PANI-CNTs复合材料的制备及其在对称型全固态超级电容器中的应用

超级电容器寿命长、安全性高,并可以实现快速充放电,是化学电源研究的热点之一。文章通过简单的化学原位聚合法将聚苯胺(polyaniline,PANI)与碳纳米管(carbon nanotubes,CNTs)进行复合,得到聚苯胺纳米管(PANI-CNTs)复合材料。利用场发射扫描电子显微镜(field emission scanning electron microscope, FESEM)对其形貌和结构进行表征。循环伏安(cyclic voltammetry,CV)曲线、恒电流充放电(galvanostatic charge-discharge, GCD)曲线和循环寿命测试结果表明,纳米复合电极材料在三电极体系中,电流密度为1 A/g时,比电容高达690 F/g,3 000次循环后仍保持初始电容80%,在组装成柔性器件后,保留了优异的电化学性能,并展现出卓越的柔性机械性能。     

一个p(x)-Laplace方程组非平凡解的存在性

在广义Lebesgue空间L~(p(x))(Ω)和广义Sobolev空间W~(1,p(x))(Ω)基本理论体系的基础上,利用山路引理,Young不等式,H(o|¨)lder不等式和嵌入定理,获得了一p(x)-Laplace方程组非平凡解的存在性.     

一类具非光滑位势p(x)-Laplace方程解的存在性

在非光滑临界点理论的基础上,利用带非光滑(PS)条件的山路引理,结合嵌入定理和Lebourg中值定理,获得了一类具非光滑位势p(x)-Laplace方程解的存在性.     

灰色系统理论在废气污染物排放量预测中的应用

应用灰色系统预测理论,以GM(1,1)模型对我国废气排放中主要污染物排放量进行预测,可有效克服原始数据的离散性,在少信息的情况下得到高精度的预测结果。以2008²012年废气主要污染物排放量为例进行了中短期的预测,结论表明,预测精度均可达到最优的精度等级。     

浅谈微博在高校网络思想政治教育中的应用

在网络化社会,微博已经成为人们交流与沟通的重要阵地,微博的使用人数也呈现出逐年上升的趋势,学生对于微博的认同感也超过了90%。作为一种全新的载体——微博的育人功能也受到了教育学界的广泛关注,"微博"属于新型生产力,在我国得到了飞速的发展,也渗透进了大学生生活与学习的各个方面,将微博与高校思想政治教育工作结合起来可以有效提升思想政治教育工作的创新性。该文主要分析微博在高校网络思想政治教育中的应用方式。     

中立型时滞互联系统的H∞记忆反馈控制

为研究一类中立型时滞互联系统的H∞控制问题,当滞后时间对系统影响较小时,设计分散化记忆反馈控制器,并应用李雅普诺夫函数理论,结合自由加权矩阵和牛顿-莱布尼茨公式对系统进行稳定性分析,应用线性矩阵不等式给出系统存在外界干扰时仍能保持稳定且满足H∞性能指标的充分条件.最后应用Matlab对系统进行数值仿真,仿真结果表明,所提控制方法不仅能保证被控系统的稳定性,而且当系统存在外界干扰时能保证具有H∞性能指标.     

AR-Grams:一种应用于网络舆情热点发现的文本聚类方法

网络舆情热点发现是一种常用且处理速度要求较高的应用.针对网络舆情热点发现这一特殊应用场合,本文提出了一种基于随机N-Gram的文本聚类方法AR-Grams.该方法通过随机N-Gram的文本相似度计算方法,确立待聚类文档集中各个初始聚类的标志文档并完成初步的聚类操作,继而通过聚类元素数阈值来确定初始聚类,并可根据实际情况确定是否执行聚类合并.该方法生成的聚类内聚性好,准确率高.另外,为了便于评估整体的聚类效果,提出了聚类的整体覆盖率和正确覆盖率.实验结果表明:与对比方法DR-Grams相比,在低阈值时,AR-Grams的准确率、召回率、F-score、正确覆盖率分别提高了11.9％、9.1％、10.2％和9.2％,提升效果尤为明显;在高阈值时,效果基本相当;在整体上,前述4项指标则分别提高了4.5％、2.9％、3.5％和3.0％,优于对比方法DR-Grams.     

孔道关键氨基酸残基对电压门控钾离子通道Kv2.1和Kv2.2离子选择性的调控

哺乳动物电压门控钾离子通道在膜电位维持以及介导神经元和肌肉兴奋性方面发挥了关键性的作用,与多种神经和心血管疾病密切相关.本研究主要运用点突变方法和膜片钳技术探究W366,Y376以及W374,Y384之间的氢键对哺乳动物大鼠Kv2.1和Kv2.2通道结构和功能的影响.实验证明破坏该氢键会导致通道丧失钾离子通透能力,而主要通透钠离子.     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。