向您推荐《液晶与显示》——中文核心期刊

《液晶与显示》是中国最早创办的液晶学科专业期刊,也是中国惟一的液晶学科和显示技术领域中综合性专业学术期刊。它由中国科学院长春光学精密机械与物理研究所、中国光学光电子行业协会液晶专业分会和中国物理学会液晶分会主办,科学出版社出版。《液晶与显示》以研究报告、研究快报、综合评述和产品信息等栏目集中报道国内外液晶学科和显示技术领域中最新理论研究、科研成果和创新技术,及时反映国内外本学科领域及产业信息动态,是宣传、展示我国该学科领域和产业科技创新实力与硕果,进行国际交流的平台。本刊是英国《科学文摘》     

不可逆热电制冷循环的性能优化准则

考虑了热电制冷循环中热阻、热漏和焦耳热等主要不可逆性，引入了特征参量功率消耗比r，借助装置设计参量X表征了内、外不可逆性，利用有限时间热力学建立了制冷功率、制冷系数与特征参量之间的基本优化关系，导出了协调制冷功率与制冷系数的参量r、X以及电流I的优化准则。     

一种方式分组随机模型中估计方差分量的最小风险设计

§1.引言一种方式分组随机模型:y_(ij)=β α_i ε_(ij),i=1,…,n,j=1,…,m_i,(1.1)其中 ε_(ij)(i=1,…,n,j=1,…,m_i)是相互独立的随机误差,α_i(i=1,…,n)是独立的随机变量.Eα_i=Eε_(ij)=0,varε_(ij)=θ_1>0,varα_i=θ_2≥0,cov(α_i,ε_(ij))=0.β、θ_1、θ_2是未知参数,β∈R~1,(θ_1,θ_2)~T∈Θ(?){θ_1>0,θ_2≥0}.     

中国证券市场股指波动的条件异方差特性分析

股指的波动具有持续性、集聚性 ,如何进行判别 ?本文用 Garch模型理论探讨沪深股指的这种条件异方差特征 ,进一步分析波动是否影响股指未来变化 ,以及股市对利好、利空的消息是否存在不对称的反映。同时 ,比较不同类型的股指的共性及差异 ,并对上述现象作了解释和说明。     

原子力显微镜在分子细胞生物学研究中的应用

 1986年秉霖(G.Binning)等在扫描隧道显微镜的基础上发明了原子力显微镜(Atomicforcemicro-scope,AFM)。这种显微镜的放大倍数远远超过以往的任何显微镜,可以直接观察物质的分子和原子组成,这为微观世界的探索提供了理想的工具。AFM不仅可以以高分辨率表征样品表面形貌,分析研究与作用力相对应的各种表面性质,并可对样品的分子或原子进行纳米级力加工,也能对活的生命样品进行实时动态观测。这些特性使AFM在生命科学特别是在分子细胞生物学的研究中占据着独特的地位。一、AFM对细胞表面结构的研究AFM的样品制备简单,只需作一个渗涂片并在空气中干燥,且不需特殊的染色和固定;它的     

基于MATLAB的异步电动机线性化控制系统的仿真

从异步电动机在同步旋转坐标系下的状态方程出发，在一定的条件下，对其系数矩阵简化．推出异步电动机的线性化控制模型．并基于该模型得出异步电动机的线性化控制系统．以给定电机为例，对该模型的有效性、响应用MATLAB进行仿真分析．验证的结果说明上述模型具有实用价值．     

Local Prediction of Chaotic Time Series Based on Support Vector Machine

Based on phase space delay-coordinate reconstruction of a chaotic dynamics system, we propose a local prediction of chaotic time series using a support vector machine （SVM） to overcome the shortcomings of traditional local prediction methods. The simulation results show that the performance of this proposed predictor for making onestep and multi-step prediction is superior to that of the traditional local linear prediction method and global SVM method. In addition, it is significant that its prediction performance is insensitive to the selection of embedding dimension and the number of nearest neighbours, so the satisfying results can be achieved even if we do not know the optimal embedding dimension and how to select the number of nearest neighbours.     

n进制中非零数字之积函数的均值公式

设 N =a1nk1+ a2 nk2 +… + asnks( 1 aik2 >… >ks 0 ) ,a( N,n) =a1a2 … as,本文给出了均值 Ar( N ,n) =∑m相似文献