一种自组织结构的神经网络模式分类器

本文研究了一种自组织结构的神经网络模式分类器．它由一个多层网络和一个自组织机构组成．通过对训练样本的聚类分析，它能有效地构造和训练网络，并能在学习过程中自适应地调节网络结构．它具有收敛速度快，能避免局部极值点和应用方便等显著优点．计算机模拟实验证实了其优越性．     

超级计算机系统实时节能控制技术的理论与实践分析

计算机的能耗总和数量非常大,如何做到计算机的“省电、节能、环保”这对社会的节能减排非常重要。本文阐述分析了超级计算机系统实时节能控制技术的基本理论,并对共享计算机资源实时任务执行概率的充要条件和概率的确定进行了阐述,最后分析了切点机的切入和切出的安全问题。     

一例含阴离子水簇的钴配合物的合成、结构及理论研究

金属配合物中的水簇研究为研究宏观意义上的水以及与蛋白质分子有关的水分子提供了有效途径。本文合成了一个含有阴离子水簇的带状超分子配合物[Co(2,2-bipy)₂(N₃)₂](N₃)_0.5Cl_0.5·2H₂O(1,2, 2-bipy=2, 2-联吡啶)。单晶结构解析表明,配合物属于三斜晶系,P-1空间群,晶胞参数为:a=0.822 54(7) nm,b=1.175 58(9) nm,c=1.237 06(10) nm,α=91.379 0(10)°,β=92.151 0(10)°,γ=108.119 0(10)°,V=1.135 27(16) nm³,由一个单核[Co(2,2-bipy)₂(N₃)₂]⁺配合物阳离子、两个非配位水分子、0.5个游离的叠氮离子和0.5个氯离子组成,叠氮离子和氯离子位置无序,占有率各为50%。两个客体水分子通过强烈的分子间氢键作用形成了环状水四聚体,且与无序的N^-₃和Cl^-通过氢键作用形成了一个[(H₂O)₄(N₃)Cl]^2- 阴离子水簇。此外,本文基于密度泛函理论(DFT)对配合物[Co(2,2-bipy)₂(N₃)₂]⁺阳离子进行了量子化学计算,分析了其单点能和原子电荷,并计算了中心金属离子的氧化态,计算结果与实验相吻合。     

2,2-双(4-氯-2-氟苄基)丙二酸二乙酯的晶体结构和密度泛函理论研究

标题化合物是一个重要的精细化工中间体,可用于制备嘧啶类、吡唑类等产品.本文利用红外光谱(IR)、质谱(MS)、核磁共振氢谱(1 H NMR)、核磁共振碳谱(13 C NMR)和X-射线单晶衍射对此化合物进行了表征,并在B3LYP/6-311G(d,p)模式下使用密度泛函理论(DFT)计算了此化合物的最稳定晶体结构以及最...     

基于卷积神经网络的图像识别算法研究

针对深度学习下的图像识别技术,研究了图像识别和卷积神经网络的工作原理。分析了AlexNet模型、ResNet模型、MobileNet模型的卷积神经网络模型,以及三种算法模型的各自特点,实现了深度学习环境的搭建,通过实验对比三个模型的分类准确率和训练效率,为深度学习下的图像识别算法研究提供参考。     

金催化乙炔氢氯化的密度泛函理论研究进展

乙炔氢氯化(AH)是生产氯乙烯的主要途径之一,传统上使用高毒性的汞催化剂,因此开发无汞催化剂迫在眉睫。金(Au)催化剂是最有潜力的替代催化剂之一,然而其活性Au物种、反应物的活化过程或反应过渡态结构等催化机理仍不够清晰。密度泛函理论（DFT）在研究由Au催化AH的反应机理中发挥了极其重要的作用。本文综述了DFT对金催化剂活性位点、反应物在催化剂上的吸附性质及反应机理的研究进展。重点讨论了DFT对阳离子金和金簇催化AH反应过程的模拟计算,包括Au电子状态、其它原子掺杂及金簇尺寸和形状对催化AH反应影响的模拟。结果表明DFT模拟计算在微观分子尺度上研究反应物的吸附、反应中间体及过渡态等方面发挥了关键作用,对理解Au催化AH反应机理做出了重要贡献。     

基于深度学习的海上舰船目标多源特征融合识别

针对海上舰船雷达辐射源特征和高分辨率距离像独立使用难以有效进行目标识别的问题,提出多种基于深度学习的多源特征融合目标识别方法.通过构造深度序贯融合模型、深度分支融合模型、深度卷积融合模型和深度循环融合模型四种框架,实现舰船目标的多辐射源特征与高分辨率距离像深度特征的自动提取与融合识别,完成目标分类.利用不同长度、不同类...     

隐私计算产品评估体系

当前,隐私计算技术的可用性大大增强,使用场景逐渐丰富,隐私计算产品化程度逐步成熟,产品数量呈爆发式增长,产品类型也日趋丰富,隐私计算产业已逐步形成.作为新兴技术,使用者难以综合判定选择隐私计算产品,因此亟需建立统一的隐私计算产品规范和产品评估体系.在论述了隐私计算从前沿技术到落地产品的历程后,对隐私计算产品的现状进行了...     

谈优化错题本的有效策略

每个人在学习过程中都不可避免地会出现错误,而对待错误的态度和方式很大程度上决定了这个人在学习上能达到的高度.好多教师和学生比较注重课堂教学,却忽视改正错题的重要性,导致了重复出错.有些教师和学生虽然能够认识到建立错题本进行改错的重要性,但是对如何科学地建立错题本、如何有效地使用错题本没有进行太深的研究,导致了错题本建立之后效果甚微.错题本要从建立和使用两个方面进行优化,从教师和学生两个层面加以强化,以便在促进学生的深度学习方面发挥重要的作用.     

鹏程·盘古：大规模自回归中文预训练语言模型及应用

在鹏城云脑Ⅱ上训练了全球首个拥有全开源2 000亿参数的自回归中文预训练语言大模型——鹏程·盘古。鹏程·盘古模型基于1.1 TB高质量中文训练数据,采用全场景人工智能计算框架MindSpore自动并行技术实现了五维并行训练策略,从而可将训练任务高效扩展到4 096个处理器上。对比实验表明,在少样本或零样本情况下,鹏程·盘古模型在多个中文自然语言理解或生成任务上都具有较优的性能。在此基础上,鹏程·盘古模型在大模型压缩、提示微调学习、多任务学习以及持续学习等方面也取得了很好的应用效果。