韩波博士简介

<正>韩波,男,1983年8月生,安徽颍上人。2007年毕业于华东师范大学电子系,获工学学士学位。2012年毕业于华东师范大学电子系(硕博连读),获工学博士学位,2012年至今在阜阳师范学院计算机与信息工程学院从事教学科研工作,2014年东南大学毫米波国家重点实验室客座研究。韩波博士主要从事微波毫米波片上元件建模与设计研究。内容主要涉及:异质结三极管     

UJ24型电位差计的检修与调节

UJ24型电位差计使用时出现的故障,可以利用数字万用表排查故障,提出排查方案,进行维修与调节,使它尽快恢复到最佳工作状态,这样既节省厂家的维修时间又节省学校的维修费用。     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

稿件规范要求

<正>(2015年2月修订)文稿应依次包括以下内容:题名,作者姓名,作者单位,摘要,关键词,中图分类号,基金项目,第一作者简介,正文,参考文献,并将前5项翻译成英文排在文末。一、题名应简明、确切,不超过20字,一般不加副标题。作者单位包括单位全称、具体部门、城市名、邮政编码。     

拿得起,放得下

晚饭过后,瘦子吴把自己小时候玩过的玩具找出来,心不在焉地和妈妈一起挑选准备拿去学校进行义卖的物品。"这套练习珠算用的机械算盘拿去义卖吧!"妈妈边帮他整理边说。瘦子吴一把抢过去抱在怀里。妈妈提到的"算盘"二字触到了他内心的痛处。他自出生似乎就与数字有缘,特别喜欢做数字游戏、玩与计算有关的玩具,上学后也喜欢学数学。他谨慎、细心,很少犯其他同学马马虎虎把5写成3或者丢三     

井下WPT技术机理研究

为解决井下无线传感器电池容量受限的问题,根据井下无线传感器带壮分布的特点,提出了井下无线运动充电的思想.构建充电系统模型,讨论了充电信道建模、接收微带天线设计、多天线协作三个方面的技术路线.本文在研究井下微波输能传输特性的基础上,探讨在低功率密度下,多天线协作的移动无线充电技术在井下运动式充电特性,使用这个技术对无线传感器节点充电,解决井下无线传感器网络能量补充问题,突破现有节点单纯依靠电池供电的局限.     

关于三网合一技术

介绍了我国现阶段并存的三网(电信网、有线电视网和计算机互联网)的特点与现状，分析了三网在融合过程中需要解决的一些不可避免的问题，以及三网合一的技术基础和促进三网合一的有利因素，提出了三网合一是现代通信和计算机网络发展的必然趋势，以及在三网融合的过程中还将有一个相互渗透交叉、相互竞争、共存发展过程的观点。     

一类数字半群的极小表示

应用J.C.Rosales的有关理论研究数字半群S=〈m,m 2,m 3,m 4,…,2m-2,2m-1〉,其中m≥5,该类数字半群的Apery集不具有惟一分解性质.本文完全确定了该类数字半群的极小表示.     

Hybrid SVM／HMM Method for Face Recognition

A face recognition system based on Support Vector Machine(SVM) and Hidden Markov Model (HMM) has been proposed. The powerful discriminative ability of SVM is combined with the temporal modeling ability of HMM. The output of SVM is moderated to be probability output, which replaces the Mixture of Gauss (MOG) in HMM. Wavelet transformation is used to extract observation vector, which reduces the data dimension and improves the robustness.The hybrid system is compared with pure HMM face recognition method based on ORL face database and Yale face database. Experiments results show that the hybrid method has better performance.