苯酚、马尿酸和甲基马尿酸的反相高效液相色谱分析

本文提出了人体内苯、甲苯和二甲苯的代谢产物苯酚、马尿酸和甲基马尿酸的反相高效液相色谱分析法,讨论了其保留机制和样品预处理技术.以ODS为固定相,甲醇-水-醋酸为流动相时可实现良好分离.方法回收率为97.3%,相对标准偏差为1.02%.提出的方法可用于尿样分析,适用于临床与职业病防治的监测分析.     

Space-Air-Ground Integrated Mobile Crowdsensing for Partially Observable Data Collection by Multi-Scale Convolutional Graph Reinforcement Learning

Mobile crowdsensing (MCS) is attracting considerable attention in the past few years as a new paradigm for large-scale information sensing. Unmanned aerial vehicles (UAVs) have played a significant role in MCS tasks and served as crucial nodes in the newly-proposed space-air-ground integrated network (SAGIN). In this paper, we incorporate SAGIN into MCS task and present a Space-Air-Ground integrated Mobile CrowdSensing (SAG-MCS) problem. Based on multi-source observations from embedded sensors and satellites, an aerial UAV swarm is required to carry out energy-efficient data collection and recharging tasks. Up to date, few studies have explored such multi-task MCS problem with the cooperation of UAV swarm and satellites. To address this multi-agent problem, we propose a novel deep reinforcement learning (DRL) based method called Multi-Scale Soft Deep Recurrent Graph Network (ms-SDRGN). Our ms-SDRGN approach incorporates a multi-scale convolutional encoder to process multi-source raw observations for better feature exploitation. We also use a graph attention mechanism to model inter-UAV communications and aggregate extra neighboring information, and utilize a gated recurrent unit for long-term performance. In addition, a stochastic policy can be learned through a maximum-entropy method with an adjustable temperature parameter. Specifically, we design a heuristic reward function to encourage the agents to achieve global cooperation under partial observability. We train the model to convergence and conduct a series of case studies. Evaluation results show statistical significance and that ms-SDRGN outperforms three state-of-the-art DRL baselines in SAG-MCS. Compared with the best-performing baseline, ms-SDRGN improves 29.0% reward and 3.8% CFE score. We also investigate the scalability and robustness of ms-SDRGN towards DRL environments with diverse observation scales or demanding communication conditions.     

基于无线PKI-PMI实现安全的移动电子政务

移动电子政务作为电子政务一个新的分支,为电子政务提供了强大的扩展能力和移动能力,针对移动电子政务的安全需求,探讨了将无线PKI-PMI应用于实现安全移动电子政务的方案,在分析移动电子政务和无线PKI体系结构的基础上,讨论了该方案的关键技术。     

大学物理实验开放式学习系统开发——基于EXCEL的实现

针对大学基础物理实验中存在的问题,借用EXcel电子表格优越的数据处理功能和友好的界面制作出实用的实验自学系统,帮助学生提高对基础物理实验的自学能力、实际操作能力和数据处理能力,为后续开设的实验课程打下良好的基础!     

基于PASCO平台的超声光栅实验设计及应用

利用PASCO物理平台实验附件可组装性强的特征,设计与搭建了超声光栅实验装置,获得了清晰、直观的超声光栅衍射光强分布图,并利用极值查找等数据处理工具确定精确的衍射条纹位置.在此基础上,通过测量与计算得到了不同酒精溶液浓度下的超声波声速.     

考虑闲置产能分享参与者利益的平台定价研究

信息技术的快速发展,使得闲置产能的分享逐渐成为生产领域重要的产能利用模式。为研究闲置产能分享时平台的最优定价问题,在平台向供给者收取交易费而对需求者不收费的条件下,首先,建立商业平台和公益平台的基础模型,并对两类平台进行分析和对比;然后,在基础模型之上构建以一定权重考虑其他参与者利益的平台X的定价模型,探讨权重对最优交易费、供需双方的数量以及平台最优利润的影响;最后,用数值例子验证文中重要定理以及权重对供需双方效用产生的影响。研究结果表明：(1)商业平台收取的最优交易费和获得的最优利润均高于公益平台;(2)考虑其他参与者利益的平台X收取的最优交易费和获得的最优利润、需求者(免费方)的数量和效用均随着权重的增加而增加,而供给者(被收费方)的数量及其效用则随着权重的增加而减少。研究结果为平台运营商和企业的行为决策提供理论参考依据。     

监管技术巨头：技术力量作为市场支配地位认定因素之再审视

如何有效规制技术巨头已然成为当前《反垄断法》修订的重要任务。技术力量虽然作为传统的市场支配地位认定要素,但长期以来呈现被虚置化的客观状态,致使技术巨头市场支配地位的认定难度增大,技术力量自身的传导效应被显著低估。数字技术对市场竞争的影响异于以往,其通过平台、数据、算法的数字市场三维结构框架影响生产与交易的全过程。技术与三维结构结合所形成的技术力量极为强大,超越了以控制价格为主的传统市场力量,结合社会与资本力量形成了更牢固的市场固化结构。在判断技术巨头的市场支配地位时,亟需发挥技术力量作为非价格型认定要素的重要作用。应当摒弃虚置技术力量作为市场支配地位认定要素的固有症结,提高技术力量在认定市场支配地位时所占权重,回归结构性视角,妥善防范技术巨头无序扩张。     

基于FDTD的时域混合方法及其在天线前门耦合数值模拟中的应用

强电磁脉冲环境下的平台-机载天线一体化耦合计算属于典型多尺度时域电磁计算问题,采用传统的FDTD方法数值模拟时,由于精细结构的存在导致网格量巨大,计算效率低下。介绍了一种将非均匀FDTD方法与细导线FDTD方法以及多网格集总元件FDTD方法相结合的时域混合方法,能够有效降低计算开销,结合并行计算技术,快速计算得到天线端口上耦合产生的瞬态电压和电流响应,并将该方法成功应用于无人机平台-天线一体化前门耦合数值模拟中。     

考虑运动受限的履带式移动机器人轨迹跟踪控制

针对履带式移动机器人的轨迹跟踪控制问题进行研究,首先,建立了履带式移动机器人的运动学模型和跟踪误差模型；其次,设计了转速有限时间控制和线速度滑模控制的轨迹跟踪控制律,并给出了考虑运动受限作用下的控制律修正表达式；最后,基于MATLAB对所提控制律进行仿真,对比分析了不考虑运动受限情况下跟踪控制效果;结果表明,设计的跟踪控制律能够实现履带式移动机器人对圆轨迹的有效跟踪,且考虑运动受限作用的控制律更加符合实际;文章研究分析了运动受限作用对于移动机器人轨迹跟踪控制的影响,分析结果对其他移动机器人的运动控制研究具有参考价值。     

网购平台在线声誉机制作用的实证研究方法评析

在线声誉机制是网购平台重要的信号机制,是平台可持续成长的基础.从理论基础、研究假设、数据来源、变量选择、模型应用等方面,全面梳理了在线声誉机制作用的实证研究方法,包括Hedonic回归、Logit、Probit、Poisson、Tobit、截取正态回归、样本选择回归、固定效应、广义最小二乘法等模型的应用.最后展望未来相关研究及方法,并构建在线声誉机制作用的实证研究综合框架.