无穷矩阵拓扑代数的理想(Ⅰ)(英文)

本文给出了所有弱紧算子 ,强紧算子 ,Mackey紧算子 ,构成无穷矩阵拓扑下相同紧集的特征的刻画 .     

纳米分辨率的三维形貌检测仪

从光干涉方式，瞳窗关系和光源带宽等基本关系出发，利用空间不变系统理论解析了相移显微干涉检测系统中衍射效应的影响。为了减小横向分辨率对纵向分辨率的影响，利用相关信息提取或数字滤波的方法，获得了纳米分辨率的三维形貌。     

特征为奇数的广义正交图的自同构

本文确定了特征为奇数的有限域F_q上广义正交图ГGO_(2v+δ)(q,m,S)的自同构,其中1mv.     

提高CG-V型光速测定仪精度的方法探究

利用CG-V型光速测定仪测量光速时,该仪器实验精度除了与频率和光程差的准确测量有关外,还由相位差的判断决定。由于仪器操作不当,产生了虚假的相移,造成误差的产生。本次实验通过对光速测定仪调节过程的细化,提出了可以提高CG-V型光速测定仪精度的调节方法——光斑定位法。     

基于啁啾相移FBG的宽调谐单通带微波光子滤波器

为扩大单通带微波光子滤波器(MPF)的可调谐 范围,提出了一种基于啁啾相移光纤光栅(PS-FBG) 的宽调谐单通带MPF。首先对普通PS-FBG的反射谱和基于普通PS-FBG的单通带MPF频率响应 进行了理 论和实验研究;然后,采用传输矩阵方法分析了啁啾PS-FBG的相移量、折射率调制深度以 及相移点位置 对其反射谱特性的影响,进而分析了对基于啁啾PS-FBG的单通带MPF频率响应的影响。结果 表明,调节可调谐激光 源的波长,可实现单通带频率的可调;相对于普通PS-FBG,啁啾PS-FBG扩大了反射谱带宽 ,从而单通带MPF扩大了可调谐范围。适当设计啁啾PS-FBG的相移点的位置,可以使单通带M PF的可调谐范围进一步增加。     

原子荧光光谱法测定化探样品中的砷和锑

对氢化物原子荧光光谱法测定化探样品中砷和锑元素的分析条件,尤其是浸提法及预还原顺序进行了考察。样品经王水和王水溶液(1+1)分别浸提后以不同顺序预还原,结果表明,王水的氧化性会降低硫脲–抗坏血酸的还原效果,预还原时降低王水浓度能提高测定结果的准确度。在优化的测定条件下,样品中砷、锑测定结果的相对标准偏差分别为0.6%,2.7%;回收率分别为95%～101%,91%～106%;检出限分别为0.020,0.026 ng/mL。改善样品处理方法后测定结果的的准确度得到提高。     

酸碱解聚玉米秸秆分子结构的实验研究

以玉米秸秆为研究对象,分别采用5%H2SO4和5%NaOH溶液对秸秆进行解聚处理,并对解聚前后秸秆结构、化学组成、热稳定性等进行分析和表征。结果表明,与未处理前相比,经酸或碱解聚处理后,秸秆纤维结晶度由51.8%分别提高到63.5%和67.0%,秸秆中大部分半纤维素和部分木质素组分被脱除,半纤维素由29.10%分别降至7.02%和6.86%,木质素由38.12%分别降至32.21%和16.52%,而纤维素则由31.54%分别升至60.54%和76.15%。经酸碱处理后,秸秆表面形态结构变得疏松,出现小孔和裂缝,降解温度达到350℃,热稳定性能增加。上述结果说明,稀酸或稀碱均对玉米秸秆分子结构有一定程度的解聚作用,但就解聚溶出木质素而言,稀碱的解聚溶出效果要优于稀酸的。     

研究性与系统性相结合的有机合成实验教学实践

为了培养学生的创新能力和实践能力,使学生较全面地掌握有机合成实验理论知识和实验技能,开展了有机合成实验研究性和系统性结合的教学探索和实践。在课程建设和教学过程中,贯彻以学生为主体的教学改革思路与方法。从教学内容和模式、授课方式、考核方式等多个教学环节进行探索研究,科教融合,结合实际课堂教学,倡导启发式教学方法。研究型教学模式的实施有效地调动了学生自主研究性学习的积极性,有利于提高学生的综合实践能力,促进实验教学与科学研究的衔接。     

二维核磁共振技术解析盐酸帕罗西汀

报道了盐酸帕罗西汀的分子结构解析方法,利用国产核磁共振波谱仪测试了盐酸帕罗西汀核磁氢谱(^(1)H-NMR)、核磁碳谱(^(13)C-NMR、DEPT 135°)、二维核磁相关谱(^(1)H-^(1)HCOSY、^(13)C-^(1)H HSQC、^(13)C-^(1)H HMBC),实现了盐酸帕罗西汀氢碳的全部归属.     

基于深度可分离卷积和Transformer的关键点检测方法

随着神经网络技术的不断发展,人体姿态识别在现实生活中扮演着越来越重要的角色,广泛应用于视频监控和智能健身等方面。为满足在移动端易集成的需求,提出一种基于Transformer的姿态识别算法。通过MobileNet中的深度可分离卷积提取特征,同时添加残差结构获取低维度信息,和Transformer的编码结构结合实现人体关键点检测。实验结果表明,训练得到的网络模型的准确率与传统的基于深度学习的姿态识别方法准确率相差不超过1%,但模型参数大幅下降,更加轻量化且便于移动端的部署。