Differential Proteomic Analysis of Neonatal Cardiomyocytes in Response to β-Adrenergic Receptor Stimulation

Introduction Adrenoceptors(ARs),membersofthesuperfami lyofG proteincoupledreceptors,arethemostimpor tantreceptorsinvolvedincardiacregulation[1].ARsin cardiacmuscleincludebothαARsandβARssub types,whileinmostmammalianheart,βARsarethe predominantsubtypes.…     

一个Hilbert型积分不等式

通过估算权函数，建立一个含参数的具有最佳常数因子的Hilbert型积分不等式．同时建立它的两种最佳推广式及相应的等价形式．     

不同测验模型的信度估计及统计性质

在教育与心理测验中，信度是衡量测验是否可靠的重要指标。本文在不同模型下考虑测验的信度估计及其统计性质。在正态模型下，给出信度的无偏估计，在二项模型下，给出信度的相合估计；利用项目反应理论，给出测验信度的另一类估计；在组合测验模型下，给出迄今最接近信度真值的一个下界，同时给出相应的估计公式。     

敏化光波长对(Fe,Ni):LiNbO3晶体全息记录性能的影响

分别采用514 nm绿光、488 nm蓝光和390 nm紫外光作为敏化光,633 nm红光作为记录光,详细研究了敏化光波长对氧化(Fe,Ni):LiNbO3晶体全息记录性能的影响.结果表明:随着敏化光波长的逐渐减小,氧化(Fe,Ni):LiNbO3晶体的非挥发全息记录性能逐渐优化,390 nm紫外光是这三种敏化光中最优的敏化光.考虑敏化光的吸收,为了在双中心全息记录中获得最优的性能,应当选择合适波长的敏化光:一方面短波长敏化光能有效地敏化深中心;另一方面短波长敏化光的吸收太强(如对光折变效应无用的基质吸收),不能沿厚度方向有效地敏化晶体,所以实际上需折衷考虑,并从理论上给予了解释.     

毛细管电色谱中进样时间对柱效的影响

毛细管电色谱是近年发展起来的一种新型微分离技术，它结合了高效液相色谱和毛细管电泳的物点，具有高效、快速，高选择性，其有关理论研究和应用越来越深入，本文从色谱动力学角度讨论了毛细管电色谱中进样时间对柱的影响。     

基于频域方法的三维物体分层重现

基于频域方法实现了数字记录和再现三维物体离轴全息图.通过频谱对应关系求得各个面的频谱分布,使用数字滤波方法,成功地消除了零级衍射和共轭像;通过改变再现距离,分别获取了三维物体各个截面的再现像.     

无K1,r图中的哈密顿圈（英文）

本文借助对图的本质独立集和图的部分平方图的独立集的研究，对于K1,r图中哈密顿圈的存在性给出了八个充分条件。我们将利用T－插点技术对这八个充分条件给出统一的证明，本文的结果从本质上改进了C－Q.Zhang于1988年利用次形条件给出的k-连通无爪图是哈密顿图的次型充分条件，同时。G.Chen和R.H.Schelp在1995年利用次型条件给出的关于k-连通无K1，4图是哈密顿图的充分条件也被我们的结果改进并推广到无K1,r图。     

双面电弧焊接的传热模型

将等离子焊接(PAW)电弧和钨极氩弧焊(TIG)电弧串接,相对作用于工件的正反面形成双面电弧焊接(DSAW)系统,可以引导焊接电流沿工件厚度方向流过小孔,补偿等离子电弧穿透工件时消耗的能量,以有效地提高等离子弧的穿透能力.综合考虑影响双面电弧焊接正反面熔池几何形状的力学因素,建立了熔池表面变形的控制方程,以此为基础并采用帖体曲线坐标系建立了DSAW焊接传热的数学模型,分析了DSAW,PAW焊接传热的差异,从传热的角度解释了DSAW焊接熔深增加的原因.焊接工艺实验表明,计算结果与实测结果吻合良好. 关键词： 双面电弧焊接(DSAW) 传热模型 熔池表面变形模型     

类Kerr介质中双模SU(1,1)相干态场与Λ型三能级原子相互作用的量子统计性质

导出了类Kerr介质中双模SU(1,1)相干态场与Λ型三能级原子相互作用系统的态函数,研究了Kerr效应对Λ型三能级原子布居概率、双模SU(1,1)相干态场的互关联函数、Cauchy-Schwartz不等式及二阶相干度的影响.结果表明:Kerr效应使原子与光场的耦合减弱,原子布居的崩塌与复苏的周期缩短;在初始光场较弱和较强两种情况下,类Kerr介质对双模SU(1,1)相干态场两模间的相关性、相关程度以及光子的聚束与反聚束效应产生的作用有明显的区别.     

对经典隐马尔可夫模型学习算法的改进

改进经典隐马尔可夫模型(HMM)的状态转移和输出观测值的假设条件,并在经典隐马尔可夫模型的基础上导出新模型的学习算法.新算法避免了经典隐马尔可夫模型中状态转移概率和输出观测值概率计算时只考虑当前状态而不考虑历史的简单做法.