2-[3-(2-取代苯基)-1H-吡唑-1-基]-4,6-二甲氧基嘧啶类化合物的合成及除草活性研究

以邻羟基苯乙酮为起始原料,设计合成了22个新型的2-[3-(2-取代苯基)-1H-吡唑-1-基]-4,6-二甲氧基嘧啶类化合物,通过1H NMR,MS和元素分析对所合成的化合物进行了结构表征.初步生物活性测试结果表明.在试验浓度下部分化合物具有一定的除草活性.     

从“学生的物理”到“科学的物理”——由两则教学案例思考教学视角的变化

科学是平和而理性的,因此物理课堂也多波澜不惊,但这并不意味着物理课堂总是沉闷的.在实践中,我们若能透过现象把握本质,往往就会有不期而遇的精彩.自然,这里所说的精彩并非用矫情的掌声来描述,而是学生在课堂上发自内心的惊异与喜悦,常表现为学生愁眉紧锁后的莞尔一笑.     

基于SA-MCMC算法的非线性测量误差模型数据删除影响

为了研究非线性测量误差模型强影响点的识别问题,首先将非线性测量误差模型中存在误差的不可观测的数据当作缺失数据,利用SA-MCMC算法求得模型参数的最大似然估计,然后用Q函数代替可观测数据的对数似然函数进行影响分析,得到了建立在Q函数基础上的广义Cook距离及其一步近似,最后通过算例说明了诊断统计量的有效性.     

投资组合模型的改进研究:基于企业社会责任视角的实证分析

在尊重和借鉴前人对企业社会责任研究,尤其是在企业社会责任评价研究基础之上,本文从投资者的角度在投资组合过程中研究企业社会责任。在Markowitz(均值—方差)理论模型上添加企业社会责任的三个一级指标期望作为目标函数,由此将传统的投资组合模型扩展为五个目标函数的投资组合选择模型,而且我们根据经济学中经典的效用函数理论证明了此模型的正确性。本文引入主流的企业社会责任评价标准,并对一些典型公司进行打分量化。在此基础之上建立了以期望回报率、回报率的方差、核心利益相关者期望、蛰伏利益相关者期望和边缘利益相关者期望为目标函数的投资组合选择模型,在最小方差曲面上选取10个点构造投资组合,并以样本外的数据验证了模型的有效性。研究发现:根据此模型计算出来的部分投资组合回报率显著高于同期的市场指数。研究结果表明,这种关注企业社会责任的多目标投资组合选择模型,不仅让投资者可以直接控制企业社会责任,而且实际数据证明了此模型的优势之处,从而为关注企业社会责任的投资者提供一种投资的方法和思路。     

仿生水下机器人的增强学习姿态镇定

针对一类双波动鳍仿生水下机器人的姿态镇定问题,提出一种基于增强学习的自适应PID控制方法.对增强学习自适应PID控制器进行了具体设计,包括PD控制律和基于增强学习的参数自适应方法.基于实际模型参数对偏航角镇定问题进行了仿真试验.结果表明,经过较小次数的学习控制后,仿生水下机器人的偏航角镇定性能得到明显改善,而且能够在短时间内对一般性扰动进行抑制,表现出了较好的适应性.     

分布式存储系统中文件传输优化的设计与实现

针对在基于FTP的传统文件传输系统中 ,批量小文件和大文件的传输效率很低的问题 ,研究了不同类型文件传输任务的优化方法 ,提出了文件的自适应传输策略 :对小文件的传输采用通道复用技术 ,对大文件的传输则采用并行传输 .以此为基础设计和实现了GDSS(广域网分布式存储系统 )的文件传输系统 .研究结果表明 ,广域网分布式存储系统中 ,批量小文件传输性能明显优于传统FTP ,而对于大文件的传输 ,由于采用分片并行的传输方式 ,其性能也比标准FTP的要好 .     

特征增强U形网络的图像语义分割

复杂场景语义分割任务是对场景图像逐像素进行分类并标记.图像中目标种类多,尺度多样的特点给分割任务增加了难度,提出了特征增强U形卷积神经网络(feature enhanced U shape networks,FEUNet)是一种改进的编码器加解码器的结构,编码阶段引入局部特征增强模块(local feature enhanced,LFE)提取局部感知特征来改善非显著目标的分割效果;考虑到神经网络深层和浅层之间特征表达的差异,在解码阶段利用全局池化方法(global pooling)设计全局特征增强模块(global feature enhanced,GFE),实现选择性地从深层特征图提取上下文信息作为对浅层特征图的指导,改善深层和浅层特征图的融合,保证同类像素预测的一致性.采用CamVid和Cityscapes数据集进行试验,模型mIOU测评值分别达到64.5％和73.2％,对比其他主流语义分割算法,该方法在分割性能和模型体积上具有一定竞争力.     

关于恒正点列命题的一个结论及应用

在Stolz定理的基础上,得到关于恒正点列命题的一个结论,并重点举例说明其在求解形如lim n→∞ n√xn极限中的应用     

非正规正交设计的分辨度及其应用

为实现非正规正交设计的最优选择,提出了一种基于矩阵象的广义分辨度指标.首先,定义了高阶交互作用之间的混杂度量值,其计算不依赖于水平数的选取,不仅适用于等水平正交设计,还适用于混合水平正交设计;然后,替换广义方差分析模型中的混杂度量值,得到了一个非正规正交设计的广义分辨度指标,满足水平置换不变性.实例分析结果表明,所提的广义分辨度对非正规正交设计具有较好的区分能力,可实现对非正规正交设计的排序和最优选择.由不同水平上因子的投影频数分布可知,该广义分辨度能够反映出设计点在整个空间中的均匀性,从而建立了广义分辨度准则和均匀性的联系.