红外LED用掺硅HB-GaAs单晶纵向载流子浓度分布研究

GaAs单晶作为一种重要的LED衬底材料在光电器件中应用十分广泛,但载流子浓度(C.C.)分布不均、杂质浓度过高等缺陷会严重影响相关器件的性能.为制备纵向载流子浓度分布均匀的掺硅HB-GaAs单晶,本文探讨了单晶生长过程中熔区长度对纵向载流子浓度分布的影响.以高纯GaAs多晶为原料,设定不同的拉晶温度曲线,采用窄熔区技术进行晶体生长研究,最终生长出C.C.值分布更均匀、位错密度低(EPD≤10 000 cm-2)的<111>向N型掺硅GaAs单晶.利用辉光放电质谱法(GDMS)和范德堡法霍尔效应测试对晶体进行了表征,单晶纯度达到5N且无硼杂质沾污.     

碳纳米管的可控长度拾取及导电性分析

拾取指定长度的半导体性碳纳米管对大规模制造碳纳米管场效应管具有重要意义.本文提出了一种利用原子力显微镜探针和钨针对碳纳米管进行可控长度拾取的方法并进行了碳纳米管导电性分析.在扫描电子显微镜下搭建微纳操作系统,针对切割操作过程中原子力显微镜探针、钨针和碳纳米管的接触情况进行了力学建模和拾取长度误差分析.建立了单根金属性碳纳米管、单根半导体性碳纳米管及碳纳米管束与钨针接触的电路模型,推导了接入不同性质碳纳米管后电路的电流电压特性方程.使用原子力显微镜探针对碳纳米管的空间位姿进行调整,控制钨针对碳纳米管上目标位置进行通电切割,同时获取切割电路中的电流电压数据.实验结果表明,本文提出的方法能够有效控制所拾取碳纳米管的长度,增加碳纳米管与原子力显微镜探针的水平接触长度能够减小碳纳米管形变导致的拾取长度误差,建立的电流电压特性方程能够用于分析碳纳米管的导电性.     

基于长短时记忆神经网络的能谱核素识别方法

针对新兴的能谱核素识别方法在混合放射性核素的噪声环境中存在识别速度慢、准确率较低等问题,提出了基于长短时记忆神经网络(LSTM)的能谱核素识别方法。实验使用溴化镧(LaBr3)晶体探测器,分别对环境中60Co、137Cs放射性源分组测量得到能谱数据集,首先使用数据平滑方法和归一化方法进行数据预处理,然后将能谱数据按时间序列分组以获得可用的输入序列数组,最后训练LSTM模型得到预测结果。通过基于BP神经网络和卷积神经网络(CNN)的两个能谱识别模型进行对比,得到在测试集中平均识别率分别为83.45%和86.21%,而LSTM能谱识别模型平均识别率为93.04%,实验结果表明,该能谱模型在核素识别效果中表现较好,可用于快速的能谱核素识别设备上。     

有限群共轭类长度的一点注记

假设G=AB是子群A和B的互相置换积。通过A?B中元素的共轭类长度给出了群G的结构,推广了一些最近的结论。     

基于深度学习的配电网图形节点数据校核技术研究

抽象化的配电网图像模型能够有效监控配电网各个节点的状态,根据监控数据即可对整个电网进行调度。当前的电网图模校准系统工作数据量大且整体性较差,而各地维护工作人员水平又参差不齐,故系统准确性难以保证。针对上述问题,文中使用长短时神经网络对GIS图形节点数据加以训练,并对各个节点的电气特征进行特征量分析,从而得到电网故障节点的特征数据。同时在模型构建部分,采用长短时神经网络对电网节点时序数据进行训练,利用逻辑门对故障状态加以判断,进而快速协调节点送电量并保证电网的有序运行。实验结果表明,文中设计的仿真系统可对节点的故障状态实现准确判断,且算法准确性及计算效率均优于对比算法,证明所提方法能够对配电网系统中的故障进行准确定位,进而完成对配电网图形节点数据的校核。     

基于EMD-PSO-LSTM组合模型的船舶运动姿态预测

由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数(IMF)。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。     

基于长短期记忆网络和随机矩阵的输电线路故障智能识别方法

由于可再生能源发电大量并入电网使输电线路潮流的不确定性增大,因而使输电线路发生故障的几率增大,故障类型、特征呈现日趋多样性。对此,基于长短期记忆网络和随机矩阵提出了一种输电线路故障智能识别方法。针对可再生能源发电的随机性特征,提出了基于随机矩阵理论的输电线路故障时刻确定方法;在此基础上,给出了大样本故障随机矩阵的学习训练形成方法;进而,基于长短期记忆网络进一步识别输电线路的故障类型;最后,以某实际输电线路为例进行验证,表明了所提方法的有效性。     

基于深度学习的频谱感知研究综述

频谱感知可以提高认知无线电网络的频谱利用率,但传统的频谱感知方法不能在复杂的通信环境中进行快速的频谱感知.因此,借助计算机计算能力的提升,将深度学习应用于频谱感知,以快速、智能地获得感知结果.首先,介绍在频谱感知中应用较为广泛的深度学习模型,包括卷积神经网络、长短期记忆网络和深度强化学习;其次,对近几年基于深度学习频谱...     

2020 IEEE EMC & SIPI虚拟会议——提名文章(六)

<正>Resistance Modeling for Striplines with Different Surface Roughness on the Planes摘要:人们提出了各种模型来模拟箔表面粗糙度引起的附加导体损耗,以便在假设箔导体具有一定粗糙度的情况下,为单位长度(PUL)电阻提供表面粗糙度修正系数。由于印制电路板上带状线制造工艺的不同,迹线和参考面的不同侧面具有不同的表面粗糙度。工程师一般使用迹线上下两面的平均粗糙度来计算表面粗糙度修正系数,但是这种经验估计可能导致建模结果不准确,     

毛细管电泳法检测胃癌APC基因第十一外显子的杂合缺失

采用聚合酶链反应(PCR)扩增了胃癌及癌旁正常组织中APC基因易发生杂合缺失的第十一外显子的部分碱基序列,扩增样品分别经96℃变性和Rsa Ⅰ酶切处理,以毛细管电泳(CE)-单链构象多态性(SSCP)、CE-限制性片段长度多态性(RFLP)、聚丙烯酰胺凝胶电泳(PAGE)-SSCP对其杂合缺失情况进行检测.PAGE凝胶...