石墨烯纳米网电导特性的能带机理：第一原理计算

通过第一原理电子结构计算来研究有序多孔纳米网的电导特性变化的能带机理.能带结构分析结果表明:石墨烯纳米网超晶格(3m,3n)(m和n为整数)的电子本征态在布里渊区中心点发生四重简并;碳空位孔洞规则排列形成的石墨烯纳米网具有由简并态分裂形成的宽度可调带隙,无论石墨烯的两个子晶格是否对等.在具有磁性网孔阵列的石墨烯纳米网中,反铁磁耦合使对称子晶格的反演对称性增加了一项量子限制条件,导致能带结构在K点的二重简并态分裂成带隙.通过控制网孔密度能够有效调节石墨烯纳米网的带隙宽度,为实现新一代石墨烯纳米电子器件提供了理论依据.     

网壳结构基于性能的动力失效判定准则

基于性能的设计思想,文章提出了一种网壳结构震后是否发生动力失效的判定准则。按常规设计的网壳结构遭遇地震后,保留残余应变的状态并作为初始状态重新进行常规设计,如果此时网壳结构已不能满足初始设计时所要求的各项性能,则认为网壳结构已发生动力失效;进而将网壳结构的动力失效形式分为Ⅱ类,该文提出的准则用于判定第Ⅱ类动力失效,称为第Ⅱ类失效准则;算例分析表明,该准则判别结果明确,便于工程实践的应用。     

异构时空数据的转换机制研究

目前时空模型难以兼顾时空语义表达与计算机实现困难的现状,形成不同部门、不同应用、不同时期的时空数据在语义、模型、结构等方面的差异,阻碍了时空数据之间的相互转换,限制了历史数据在预测预报等领域重要作用的发挥.在总结时空数据模型特点的基础上,试图以一个崭新的视角分析时空模型的发展历程;在此基础上,采用图论这一通用数据结构与数学描述方法.构建具有完备性的时空数据描述模型;探讨由此引发的异构时空数据的转换机制.最后,在异构时空模型之间的转换机制中分析了该模型的特点.     

基于改进的朴素贝叶斯文本分类研究

文本分类(Text Categorization,TC)指的是把一个自然语言文本,根据其主题归入到预先定义好的类别中的过程.文本分类是自然语言处理的一个基础性工作,也是近年来人们研究的热点话题.针对朴素贝叶斯算法在小样本集分类效果不高的原因进行了分析,对其进行了改进和调整,提出了基于改进的朴素贝叶斯文本分类方法,试验结果表明,该方法取得了更好的效果.     

二元六相(n+4)多体系的八点直线网图——Ⅱ.由物理实在网理论推导

本文由物理实在网理论直接从一点直线网出发导出了二元六相(n+4)多体系的八点直线网,共31个。这一结果同由封闭网理论导出的结果相同,表明过去关于二元六相多体系仅有一个八点直线网并仅对应于一张八点直线网图的结论是错误的。     

基于酸位点增强的CeO2掺杂WO3复合催化剂用于柴油机尾气脱硝

采用先电沉积后水热的方法将WO₃负载于钛网上,后续采用电沉积负载CeO₂制备CeO_2-WO₃/Ti催化剂用于柴油车尾气选择性催化还原(NH₃-SCR)脱硝。通过固定床反应装置检测催化剂脱硝性能,考察了电沉积CeO2时间对催化剂脱硝性能的影响,结合SEM、XRD、XPS、H_2-TPR、NH₃-TPD和原位红外光谱等表征手段分析反应机制。结果表明,在WO₃表面进行20 min电沉积CeO₂的双组分催化剂NO_x转化率提升最明显,在200℃时已达到91.89%,250-350℃均为100%。双组分催化剂表面负载了WO₃纳米棒以及高度分散的CeO2,CeO₂的负载引入Ce³⁺并提高了催化剂化学吸附氧所占比例,但样品对应氧化还原能力没有明显提升。中温段(250-350℃)脱硝性能提高的主要原因是复合后CeO_...     

90年代的广义度量空间理论

广义度量空间理论是一般拓扑学研究的重要课题。本文综述了90年代广义度量空间理论的成就，分析了它的主要研究课题，所取得的重要结果是国内学者在该方向的贡献。     

供应链系统转变为供需网系统研究

为帮助传统企业顺利转变为供需网企业,提出了供应链系统向供需网系统的转变研究.该研究利用企业节点数据化,通过企业节点的改造及供应链节点与供需网的连接操作达到系统转变的目的.在sc节点数据结构及自身系统功能模块改造的基础上,着重思考了供应链节点连入SDN中的算法思想.通过非线性择优连接方法避免了造成系统易攻击性的枢纽节点的出现.给出了连接算法流程,并以一个示例演示了此连接算法,从中也验证了非线性择优连接的有效性.     

Towards a unified recurrent neural network theory: The uniformly pseudo-projection-anti-monotone net

In the past decades, various neural network models have been developed for modeling the behavior of human brain or performing problem-solving through simulating the behavior of human brain. The recurrent neural networks are the type of neural networks to model or simulate associative memory behavior of human being. A recurrent neural network (RNN) can be generally formalized as a dynamic system associated with two fundamental operators: one is the nonlinear activation operator deduced from the input-output properties of the involved neurons, and the other is the synaptic connections (a matrix) among the neurons. Through carefully examining properties of various activation functions used, we introduce a novel type of monotone operators, the uniformly pseudo-projectionanti-monotone (UPPAM) operators, to unify the various RNN models appeared in the literature. We develop a unified encoding and stability theory for the UPPAM network model when the time is discrete. The established model and theory not only unify but also jointly generalize the most known results of RNNs. The approach has lunched a visible step towards establishment of a unified mathematical theory of recurrent neural networks.     

基于多子网复合复杂网络模型的级联失效研究

针对目前耦合网络级联失效的研究方法仅限于单个关系的问题,根据多子网复合复杂网络模型构建复合网络,结合多种关系研究了复合网络级联失效问题,考察在不同影响因素下,网内关系和加载关系对网络鲁棒性的影响.研究结果表明,网内关系和加载关系共同影响着网络级联失效的过程及规模,复合网络中两子网拓扑结构不同,网内关系对网络的影响不同;...