卷积神经网络用于近红外光谱古筝面板木材分级

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。     

微波消解-氢化物发生-原子荧光光谱法测定7种中草药中砷

利用原子荧光光谱法测定7种驱虫类中草药中的砷.实验采用微波消解样品,以盐酸为测定介质,硫脲-抗坏血酸为预还原剂,硼氢化钾为氢化剂,用氢化物发生-原子荧光光谱法测定砷含量.砷含量在10-100ng/mL浓度范围内线性关系好(r2=0.9924).回收率为93.83%-110.94%之间.方法简便、快速、灵敏、准确,可用于中草药中砷的测定.     

电感耦合等离子体原子发射光谱法测定中药方剂煎煮液中的微量元素

本文采用HNO3－H2O2对中药方剂煎煮液进行处理，拟定了电感耦合等离子体原子发射光谱法同时测定试样中12个微量元素的方法，选择了仪器的最佳工作条件，考察了基本效应的影响。在选定条件下，12个微量元素的检出限为0．10－5．0ng/g，相对标准偏差为0.10%-9.5%(n=10),加标回收率为85％－103％。该方法简单、快速，已用于大量样品的检测，分析结果满意。     

毛细管气相色谱法测定中药中有机氯农药残留量

建立了江西省两种中药中有机氯农药残留量的气相色谱分析方法。样品以丙酮提取,在NaCl存在下,以正已烷进行液—液分配,提取液用H2SO4净化,采用DB—1701毛细管柱,GC—ECD检测有机氯农药残留量。最低检测限为1.0×10-3-5.0×10-3mg/kg,添加回收率为85.7%-115.2%,应用于实际样品中有机氯农药残留量的检测,获得了较为满意结果。     

中国邮路问题的一个解法

本给出中国邮路问题的一个解法。虽然它仍只是初始方案，但因考虑了问题的足够信息，因而这种方案至少拉近了与最优解的距离。     

中西医治疗子宫内膜异位症性不孕的现状

本文综述了近年来现代医学及祖国传统医学对子宫内膜异位症(EMT)导致不孕的发病机理及治疗方面进展的概况。     

原子荧光法测定田七中砷的含量

采用了硝酸+高氨酸消化样品,AFS-2202原子荧光光谱仪测定中药田七中砷的含量,该方法的检出限可达0.09μg·L~(-1),回收率在91.0％～109.2％之间。     

汉字识别的加工模型

通过文献分析,概述了认知心理学关于汉字识别过程及其加工机制研究的几种主要的加工模型,即经成分识别模型、多层次交互激活模型、连接主义模型、合体汉字字形识别模型和汉字识别的多层次格式塔双向加工模型.     

怎样写论文摘要

除论文标题之外 ,读者是通过摘要来决定是否继续阅读整篇论文 .因而摘要是一篇论文的窗口 .要在最小的空间内阐述问题、描述方法、总结贡献 ,是需要运用技巧与经验的 .一、摘要的内容摘要 (包括中、英文摘要 )的内容应包括目的、方法、结果、结论四个部分。重点应突出文章在结果和结论方面的创新之处 .二、摘要长度中文摘要长度一般不超过 30 0字 ,不少于 2 0 0字 ;英文摘要应比中文摘要有所扩展 ,以便使非汉语读者更多地了解文章的内容 .长度一般不超过 15 0 words,不少于 10 0 words。少数情况允许例外 ,但主题概念不得遗漏 .为了使在较短…