关于分子特征形状的理论--Ⅱ.几个典型有机分子的内禀特征轮廓

借助于分子中电子运动的经典转折点,定义了分子的内禀特征轮廓.文中以甲烷、甲醇和甲酸为例,详细介绍了分子内禀特征轮廓理论方法.对分子轮廓的特征截面的具体分析,可以给出形成分子过程中原子的空间变化信息.首次计算和绘出了上述分子轮廓上的电子密度分布图,它与分子的化学性质密切相关,给出了对分子边界的新认识.     

手臂电磁通道特征研究

依据现有研究结果和未来体域网发展趋势研究了手臂电磁通道特征.将两个同样工作在5.8 GHz、尺寸为4 cm×4 cm的全织物贴片天线作为收发两端,研究竖直状态下手臂的传输特征;再依据自然行走状态,模拟前摆最大值位置、自然下垂和后摆最大值位置手臂的动态过程.通过对天线在空气和手臂不同位置上传输特征的对比分析,确定表面波对传输特征的影响,并采用曲线拟合方法获得相对路径损耗预测模型;通过对比手臂三种自然状态的实测结果,建立路径损耗的预测模型.研究表明,对自然下垂状态下的预测模型进行简单的修正即可较好地预测前摆和后摆时的路径损耗.     

基于注意力机制和特征聚合的车道线检测

车道线检测的可靠性和稳定性对智能驾驶系统来说至关重要.由于车道线容易受到光线、遮挡、老化等复杂情况的干扰,导致传统的语义分割网络无法准确的学习到车道线的细节特征.为解决该问题,本文首先在编码网络部分引入CA坐标注意力机制,进一步增强网络对车道线提取能力,然后,在特征聚合网络引入金字塔空洞卷积模块与RESA模块并联来增强模型的感受野,以丰富和提取全局的空间特征信息,最后经过解码网络将融合后的特征图上采样到原图大小,并预测每个车道的位置和概率分布.实验证明,文中提出的算法在CULane数据集上有较高准确率,多路面综合准确率达到76.2%,并通过实车测试表明,该算法检测帧率为30 fps,可以在复杂交通场景下进行实时检测,具有较高的泛化性和鲁棒性.     

一株新黄瓜花叶病毒卫星RNA结构和生物学分析

从患香蕉花叶心腐病香蕉病叶分离的黄瓜花叶病毒中,发现一株新卫星RNA(定名为Ba-Sat)。以CMV卫星RNA两端保守序列为引物合成了Ba-Sat cDNA并将其克隆到载体pGEM7Zf(+)上。序列分析结果表明,Ba-Sat由390个核苷酸组成,其5′端、3′端各有一段序列与其它株系卫星RNA有很高的序列同源性,但其中间区域则无任何序列同源性。在此基础上,进一步分析了Ba-Sat的二级结构,并研究了Ba-Sat的生物学特征,实验结果证明Ba-Sat具有致弱卫星RNA的特性。     

泌阳凹陷羊毛甾烷的检出及其意义初探

本文从泌阳凹陷下第三系某些生油岩及原油中检测出碳数为C_(30)-C_(32)的羊毛甾烷系列,根据地球化学研究及模拟实验,提出该羊毛甾烷的生成可能主要与特定的有机输入及较低的热演化条件有关。     

《毛细管电色谱理论基础》

毛细管电色谱作为一种新型微分离分析技术，其分离过程具有多种机理协同作用的特征。对于毛细管电色谱的理论研究不仅要考虑系统的电属性，还要兼顾溶质的两相分配特征。该书系统地阐述了毛细管电色谱的基本理论，讨论了分离过程中影响峰展宽的因素及其规律。基于作者发展的弛豫理论和唯象的输运过程处理方法，阐述了毛细管电色谱中的动力学和热力学问题，分别就不同的分离模式的选择性规律和柱内富集理论与技术、梯度洗脱的溶质输运特征加以说明。     

动态特征空间和三维运动目标的智能递推识别方法

在实际成像条件下,运动中的三维目标,其投影形状(silhouette)是变化的,因而其可识别性也处于变动中.为了应对这类困难情况,本文定义了模式的动态特征空间和模式的动态可识别性等概念.提出了处理三维目标运动图像序列的多尺度智能递推识别方法(MUSIRR).构造了一种混合神经网络和逻辑决策模块的智能识别器,BP神经网和RBF网用作识别器的基本构成单元.在训练阶段,该识别器使用目标的多尺度二值特性视图模型的规则矩不变量为样本特征向量.在识别阶段,算法在递推识别序列目标图像过程中,充分利用了目标姿态不会突变以及有关成像过程的合理约束,达到了提高识别率目的.     

基于深度学习的语义通信系统

语义通信利用传输内容的语义信息进行编码,可以去除冗余数据,减少传输数据量,满足6G时代的智能通信需求.探究一种以文本为传输内容的语义通信系统,利用深度学习模型进行语义挖掘与特征提取,加入信道编解码层、信道层与量化层,构建端到端的深度神经网络.仿真结果表明,与传统的通信编解码方式相比,所提模型在传输时所需的数据量更少,传...