生长中发现 发现中生长——以折叠问题为例

生长数学教学观下的解题活动,是学生与所要解决的问题“互动”的过程,教师要根据问题的结构特征,挖掘问题的本质内涵,对问题进行生长变式.为此,教学中要找准生长点、选好生长路径,用宏观把握、微观刻画来发展学生的“四能”.     

“生长数学”理念下的结构化教学——“反比例函数单元复习课”的教学设计与思考

“生长数学”理念下的结构化教学可以优化学生学习方式,帮助学生学会用整体的、联系的、发展的眼光看问题,体现了以生为本、让知识与生命共同成长的理念.生长数学结构教学,可以通过一图一课,促进自然生成;通过问题关联,彰显结构化教学;通过自主探究,提升数学素养.     

双重网络嵌入对公司IPO后市场表现的影响研究

将社会网络嵌入理论从单一网络拓展至双重网络,分析上市公司同时嵌入风险投资网络和承销商网络对公司IPO上市后市场表现的影响。利用2004～2017年有风险投资支持的IPO公司数据,实证检验结果表明：(1)单独嵌入风险投资网络中心位置、单独嵌入承销商网络中心位置,均会提高公司IPO后市场表现;(2)同时嵌入风险投资网络中心位置和承销商网络中心位置,对公司IPO后短期市场表现的正向影响会相互替代;(3)同时嵌入风险投资网络中心位置和承销商网络中心位置,对公司IPO后长期市场表现的正向影响会互相补充。     

基于X射线微焦CT的燃料颗粒空间距离自动测量方法

在某燃料元件产品中燃料颗粒随机弥散分布在非金属材料中,表征燃料颗粒的分布状况进而评估产品工艺质量具有重要意义。针对该问题,对三维空间内相邻燃料颗粒的间距测量进行了研究,使用X射线微焦计算机层析成像（CT）对该类产品进行了三维扫描成像,从而得到了三维CT图像。在三维CT图像的基础上,提出了一种结合改进型空间直觉模糊C均值聚类和三维区域生长的自动算法,用于分割图像中的燃料颗粒以得到每个燃料颗粒的空间结构。然后,通过计算质心获得燃料颗粒的中心坐标,进而自动计算出相邻燃料颗粒的空间距离。通过仿真实验验证了所提算法的可行性,通过标准球实验验证了测量误差,并通过实际燃料元件测试了相邻燃料颗粒间距的自动测量,表明了所提方法对燃料颗粒间距测量的有效性。     

基于邻域像素注意力机制的光场深度估计方法

通过发掘深度信息与子孔径图像邻域像素间的高度相关性,提出了一种基于邻域像素注意力机制的光场深度估计方法。首先根据光场图像的数据特性提出了一种邻域像素注意力机制,该注意力机制考虑了不同子孔径图像在同一邻域间的极几何关系,能够增强网络对遮挡像素的感知能力。其次基于注意力机制设计了一个光场子孔径图像序列特征提取模块,该模块通过三维卷积将相邻序列图像上的特征编码到特征图上,并通过注意力机制增强网络对光场图像极几何特征的学习能力。最后联合邻域像素注意力机制和特征提取模块设计了一个多分支的全卷积神经网络,该网络使用部分光场子孔径图像序列即可估计图像的深度特征。实验结果表明,所提方法在均方误差（MSE）和平均坏像素率（BP）指标上总体表现优于其他先进方法,同时得益于高效注意力机制的加入,与其他先进方法相比所提方法运行速度最快。     

图形衬底对多周期InGaAs量子点自组装生长的影响

量子点器件技术广泛应用于量子计算和光电器件上.成核位置的均匀性、有序性和尺寸一致性,可以有效提高光电器件性能.为了实现阵列量子点的可控性,本文采用湿法刻蚀制备图形化衬底,理论上解释了铟原子在图形化衬底上成核现象,产生有序的量子点分布特征,发现图形衬底的缺陷诱导在平台边缘和沟壑边缘成核,形成较大的量子点.在Stranski-Krastanow模式下图形衬底制备多周期量子点,发现多周期生长可以弱化台阶结构对量子点分布的限制作用.     

