蔗糖和乙醇在脂肪酸蔗糖甘油酯微乳液生成中的协同效应

蔗糖和乙醇在蔗糖甘油酯微乳液生成中有利于O/W型微乳液的生成 ,并使W /O型微乳区域面积变小 .在表面活性剂质量分数低时 ,要加溶更多的菜籽油则需要更多的蔗糖 ;而表面活性剂质量分数高时 ,少量的蔗糖就能加溶更多的油     

Measurement of absolute phase Shift on reflection of thin films using white-light spectral interferometry

A novel method to measure the absolute phase shift on reflection of thin film is presented utilizing a white-light interferometer in spectral domain. By applying Fourier transformation to the recorded spectral interference signal, we retrieve the spectral phase function Ф, which is induced by three parts： the path length difference in air L, the effective thickness of slightly dispersive cube beam splitter Teff and the nonlinear phase function due to multi-reflection of the thin film structure. We utilize the fact that the overall optical path difference （OPD） is linearly dependent on the refractive index of the beam splitter to determine both L and Teff. The spectral phase shift on reflection of thin film structure can be obtained by subtracting these two parts from Ф. We show theoretically and experimentally that our new method can provide a simple and fast solution in calculating the absolute spectral phase function of optical thin films, while still maintaining high accuracy.     

基于图卷积和全局对齐策略的图分类网络

受限于图数据拓扑结构的不规则性,以及图结点的无序性和规模多变性,现有图分类网络往往对结点嵌入向量采取简单聚合或排序等方式来构建图级别的表示向量,这会导致特征过度压缩以及特征平移等问题.针对这些问题,提出基于全局对齐策略的图卷积网络,通过构建子图特征近似分布将图表示特征向量做全局对齐,在避免过度压缩和特征平移、有效提高下游分类网络对于特征信息挖掘效率的同时,又利用子图特征的分布信息,进一步学习图数据之间内在的结构相似性,从而提升整体网络对于图分类任务的推理能力.在多个图分类数据集上的实验结果表明,采用全局对齐的图卷积网络相较于其他网络模型有2％～6％左右分类精度的稳定提升,消融实验和超参数敏感性分析实验也进一步证实了全局对齐策略的有效性和鲁棒性.     

基于自适应噪声校正的鲁棒域适应学习

域适应（Domain Adaptation,DA）学习旨在利用标签丰富的源域来帮助标签稀缺的目标域学习。DA方法通常假设源域数据已正确标记,然而现实中通常很难收集到大量带有干净标签的源实例,带有噪声源标签的噪声DA学习可能会降低目标学习性能。为此,本文提出基于自适应标签噪声校正的鲁棒DA学习方法（Robust DA Method through Adaptive Noise Correction,RoDAC）。RoDAC包含两个学习阶段,即自适应噪声标签检测（Adaptive Noise Label Detection,ANLD）和自适应噪声标签校正（Adaptive Noise Label Correction,ANLC）。在ANLD中,使用自适应噪声检测器识别带有噪声标签的源实例,并进一步在ANLC中自适应地校正噪声标签,将其重新投入域适应学习中。与基准数据集进行比较,结果表明RoDAC方法在源域标签存在噪声的域适应场景中取得了显著的性能提升。该学习策略可集成至许多现有的DA方法中,以提升其在噪声标签场景下的学习性能。     

基于Kreǐn空间的两阶段子空间学习

为了解决不定核Fisher判别分析(IKFDA)在处理高维小样本数据时的病态问题,基于Kreǐn空间提出了两阶段的IKFDA学习框架TP-IKFDA;为了解决不定核典型相关分析(IKCCA)在处理高维小样本数据时的过拟合问题,提出了两阶段的IKCCA学习框架TP-IKCCA.通过不定核主成分分析(IKPCA)进行降维处理,减弱高维特征所带来的负面影响;然后,在降维后的特征空间中进行Fisher判别分析(FDA)或典型相关分析(CCA).真实数据集上的试验结果表明,与IKPCA、IKFDA以及IKFDA的改进算法相比,TP-IKFDA的分类精度明显提高;TP-IKCCA相较于现有的IKCCA模型泛化性能得到了进一步改善.因此,在处理高维小样本数据时,TP-IKFDA和TP-IKCCA的实际泛化性能优于现有的不定核子空间学习技术.     

一种新型的低角度效应的滤波器

低角度效应的滤波器由高折射率的介质膜和金属膜交替的奇数层膜组成.这种滤波器使用于斜入射光和大光锥角照明时,不仅中心波长移动显著减少,而且特性仍能保持良好.理论和实验表明, 这种新型滤波器能突破现用滤波器对入射角和光锥角的限制.实现低角度效应的主要原理是高折射率材料的使用及其诱导透射的实现. 关键词： 光学薄膜 新型滤波器 低角度效应     

论林语堂编辑思想与编辑活动的“一团矛盾”

林语堂是中国20世纪30年代自由主义文学的代表人之一,同时也是独树一帜又充满历史争议的著名杂志编辑家。林语堂编辑思想与编辑实践呈现出＂一团矛盾＂的特点。主要表现为林语堂所主张的期刊编辑思想与其编辑实践并不完全一致,并且有两种幽默观共存于同一刊物。他持中间立场办刊也是不得已而为之,充满苦恼与矛盾。     

基于ANP-SVR的高校新专业设置优化分析

随着新专业的设置问题越来越多地成为各个高校普遍面对的发展问题,人们逐渐意识到决策过程中的滞后性、盲目性、片面性问题给专业设置工作乃至于该专业的生命力和竞争力带来的负面影响.运用ANP-SVR算法深入分析了高校新专业设置过程中的主要问题及其内部包含的各种因素,利用10个专业进行建模分析,并利用SVR,算法对3个拟建专业进行回归分析,得到了理想结果.方法将主观决策数字化,为高校的决策者提供了一种解决问题的新方法.     

降低筒装弹力丝残留扭矩工艺探讨

本文着重介绍锦纶66DTY生产工艺流程,分析相关工艺参数对剩余扭矩的影响,从而确定较合理的DTY生产加工工艺。