基于有源广义忆阻的无感混沌电路研究

采用常见元器件等效实现一个广义忆阻器, 进而制作出一个电路特性可靠的非线性电路, 有助于忆阻混沌电路的非线性现象的实验展示及其所产生的混沌信号的实际工程应用. 基于忆阻二极管桥电路, 构建了一种无接地限制的、易物理实现的一阶有源广义忆阻模拟器; 由该模拟器并联电容后与RC桥式振荡器线性耦合, 实现了一种无电感元件的忆阻混沌电路; 建立了无感忆阻混沌电路的动力学模型, 开展了相应的耗散性、平衡点、稳定性和动力学行为等分析. 结果表明, 无感忆阻混沌电路在相空间中存在分布2个不稳定非零鞍焦的耗散区和包含1个不稳定原点鞍点的非耗散区; 当元件参数改变时, 无感忆阻混沌电路有着共存分岔模式和共存吸引子等非线性行为. 研制了实验电路, 该电路结构简单、易实际制作, 实验测量和数值仿真两者结果一致, 验证了理论分析的有效性.     

一种生成对称群S9所有Sylow-p子群的算法

根据对称群的基本性质以及第二同构定理，给出了通过添加生成元到P群来构造对称群的一个Sylow-p子群的定理，添加的生成元保证能够快速得到对称群的一个Sylow—p子群．根据第二西洛定理求出了所有共轭子群，即所有Sylow-p子群．针对求所有共轭子群过程中面临共轭子群出现重复的问题，利用正规化子的性质，找到使得两个Sylow-p子群共轭的元，保证每次求的Sylow-P子群不重复．将此算法应用于S1，实验表明该算法可操作性强，耗费时间少．     

羰基￣（13）CNMR化学位移的计算

根据核外电子云球对称效应原理，建立化学位移统一计算公式，计算了醛、酮、酰氯、羧酸和酯中羰基的￣（１３）ＣＮＭＲ化学位移，在一定程度上说明了影响￣（１３）ＣＮＭＲ化学位移的主要结构因素，并对一些反常现象作出了直观合理的解释。     

2003年全国检测声学学术会议在上海召开

由中国声学学会检测声学分会、上海市声学学会、同济大学声学研究所联合主办的2003年全国检测声学学术会议于2003年11月10日-12日在上海同济大学召开。来自中科院声学所、北大电子系、南大声学所及同济声学所等单位的45名全国各地声学工作者出席会议。中国声学学会、上海市声学学会及《声学技术》编辑部分别派员出席。三天的会议中,有36篇报告在会上宣读。论文涉及粘结强度质量检测、超声成像、超声在能源、铁道领域的应用、激光超     

正交试验法水解合成乙烯基硅烷混合环体

采用L9(3^4)正交试验法，研究了影响混合单体水解合成乙烯基环体的因素，通过对试验结果的分析找出水解合成乙烯基混合环体的最佳条件。     

产生多个大横动量成份的超高能核作用事例

对甘巴拉山乳胶室得到的一个∑E_r≈1300TeV的r线簇进行了分析,这个事例是发生在乳胶室上方的核作用,产生的高度低于150m,事例的中心部分由5个集团组成,对此事例的特性进行了讨论。 关键词：     

金(Ⅲ)-meso-四(4-乙酰氧基苯)卟啉-十二烷基硫酸钠-TritonX-100显色反应的研究

本文研究了在适量镉和混合表面活性剂存在下,meso-四(4-乙酰氧基苯)卟啉[T(4-AOP)P]与Au(Ⅲ)的显色反应。结果表明,在pH10.0～11.2介质中,Au(Ⅲ)与T(4-AOP)P形成了灵敏度很高的稳定络合物,其摩尔吸光系数ε_(420nm)=1.62×10~6L·mol~(-1)。cm~(-1),金(Ⅲ)浓度在0～1.2μg/10ml范围内服从比耳定律。络合物中的摩尔比为Au(Ⅲ):T(4-AOP)P=1:1。用泡沫塑料预分离富集金;将拟定的新方法应用于岩矿中金的测定,得到较为满意的结果。     

基于ATIS的多用户混合交通均衡分配模型

提出一个ATIS影响下的混合交通均衡分配模型,模型中考虑多类不同的用户.不同类型用户产生的出行阻抗互相影响,且阻抗影响不对称.考虑ATIS影响下的三个不同的交通系统目标:使装备用户自身的阻抗最小化、使网络中所有装备用户的出行阻抗最小化以及使网络中所有用户的出行阻抗最小化,建立了三种情形下的路段非对称干扰的多用户混合交通分配模型.将模型表示成等价的变分不等式的形式,并分析了解的存在性和唯一性条件,结果表明解虽然存在,但并非一定唯一.提出一个对角化算法来求解混合交通均衡分配模型·最后用一个简单算例表明了模型和算法的有效性.     

体会算法思维感悟算法思想

算法是高中数学课程改革中的新增内容,是计算机理论和技术的核心,也是数学及其应用的重要组成部分．随着现代信息技术飞速发展,算法在科学技术、社会发展中发挥着越来越大的作用,算法的基本知识、方法、思想日益融人社会生活的许多方面,已经成为现代人应具备的一种数学素养．笔者根据普通高中《数学课程标准》中的教学要求,结合近几年高考对算法的考查,就“算法初步”的复习进行了深思．     

高光谱图像降维的判别流形学习方法

本文提出了一种高光谱图像降维的判别流形学习方法.针对获取的大量遥感对地观测数据存在大量冗余信息的特点,引入改进的流形学习方法对高光谱遥感数据进行降维处理,以提高遥感图像自动分类的总体准确度.该方法充分利用遥感图像自动分类中训练样本的判别信息,将输入样本的类别信息加入到常规流形学习方法的框架中,从本质上提高输出的特征在低维空间中的判别力.同时,引入线性化模型以解决流形学习方法中常见的小样本问题.对高光谱遥感图像自动分类的实验表明,基于判别流形学习的高光谱遥感图像自动分类方法能够显著地提高图像分类准确度.