三价羰基硫离子(OCS3+)二体解离过程模拟研究

基于Gaussian量子化学模拟软件采用不同基组(6-31G^**和TZVP)下的B3LYP方法对基态三价羰基硫离子(OCS³⁺)的势能曲线进行分析,得到了三价羰基硫离子可能的解离通道.当固定C—O键长为OCS分子的构型键长时(2.1a.u.),通过模拟基态OCS³⁺离子沿着C—S键断裂的势能曲线,发现沿着C—S键的势能曲线是一个具有小势垒的排斥态;相反,当固定C—S键长为OCS分子的构型键长时(2.9a.u.),基态OCS³⁺离子沿着C—O键的势能曲线是一个势垒较大的排斥态,根据弗兰克-康登原理可知,基态OCS³⁺离子倾向于以断裂C—S键的方式进行解离.通过搜索基态OCS³⁺离子过渡态、IRC路径分析进一步确定了基态OCS³⁺离子具体的解离通道：OCS³⁺→CO⁺+S²⁺.最后通过对反应物和产物的Mulliken电荷分布和键长的分析,得到与前面一致的结论.     

Att-U-Net：融合注意力机制的U-Net骨导语声增强*

近年来大量全卷积网络、U-Net等编解码网络结构应用于语音增强,它们具有计算复杂度低、模型参数少等优势。然而,与长短时记忆模型等方法相比,这些编解码结构仍存在不能充分利用先后时间之间和高低频率之间的关联信息等缺点,尤其对于长序列数据的输入,编解码结构存在信息丢失的问题。为保持计算效率的同时考虑更充分的时频关联信息建模,本文提出一种融合注意力机制的U-Net网络的骨导语音增强方法（Att-U-Net）,通过在跳跃连接中引入注意力机制,生成一个权重矩阵,将编码层中的全局信息根据权重融入对应的解码层中,使网络在编解码过程中能够关注输入数据中与增强目标相关程度高的重要信息,同时抑制不相关的信息。在骨导语音数据集上的实验表明,融合注意力机制的U-Net网络能在保持模型轻量化的同时有效提升骨导语音的增强效果,增强后的语音在各项客观评价指标上均优于基线模型。通过对编解码网络中间层的可视化分析发现,在解码过程中注意力机制有效地保留了有声段的信息,滤除了骨导语音由于骨导传声特性带来的中频共振,从而使得增强后的骨导语音具有较好的听觉效果。     

基于Mel频谱值和深度学习网络的鸟声识别算法*

为了增强网络对鸟鸣声信号的特征学习能力并提高识别精度,提出一种基于深度残差收缩网络和扩张卷积的鸟声识别方法。首先,提取鸟鸣声信号的对数梅尔特征及其一阶和二阶差分系数组成logMel特征集作为网络模型的输入;其次,通过深度残差收缩网络自动学习噪声阈值,减少噪声干扰;然后,引入扩张卷积增大卷积核感受野并利用注意力机制使网络更关注关键帧特征;最后,通过双向长短时记忆网络从学到的局部特征中学习长期依赖关系。以百鸟数据birdsdata鸟声库中的19种中国常见鸟类作为实验对象,识别正确率可以达到96.58%,并对比模型在不同信噪比数据下的识别结果,结果表明该模型在噪声环境下的识别效果优于现有模型。     

肉豆蔻酸单萜醇酯对布南色林经皮透过的影响

本文以环状单萜醇α-萜品醇、L-薄荷醇及链状单萜醇香叶醇、香茅醇为先导化合物,采用酰氯酯化法合成肉豆蔻酸α-萜品醇酯(TER-C14)、肉豆蔻酸-L-薄荷醇酯(MEN-C14)、肉豆蔻酸香叶醇酯(GER-C14)和肉豆蔻酸香茅醇酯(CIT-C14),并考察单萜醇及其肉豆蔻酯作为促透剂对布南色林(Blo)的促透效果。通过体外经皮渗透实验、体外释放实验和分子模拟技术初步探究单萜醇及其肉豆蔻酯的促透机制。结果显示,当GER-C14或CIT-C14为促透剂时,均有显著的促透效果(P<0.05),并且24h经皮累积透过量是空白组的4.84倍和4.45倍。促透机制为肉豆蔻酸单萜醇酯破坏药物与神经酰胺之间的氢键相互作用,增加脂质迁移率和药物的自由能,从而促进药物的渗透。肉豆蔻酸单萜醇酯有望作为新型促透剂在经皮给药系统中广泛应用。