夫猜想基本是正确的·     

输液卡临床应用存在的医疗纠纷隐患及对策

目的提高对输液卡的重要性认识，准确、客观及时地书写输液卡，减少因书写不当造成的医疗纠纷。方法通过对2006年8月至10月本院各科2568份输液卡记录存在的缺陷及潜在的医疗纠纷隐患进行分析，并提出相应的对策。结果输液卡记录存在记录输液滴速与实际滴数有误差，药物输入顺序不正确，未按时巡视，记录内容涂改、漏签名、签名难以辨认，记录漏记、错记或记录不全等问题。结论提高护理人员的法律意识，统一规范输液卡，建立输液观察记录卡，加强输液卡回收保存和管理是防范医疗纠纷的保证。     

教师良好情绪对学生学习效果的影响

在课堂教学中，教师良好的情绪往往能产生说教及语言无法替代的感染效应。它不仅能缩短师生问的距离，创造和谐、融洽氛围，更重要的是激发学生的学习兴趣，启发学生思维，强化学生注意的稳定性与长久性，从而促进学生学习效果。     

带随机振幅的正弦波过程在Haar小波下的性质

研究了一类随机过程：x(t)=Ucosλt Vsinλt，在Haar小波下的性质，得到平稳性、相关性和稠度．     

发酵过程混合神经网络模型及其仿真

提出了一种新型的发酵过程混合神经网络模型，该模型由非线性神经网络和线性神经网络两部分组成，由于非线性神经网络采用结构具有线形式的Flat网络，两个网络能够合并为同一表达式，并具有线性形式，可采用线性最小二乘法求解网络权值，与串联结构及串并联结构混合神经网络模型相比，该模型训练方式简单，并可方便地使用在线辨识算法。     

Poisson单和—类广义Poisson单的刻划

讨论了Ｐｏｉｓｓｏｎ单和一类广义Ｐｏｉｓｓｏｎ单的基本刻划问题。     

AVAILABILITY ANALYSIS OF THE QUEUEING SYSTEM GI/PH/I WITH SERVER BREAKDOWNS

In the existing literature of Repairable Queueing Systems (RQS), i.e., queueing systems with server breakdowns, it is almost all assumed that interarrival times of successive customers are independent, identically exponentially distributed. In this paper, we deal with more generic system GI/PH/1 with server's exponential uptime and phase-type repair time. With matrix analysis theory, we establish the equilibrium condition and the characteristics of the system, derive the transient and stationary availability behavior of the system.     

BP神经网络用于函数逼近的最佳隐层结构

研究采用反向传播算法的人工神经网络用于函数逼近时的支结构。方法,以典型的ｎ输入、单输出的多层ＢＰ网为例,在几种不同的网络隐层结构下对典的连续函数进行逼近训练。,分析各网络输出的全局误差。     

一种高性能英文词性标注器的设计与实现

针对统计和规则方法各自的优点和局限,提出运用Viterbi和FTBL(fast transformation-based learning)算法相级联的算法,实现一种英文自动词性标注器.该级联方法以FTBL算法为整体算法,在它的规则学习和最终标注两个阶段,均以Viterbi算法作为其初始化过程.实验结果表明此算法优于其中任何一种单独的算法,达到了98%的高准确率,验证了自然语言处理中统计与规则并举的主流设计思想.     

在非时齐马氏决策过程中的动态贝叶斯网络研究

提出了用动态贝叶斯网络（DBN）对非时齐马氏决策系统进行建模的改进方法，使动态贝叶斯网络能被更广泛地应用于各种复杂的真实系统中．该方法的基本思路是，将扩展后的隐藏变量引入DBN的演化过程来建立假设条件所要求的马尔可夫模型，给出从不完整的样本数据集以及存在隐藏变量时来学习DBN结构的算法，进而用贝叶斯概率统计方法对后来的时间片的充分统计因子进行估计，并通过当前已存在的和估计的充分统计因子对基于时间变化的转移概率进行学习，以解决假设条件要求的转移概率的时不变性．原理性分析和仿真实验结果也验证了改进方法的有效性．