基于深度架构网络的矮新星自动分类研究

矮新星是一类特殊而稀少的半相接双星。发现更多的矮新星对于深入研究物质转移理论、理解密近双星演化过程意义深远。利用深度学习技术提取天体光谱特征并进而分类是天文数据处理领域的研究热点。传统的自编码器是仅包含一个隐层的经典神经网络模型,编码能力有限,数据表征学习能力不足。模块化拓宽神经网络的深度能够驱使网络继承地学习到天体光谱的特征,通过对底层特征的逐渐抽象学习获得高层特征,进而提高光谱的分类准确率。以自编码器为基础构建了由输入层、若干隐藏层和输出层组成的基于多层感知器架构的深度前馈堆栈式自编码器网络,用于处理海量的光谱数据集,挖掘隐藏在光谱内部具有区分度的深度结构特征,实现对矮新星光谱的准确分类。鉴于深度架构网络的参数设置会严重影响所构建网络的性能,将网络参数的优化分为逐层训练和反向传播两个过程。预处理后的光谱数据先由输入层进入网络,再经自编码器算法和权值共享实现对网络参数的逐层训练。反向传播阶段将初始样本数据再次输入网络,以逐层训练所得的权值对网络初始化,再把网络各层的局部优化训练结果融合起来,根据所设置的输出误差代价函数调整网络参数。反复地逐层训练和反向传播,直到获得全局最优的网络参数。最后由末隐层作为重构层搭建支持向量机分类器,实现对矮新星的特征提取与分类。网络参数优化过程中利用均值网络思想使网络隐层单元输出按照dropout系数衰减,并由反向传播算法微调整个网络,从而防止发生深度过拟合现象,减少因隐层神经元间的相互节制而学习到重复的数据表征,提高网络的泛化能力。该网络分布式的多层次架构能够提供有效的数据抽象和表征学习能力,其特征检测层可从无标注数据中隐式地学习到深度结构特征,有效刻画光谱数据的非线性和随机波动性,避免了光谱特征的显式提取,体现出较强的数据拟合和泛化能力。不同层之间的权值共享能够减少冗余信息的干扰,有效化解传统多层次架构网络易陷入权值局部最小化的风险。实验表明,该深度架构网络在矮新星分类任务中能达到95.81%的准确率,超过了经典的LM-BP网络。     

保健食品中9种镇静催眠类药品的UPLC-MS/MS法检测及质谱裂解特征的研究

建立了同时测定保健食品中9种镇静催眠类化合物(氯美扎酮、三唑仑、阿普唑仑、艾司唑仑、地西泮、硝西泮、奥沙西泮、劳拉西泮、氯氮卓)的超高效液相色谱-串联质谱(UPLC-MS/MS)分析方法,并研究了其质谱裂解规律。样品以甲醇为提取溶剂,经Zorbax SB-C18(3.5μm,2.1 mm×150 mm)色谱柱分离,乙腈-水(含0.1%甲酸)为流动相梯度洗脱,流速为0.3 m L/min。采用电喷雾离子源(ESI),正离子多反应监测(MRM)扫描方式检测,基质匹配标准曲线法定量。9种药物在0.5~50μg/L范围内线性关系良好,相关系数(r2)均大于0.99,定量下限为1.6~9.2μg·kg~(-1)。低、中、高3个加标水平下的平均回收率为78.1%~101.2%,日内相对标准偏差(RSD)为1.4%~9.7%,日间RSD为2.0%~11.2%。该法简便、快速、准确可靠,适合于保健食品中非法添加镇静催眠类药品的高通量筛查。而对目标化合物碎片离子及质谱裂解规律的研究,也为其定性鉴别和定量分析提供了参考。     

基于模糊集合的评审决策信息融合

同行评议是评价、评审和评估等活动的重要实施方式,尤其对于科学基金项目的评审,同行评议是保证项目质量的有效措施。同行评议过程中固有的模糊属性,会导致评审结果在一定程度上偏离被评价对象的内在价值。本文针对同行评议的模糊属性,提出一种评审决策信息融合的方法,通过对专家评分进行关联分析和自适应调整,实现评审结果围绕被评价对象的内在价值等关键指标达成共识,助力科学基金的评审机制改革和评审决策的智能化。     

超声雾化提取-气相色谱-质谱法分析逍遥丸中的挥发性成分

逍遥丸(水丸)是<中国药典>收载的中成药,由柴胡、当归、白芍、白术、茯苓、炙甘草、薄荷七味中药细粉与生姜煎液混合后制成,具有舒肝健脾、养血调经之功效,适用于肝郁脾虚所致的郁闷不舒、胸胁胀痛、头晕目眩、食欲减退、月经不调等症~([1]).     

