基于长短时记忆神经网络的能谱核素识别方法

针对新兴的能谱核素识别方法在混合放射性核素的噪声环境中存在识别速度慢、准确率较低等问题,提出了基于长短时记忆神经网络(LSTM)的能谱核素识别方法。实验使用溴化镧(LaBr3)晶体探测器,分别对环境中60Co、137Cs放射性源分组测量得到能谱数据集,首先使用数据平滑方法和归一化方法进行数据预处理,然后将能谱数据按时间序列分组以获得可用的输入序列数组,最后训练LSTM模型得到预测结果。通过基于BP神经网络和卷积神经网络(CNN)的两个能谱识别模型进行对比,得到在测试集中平均识别率分别为83.45%和86.21%,而LSTM能谱识别模型平均识别率为93.04%,实验结果表明,该能谱模型在核素识别效果中表现较好,可用于快速的能谱核素识别设备上。     

基于深度学习的离轴菲涅耳数字全息非线性重构

针对离轴菲涅耳数字全息图,提出基于深度学习的单幅数字全息非线性重构方法 .采用经典的菲涅耳衍射积分模拟数字全息成像以供给网络训练所需样本,利用深度卷积残差神经网络通过学习数字全息图与相关物像之间的非线性数学映射关系实现全息图的物像重构.数值模拟表明,与传统的频率滤波和四步相移技术实现菲涅耳数字全息重构相比,本文提出的方法可直接消除零级像及孪生像,无需条纹物项抽取预处理步骤,且重构的物像具有较高的质量,针对相同记录参考光下不同衍射距离所生成的测试集亦具有较强的稳健性.     

循环流化床粉煤灰可控制备高纯F型八面沸石研究

利用粉煤灰制备沸石分子筛是其高值化利用的重要方向之一.以循环流化床粉煤灰为原料,采用酸浸预处理-氢氧化钠碱熔活化-水热晶化法制备F型八面沸石,并用于吸附亚甲基蓝.考察酸浸温度、碱熔温度及碱灰质量比对粉煤灰结构的影响及碱熔温度、碱灰质量比、液固比及晶化时间对沸石的结构和形貌的影响.通过XRD和SEM对粉煤灰沸石的晶体结构和形貌进行表征.结果表明,利用循环流化床粉煤灰制备高纯F型八面沸石适宜条件为碱熔温度550℃,碱灰质量比1.5:1,液固比12 mL/g,晶体导向剂用量10;,晶化温度100℃,晶化时间20 h.其比表面积高达357 m2/g,且对亚甲基蓝的饱和吸附量高达178 mg/g.     

“放开”设问:开放式教学的一种途径——从一份学案中的“封闭式问题”说起

最近观摩某教研活动,教学内容为七年级在平面直角坐标系中求几何图形的面积.由于这节课是一节专题课,并没有相对应的教材内容,组织方将其定位为习题课教学.执教者把精心准备的导学案在课前发给学生,很多学生拿到导学案之后就埋头进入了"刷题"状态,课堂上虽然也有不少师生互动,但多数停留在比较单一的师生单向对话,属于核对答案式的课堂对话.虽然课后的评课环节是"抬轿戴帽"式的"点赞一片",但笔者总感觉这样的课有点儿封闭,没有实现郑毓信教授所倡导的"深度教学"和"开放教学".以下先简要摘引教师印发给学生的这份导学案中的封闭式问题及教师随后的封闭式教学,然后从这些习题呈现方式谈一些评课意见与相关思考.     

铅基堆超临界CO2复合循环发电系统热力学分析

本文对比了再压缩超临界CO2 (S-CO2)循环、蒸汽朗肯循环、He布雷顿循环分别应用于铅基堆的最优热学性能,明确了S-CO2循环与铅基堆结合较传统循环的热力学优势。为进一步提高再压缩S-CO2循环的效率,以跨临界CO2 (T-CO2)循环为底循环构建了再压缩S-CO2/T-CO2复合循环,探讨了不同顶循环透平入口温度、压力和压缩机入口温度条件下系统性能的变化规律,对比了S-CO2/T-CO2复合循环和S-CO2循环的热学性能。结果表明:铅基堆再压缩S-CO2循环发电系统较传统循环形式具有更高的热效率;构建的S-CO2/T-CO2复合循环能够有效提高S-CO2循环的效率,在所研究参数范围内,S-CO2/T-CO2复合循环的热效率和效率比S-CO2循环分别最大可提高约4.8%和8.3%;再压缩S-CO2循环和S-CO2/T-CO2复合循环热学性能随顶循环关键参数变化规律具有一致性。     

基于多通道盲识别的自适应光学图像事后处理

为实时恢复天文或空间目标的湍流退化成像,提出一种适应大气湍流动态变化的多通道自适应光学图像恢复方法.以自适应光学校正后不同时刻的目标成像作为多个通道,建立求解系统点扩散函数的线性方程,根据解出的点扩散函数利用超拉普拉斯算法,求解待观测目标的估计值.结果表明:不同时刻的点扩散函数之间存在互质关系,满足多通道盲识别的理论要求.利用建立的线性方程求解出的点扩散函数与原点扩散函数的均方误差在10^-30~10^-27量级,采用超拉普拉斯算法恢复出的目标成像与原始目标之间的均方误差在10^-5~10^-4量级.本文研究为湍流退化图像的实时恢复提供了理论基础.     

基于迁移学习的原子力显微镜成像恢复方法

受限于探针针尖结构尺寸,用原子力显微镜进行微纳测量时会产生图像边缘失真.提出了一种基于迁移学习的原子力显微镜成像恢复方法,通过迁移学习训练源模型和靶模型实现一维栅格成像恢复.该方法采用数学形态法中的腐蚀算法生成栅格点云数据,通过U-Net网络源模型从点云中提取针尖卷积效应的特征向量,将权重参数迁移至U-Net网络靶模型,靶模型在自适应正则化方法下进行监督学习.实验结果表明,该方法能有效恢复一维栅格的原子力显微镜测量图像,提高横向分辨力,可用于纳米栅格的线宽检测上.     

初中数学微探究活动中的问题与思考

初中数学微探究活动作为一种常态的教学活动,具有片段式和局部性的特点,相对于“综合与实践”活动,它的综合性和挑战性较弱.然而,微探究活动与教学内容紧密联系,又能为学生开展适宜的探究学习提供有效载体,因此深受广大教师和学生青睐.但在开展微探究活动过程中,或学情失察,或要素失配,或难易失度,或活动失当,或方法失调,使得教学效益不高甚至低下.下面以南京市初中数学课堂教学为例,谈谈初中数学微探究活动中的常见问题与思考.     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。     

氮低温制冷循环系统在大科学装置中的应用与发展

大科学装置中低温设备的氮低温冷量需要日益快速增长,为减少能耗和保障装置的长期稳定运行,基于大科学装置氮低温系统运行需求,介绍了氮低温制冷循环系统在国内外大科学装置中的应用情况,总结了目前大科学装置中应用氮低温制冷循环系统的研究现状,并探讨以氮制冷机为核心的氮低温制冷循环系统在未来大科学装置中发展方向。