Utilizing of high-pressure high-temperature synthesis to enhance the thermoelectric properties of Zn_(0.98)Al_(0.02)O with excellent electrical properties

The temperature in the high-pressure high-temperature(HPHT) synthesis is optimized to enhance the thermoelectric properties of high-density Zn O ceramic, Zn_0.98Al_0.02O. X-ray diffraction, scanning electron microscopy, and transmission electron microscopy show that HPHT can be utilized to control the crystal structure and relative density of the material.High pressure can be utilized to change the energy band structure of the samples via changing the lattice constant of samples, which decreases the thermal conductivity due to the formation of a multi-scale hierarchical structure and defects. The electrical conductivity of the material reaches 6×10⁴ S/m at 373 K, and all doped samples behave as n-type semiconductors. The highest power factor(6.42 μW·cm^-1·K^-2) and dimensionless figure of merit(z T = 0.09) are obtained when Zn_0.98Al_0.02O is produced at 973 K using HPHT, which is superior to previously reported power factors for similar materials at the same temperature. Hall measurements indicate a high carrier concentration, which is the reason for the enhanced electrical performance.     

平衡损失函数下具有两水平共同效应的信度模型

在保险实务中,组合风险间与个体风险间分别具有一定的相依性,考虑保费的目标估计,采用正交投影的方法,在平衡损失函数下得到了未来保费的非齐次与齐次信度估计,进而给出了结构参数的无偏估计.结果表明,得到的信度估计具有经典信度模型的加权形式.     

利用齐次线性方程组解的性质解决矩阵有关的问题

解决矩阵有关的一些问题时,直接利用矩阵相关理论问题变得越复杂,若利用齐次线性方程组解的性质来解决,问题变得较简单.文章提出了利用齐次线性方程组解的性质解决矩阵有关的问题一些看法以及需要的一些定理及其证明,提出了一些思路.     

基于关联挖掘的课程相关性模式研究

基于关联规则挖掘理论,采用经典Apriori算法,通过对某高校历届学生专业修读课程及考试成绩数据与规律、规则等的学习,发现了数据中隐藏的课程相关规则或模式.针对所产生的大量模式和规则进行兴趣度分析,提取出符合高校教学管理与改革需要的、更有效的课程相关规则,对指导当今高校学分制体系下学生选课、排课及学生个性化学业修读计划制订与实施等具有积极意义.     

企业安全意识管理的探析

本研究在安全意识和人的不安全行为理论的基础上，明确指出企业管理者在企业安全管理中的重要地位，从安全氛围的营造、本质安全、培训管理、制度建设、监督管理和持续改进6个方面对安全意识的提升进行了论述，最后针对管理者安全意识的培养提出了“望、闻、问、切”的理念。     

融合BERT词嵌入和BiLSTM的微博谣言持续检测模型

针对微博谣言带标签数据不足，且当下的谣言检测模型无法持续学习应对不断变化的微博网络语言等问题，本文提出BERT-BiLSTM-LML微博谣言持续检测模型.首先，使用BERT(Bidirectional Encoder Representations from Transformers)预训练模型提取两个任务输入文本数据的词向量；其次，使用双向长短时记忆(Bi-directional Long Short-Term Memory, BiLSTM)网络充分提取文本的上下文特征；最后，基于BiLSTM深层特征使用终身监督学习算法ELLA(Efficient Lifelong Learning Algorithm)对两个任务的特征数据进行建模，以实现对微博谣言的持续检测.实验结果表明：BERT词向量有效优化了模型性能，比基于Word2vec词向量的Word2vec-BiLSTM-LML模型在准确率和F1值都提升了5.5%.相较于独立学习，在持续学习争议检测任务后，模型的谣言检测准确率提升了1.7%,F1值提升了1.8%.同时，在持续学习过程中，随着知识的积累，谣言检测准确率持续提升.最终在公开...