金融市场相关性的Chi-plot测度

金融市场相关性研究是分析跨市场金融风险传导、投资组合理论等方面的重要内容.在传统的相关测度中,线性相关系数、秩相关系数和Granger因果检验等都存在一定的局限.因此引人了一种新的图方法—Chi-plot,它可以考察金融市场的复杂相关关系及局部相关特征,并且简单易行.在分析了该方法的原理及使用步骤后,通过对中国股票市场的关联性分析,进一步验证了该方法的有效性.     

State of charge estimation of Li-ion batteries in an electric vehicle based on a radial-basis-function neural network

The on-line estimation of the state of charge(SOC) of the batteries is important for the reliable running of the pure electric vehicle in practice.Because a nonlinear feature exists in the batteries and the radial-basis-function neural network(RBF NN) has good characteristics to solve the nonlinear problem,a practical method for the SOC estimation of batteries based on the RBF NN with a small number of input variables and a simplified structure is proposed.Firstly,in this paper,the model of on-line SOC estimation with the RBF NN is set.Secondly,four important factors for estimating the SOC are confirmed based on the contribution analysis method,which simplifies the input variables of the RBF NN and enhances the real-time performance of estimation.Finally,the pure electric buses with LiFePO 4 Li-ion batteries running during the period of the 2010 Shanghai World Expo are considered as the experimental object.The performance of the SOC estimation is validated and evaluated by the battery data from the electric vehicle.     

PET image reconstruction with a system matrix containing point spread function derived from single photon incidence response

A point spread function(PSF)for the blurring component in positron emission tomography(PET)is studied.The PSF matrix is derived from the single photon incidence response function.A statistical iterative reconstruction(IR)method based on the system matrix containing the PSF is developed.More specifically,the gamma photon incidence upon a crystal array is simulated by Monte Carlo(MC)simulation,and then the single photon incidence response functions are calculated.Subsequently,the single photon incidence response functions are used to compute the coincidence blurring factor according to the physical process of PET coincidence detection.Through weighting the ordinary system matrix response by the coincidence blurring factors,the IR system matrix containing the PSF is finally established.By using this system matrix,the image is reconstructed by an ordered subset expectation maximization(OSEM)algorithm.The experimental results show that the proposed system matrix can substantially improve the image radial resolution,contrast,and noise property.Furthermore,the simulated single gamma-ray incidence response function depends only on the crystal configuration,so the method could be extended to any PET scanner with the same detector crystal configuration.     

热处理对富氮碳纳米纤维结构及储锂性能的影响

以聚丙烯腈(PAN)为原料,经静电纺丝、稳定化和碳化,制备了碳纳米纤维(CNFs)。系统地研究了氮的种类及含量对锂离子电池(LIBs)中Li+的储存性能和负极容量的影响。碳化过程中纤维从无定形碳向石墨化碳结构转变,含氮官能团减少,结构的变化对Li+在CNFs电极中的存储位置有很大的影响。结果表明,Li+不仅可以存储在石墨化碳层之间,还可以存储在氮功能化引起的缺陷部位,后者主要是由于碳材料的氮掺杂而使LIBs的电化学性能改善。碳化温度为600℃时,可以产生足够高的氮含量,从而提高电极的容量。在电流密度为0.1 A·g^-1时,循环200次之后比容量高达560 mAh·g^-1,即使在1 A·g^-1的高电流密度下,循环1000次比电容量仍然保持在200 mAh·g^-1。     

石墨烯负载Ni2P纳米片作为锂硫电池的硫基复合正极材料

将磷化镍纳米片均匀负载到石墨烯(G)上制备出Ni₂P/G复合材料,并将其作为硫载体构筑了硫基复合材料(S/Ni₂P/G)。研究表明,磷化镍纳米片对可溶性多硫化物具有强的化学作用和较高的电催化活性,使S/Ni₂P/G硫基复合材料表现出良好的电化学性能。特别是,在高硫含量(80.3%)和低电解液用量(15μL·mg^-1)条件下,S/Ni₂P/G硫基复合材料展现出1 164.7mAh·g^-1的质量比容量和良好的循环稳定性。此外,S/Ni₂P/G复合材料具有高的振实密度(1.02 g·cm^-3),其体积比容量高达954.0mAh·cm^-3,约为S/G复合材料体积比容量的1.6倍。     

效应代数的素滤子，同余关系与商

本文通过引入R-滤子,引入了格效应代数中素滤子的概念,并讨论了R-滤子,素滤子,同余关系和商之间的关系.