能谱法和催化光度法测定无机纤维中铁含量的比较研究

本文研究了铁(Ⅲ)在酸性介质中催化抗坏血酸(Vc或H2A)还原4-硝基-3’-甲基-氨基偶氮苯的褪色反应,拟定了反应的最佳条件,探讨了反应机理,建立了催化动力学测定痕量铁的新方法,该方法的检出限为2.98×10~(-11)g·mL-1,线性范围为0-200 ng·(25 mL)-1。比较了X射线能量色散谱法和催化光度法在玄武岩纤维样品中铁含量的测定,结果误差为2.89％。     

CONVERGENCE OF CASCADE ALGORITHMS AND SMOOTHNESS OF REFINABLE DISTRIBUTIONS

In this paper, the author at first develops a method to study convergence of the cascade algorithm in a Banach space without stable assumption on the initial (see Theorem 2.1), and then applies the previous result on the convergence to characterizing compactly supported refinable distributions in fractional Sobolev spaces and Holder continuous spaces (see Theorems 3.1, 3.3, and 3.4). Finally the author applies the above characterization to choosing appropriate initial to guarantee the convergence of the cascade algorithm (see Theorem 4.2).     

试探方程法及其在非线性发展方程中的应用

提出了一种比较系统的求解非线性发展方程精确解的新方法, 即试探方程法. 以一个带5阶 导数项的非线性发展方程为例, 利用试探方程法化成初等积分形式，再利用三阶多项式的完 全判别系统求解，由此求得的精确解包括有理函数型解, 孤波解, 三角函数型周期解, 多项 式型Jacobi椭圆函数周期解和分式型Jacobi椭圆函数周期解 关键词： 试探方程法 非线性发展方程 孤波解 Jacobi椭圆函数 周期解     

带惩罚项与随机输入的BP神经网络在线梯度学习算法的收敛性

本文对三层BP神经网络中带有惩罚项的在线梯度学习算法的收敛性问题进行了研究,在网络训练每一轮开始执行之前,对训练样本随机进行重排,以使网络学习更容易跳出局部极小,文中给出了误差函数的单调性定理以及该算法的弱收敛和强收敛性定理。     

辐射传递蒙特卡洛法精度分析及数值试验

本文建立了蒙特卡洛法模拟散射参与性介质内辐射传递计算模型。对蒙特卡洛法的计算精度及运行时间进行了较为详细的分析,提出了几种判断计算精度的方法。同时,借助蒙特卡洛法模拟辐射传递过程,进行数值“辐射实验”。利用该“实验结果”进行了物性反问题研究。在已知光学厚度的前提下,得到散射反照率与后半球辐射热流之间的单值函数关系。     

碳纳米管阵列、捆束的三步升温工艺制备及其形貌与结构

使用结构简单的单温炉设备，通过三步升温热解二茂铁、三聚氰氨混合物方法，在二氧化硅、多晶陶瓷基底上分别合成了碳纳米管阵列、碳纳米管捆束.使用扫描电子显微镜、透射电子显微镜、电子能量损失谱和x射线光电子能谱对合成样品进行了结构和成分分析.结果显示：两种基底上合成的纳米管均为多壁纯碳管；生长于光滑二氧化硅表面的碳纳米管具有高度取向性和一致的外径，长度为10—40μm.碳纳米管采取催化剂顶端生长模式并展示出类杯状形貌；生长于粗糙多晶陶瓷表面的碳纳米管捆束随机取向，碳纳米管直径为15—80nm，长度在几百微米，展示 关键词： 碳纳米管 热解法 三步升温工艺     

金属材料分析方法的选择和施行第三讲钢铁中钼的测定(续)

(4)对离子交换分离-8-羟基喹啉重量法测钼的解说 在早年的ASTM标准方法中,α-安息香肟重量法及硫化钼沉淀重量法被采纳为钢铁及合金中高含量钼的测定方法。但从1988年以后的修订标准方法(即E351,E352,E353及E354)中对钼量w(Mo)>1.5％的试样均采用离子交换分离-8-羟基     

具有算子与有界约束的无穷维规划问题的最优性条件

本文给出了当all-at-once方法用于求解最优控制问题而产生的一类同时具有算子和对部分变量具有简单界约束的无穷维最优化问题的一个一阶必要条件,构造了相应的信赖域子问题,据此,信赖域法可以用于求解无穷空间中的最优化问题。     

基于MMD算法的HMM参数重估计的矩阵表示

本文提出的MMD算法用于提高模型区别错误信息和正确信息的能力．利用该算法在对模型的参数进行重估计时．涉及到复杂的目标函数的梯度运算．击运用矩阵运算使得梯度运算变得简单明了，因此本文给出了MMD算法下的HMM参数重估计的矩阵表示形式并给出了证明．