聚碳硅烷的高温高压生成机理研究

分别以聚二甲基硅烷(PDMS)、液态聚硅烷(LPS)及PDMS裂解剩余物(LPCS)为原料,在不同的温度下高压合成聚碳硅烷(PCS),采用红外、紫外、核磁共振、分子量及其分布等分析PCS的组成、结构随温度的变化.同时,采用改变减压蒸馏温度的办法,对PCS进行分级,收集在不同蒸馏温度下的馏分,通过对一系列馏分进行了IR分析,以此推测PCS的转化过程.研究表明,PCS的生成过程是随着温度的升高,PDMS、LPS中键能较低的Si—Si键断裂,逐渐转变成为键能较高的Si—C键,转化为低分子的碳硅烷;随着温度的升高,碳硅烷分子间发生脱氢、脱甲烷缩合反应使产物的分子量逐渐长大,生成PCS.     

Production of annular flat-topped vortex beams

A model of an annular flat-topped vortex beam based on multi-Gaussian superimposition is proposed.We experimentally produce this beam with a computer-generated hologram(CGH) displayed on a spatial light modulator(SLM).The power of the beam is concentrated on a single-ring structure and has an extremely strong radial intensity gradient.This beam facilitates various applications ranging from Sisyphus atom cooling to micro-particle trapping.     

刍议初中数学“预设性生成”课堂教学

早在20世纪70年代美国心理学家维特罗克在《作为生成过程的学习》一文中最早提出“生成学习”的概念；国内最早明确提出生成性教学思想的是叶澜教授，她于1997年率先提出生成性教学思想．目前，大多数研究者都认同预设和生成是辩证的对立统一体，两者是相互依存的．     

基于伪模态转换的红外目标融合检测算法

为提高红外图像目标检测的精度和实时性,提出一种基于伪模态转换的红外目标融合检测算法.首先,利用双循环的生成对抗网络无需训练图像场景匹配的优势,获取红外图像所对应的伪可见光图像;然后,构建残差网络对双模态图像进行特征提取,并采取add叠加方式对特征向量进行融合,利用可见光图像丰富的语义信息来弥补红外图像目标信息的缺失,从而提高检测精度;最后,考虑到目标检测效率问题,采用YOLOv3单阶段检测网络对双模态目标进行三个尺度的预测,并利用逻辑回归模型对目标进行分类.实验结果表明,该算法能够有效地提高目标检测准确率.     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类，从而判断焊接质量的等级，对传统卷积神经网络进行改进，提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率，并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响，采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理，并在该数据集上验证模型的有效性。与传统卷积神经网络相比，该模型具有良好的性能，在测试集上准确率达到96.77%，同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。     

基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

LYVE-1 在甲状腺乳头状癌的表达和意义

目的 观察淋巴管透明质酸受体1（LYVE-1）的表达和癌周组织中淋巴管的生成情况在甲状腺恶性肿瘤的变化及转 移中的作用。方法 应用免疫组织化学和real-time PCR方法检测45 例甲状腺乳头状癌中央区、癌周边区和正常甲状腺组织中的LYVE-1及其mRNA 表达情况,并计算淋巴管密度（LVD）。结果 甲状腺乳头状癌周边区LVD 高于甲状腺乳头状癌中央区,而正常组织中很少见LYVE-1 阳性的微淋巴管;甲状腺乳头状癌周边区LVD 与淋巴结转移有密切关系（P＜0.05）。结论 LYVE-1是一种特异性较高的淋巴管内皮特异性标志物,对淋巴管生成促进甲状腺乳头状癌的淋巴结转移。     

一种基于边交换的贪心算法求解md-MST问题

通过对最小度限制最小生成树(md-MST)问题性质进行分析,提出了一种基于边交换的贪心算法.算法先用贪心算法生成一棵生成树ST,然后对生成树ST经过边交换调整,得到满足问题约束条件的可行解,再对生成树ST进行进一步边交换优化,得到md-MST问题的最优解或接近最优解的近似解.实验证明,算法能在短对间内求出大规模顶点随机图的md-MST,是一种非常实用的求解md-MST问题的精确算法.     

一类体积填充趋化模型的斑图生成［英文］

本文讨论一类体积填充趋化模型(*)的不稳定常数平衡解附近的非线性动力学性态.研究表明{Ut=(d1U-χU(1-U/γ)V),(*)Vt=d22V+U-V,对任意给定的一般初始扰动δ,在以lnδ-1为阶的时间段内,该扰动的非线性演化由相应的线性化系统的最快增长模式所控制,并对斑图生成进行定量的刻画.     

Mdm2生成速率调控的p53-Mdm2振子的全局动力学和稳定性

肿瘤抑制蛋白p53的动力学在一定程度上可以决定DNA损伤后的细胞命运.p53的动力学行为与p53信号通路中p53-Mdm2振子模块密切相关.然而,p53的负调控子Mdm2的生成速率的增加使其在一些癌细胞中过表达.因此探讨Mdm2生成速率对p53动力学的影响有重要意义.同时,PDCD5作为p53的激活子也调控p53的表达.因此,本文针对PDCD5调控的p53-Mdm2振子模型,通过分岔分析获得了Mdm2生成速率所调控的p53的单稳态、振荡以及单稳态与振荡共存的动力学行为,且稳定性通过能量面进行了分析.此外,噪声强度对p53动力学的稳定性有重要的影响.因此,针对p53的振荡行为,探讨了噪声强度对势垒高度和周期的影响.本文所获得的结果对理解DNA损伤后的p53信号通路调控起到一定的指导作用.