高维多项式理想的实根计算

研究高维多项式理想实根的计算。对于给定的高维多项式理想,首先通过一个典范同态映射将其转化为扩张多项式环中的零维理想。基于零维实根是实极大理想的交集的结论,该扩张理想的实根可以在新的多项式环中计算。最后,通过理想的收缩,把实根收缩回原多项式环,便可得到高维多项式理想的实根。     

聚苯硫醚熔体的压致凝固行为

采用施加压力的方法将聚苯硫醚熔体凝固,凝固后获得的聚苯硫醚样品经过降温和卸压后在常温常压下回收. X射线衍射和差示扫描量热分析表明:约20 ms时间的快速压缩过程可以抑制熔体结晶,制备出非晶态聚苯硫醚块材,样品的表面及中心都是非晶态.非晶态聚苯硫醚的玻璃化转变温度和晶化温度分别为318和362 K.常压下的退火实验表明,非晶态聚苯硫醚在425 K等温结晶的产物为正交相晶型.压致凝固法中熔体的凝固不是靠温度变化,而是靠压力变化,样品表面和内部处在一致的温度下同时受压凝固,避免了热传导对非晶尺寸的影响,因此非常有利于获得结构均匀的大尺寸非晶态材料.     

液态五元Zr57Cu20Al10Ni8Ti5合金的微观结构演变与非晶形成机制

利用电磁悬浮无容器处理技术实现了液态五元Zr₅₇Cu₂₀Al₁₀Ni₈Ti₅合金的深过冷与快速凝固,同时通过分子动力学模拟计算揭示了非晶形成的微观机制.实验发现,凝固组织具有明显的核-壳结构特征,核区为非晶相,壳区主要由ZrCu, Zr₂Cu和Zr₈Cu₅晶体相组成.非晶体积分数随合金过冷度的升高逐渐增大,当达到实验最大过冷度300 K (0.26T_L)时,非晶体积分数增至81.3%.由此导出完全非晶凝固所需临界过冷度为334 K. TEM分析显示,过冷度增大并接近临界过冷度时,合金凝固组织中晶体相主要为Zr₈Cu₅相,而ZrCu和Zr₂Cu相的生长被抑制.在达到临界过冷度后,过冷液相的凝固路径由Zr₈Cu₅结晶生长转变为非晶凝固.此外,合金的晶体壳中存在少量的晶间非晶相,而非晶核中...     

基于LASSO算法的光谱变量选择方法研究

光谱分析技术由于具有简单、快速、无损等优势,在复杂体系的定性和定量分析中得到了广泛应用。然而光谱中往往包含成百上千的波长点,有些波长点与研究的目标性质并不相关,加大了计算量并降低了模型的预测准确度。因此,在建立模型前需要进行变量选择。最小绝对收缩与选择算子（LASSO）可将回归系数收缩为0,进而达到变量选择的目的。该研究将LASSO用于三元调和油样品近红外光谱和生物样品拉曼光谱的变量选择,基于偏最小二乘（PLS）和多元线性回归（MLR）模型,分别对香油和肌氨酸的含量进行定量分析,并与无信息变量消除－PLS（UVE－PLS）、蒙特卡罗结合UVE－PLS（MCUVE－PLS）和随机检验－PLS（RT－PLS）3种变量选择方法进行比较。结果表明,基于LASSO的变量选择方法保留的变量数最少,运算速度最快。对三元调和油样品,LASSO－PLS预测的准确度最高;对生物样品,LASSO－MLR预测的准确度最高。因此,基于LASSO的变量选择算法有望在光谱分析领域中得到良好应用。     

聚羧酸系减缩剂的制备及应用性能研究

在水溶液中以过硫酸铵为引发剂、次亚磷酸钠为链转移剂,丙烯酸、二乙二醇单丁醚马来酸单酯为反应单体,合成聚羧酸减缩剂。研究在反应温度为75℃时,引发剂用量、链转移剂用量、单体质量分数对水溶液表面张力的影响。结果表明,聚合的最佳反应条件为:过硫酸铵用量为0.7%,次亚磷酸钠用量为5%,单体质量分数为24%。采用红外光谱对聚合物的结构进行表征,研究其对水溶液表面张力,溶液的蒸发速率,砂浆的干燥收缩、抗折、抗压强度的影响。研究发现,当聚合物的掺量为6%时,在水溶液中表面张力降低了40%,溶液的蒸发速率降低了15.3%。聚合物的掺量为3%时,与空白样相比水泥砂浆的28d干燥收缩率降低了18.9%,抗压强度与抗折强度有所降低。     

正交约束优化问题的一阶算法

带有正交约束的矩阵优化问题在材料计算、统计及数据分析等领域中有着广泛的应用.由于正交约束的可行域是Stiefel流形,一直以来流形上的优化方法是求解这一问题的主要方法.近年来,随着实际应用问题所要求的变量规模的扩大,传统的流形优化方法在计算上的劣势显现出来,而一些迭代简单、收敛快的新算法逐渐被提出.通过收缩方法、非收缩可行方法、不可行方法三个类别分别来介绍求解带有正交约束的矩阵优化问题的最新算法.通过分析这些方法的主要特性,以及应用问题的要求,对这类问题算法设计的研究进行了展望.     

An Electrocardiogram Signal Classification Algorithm Based on Improved Deep Residual Shrinkage Networks北大核心CSCD

心电信号分类是医疗保健领域的重要研究内容.针对大多数方法不能很好地降低样本数量少的类别漏诊率,以及降低预处理操作的复杂性问题,提出了一种基于改进深度残差收缩网络(IDRSN)的心电信号分类算法(即DRSL算法).首先,使用合成少数类过采样技术(SMOTE)扩充数量少的类别样本,从而解决了类不平衡问题;其次,利用改进深度残差收缩网络提取空间特征,其残差模块可以避免网络层加深造成的过拟合,压缩激励和软阈值化子网络可以提取重要局部特征并自动去除噪声;然后,通过长短期记忆网络(LSTM)提取时间特征;最后,利用全连接网络输出分类结果.在MIT-BIH心律失常数据集上的实验结果表明,该算法的分类性能优于IDRSN、DRSN、GAN+2DCNN、CNN+LSTM_ATTENTION、SE-CNN-LSTM分类算法.