简介:采用测定化学需氧量(COD)法和有机溶剂抽提法分别对企业常用的两种锌矿原料(A,B)有机物进行监测。通过采用测定化学需氧量(COD)法对锌矿原料中含有的有机物进行定性及半定量分析,实验结果表明,矿粉A中COD为84.9mg/L,矿粉B中COD为96.9mg/L,各自进行了3次平行实验,都能得到稳定的结果,同时确定矿粉A和B中分别含有不同量的有机物。采用有机溶剂抽提法来确定锌矿原料中有机物的含量。考察了溶剂种类、溶剂量、抽提时间对矿粉中的有机物提取效果的影响,得到最佳实验条件,对矿粉的测定结果为:矿粉A中有机物含量为7.6‰,矿粉B中有机物含量为10.1‰。在各自的最佳实验条件下,进行了3次平行实验,都能得到稳定的结果,方法准确、可靠。
简介:介绍了全面禁止核试验条约(CTBT)中涉及的放射性氙同位素及其来源、核爆炸产生放射性氙同位素特征和CTBT大气放射性氙监测技术,重点总结了CTBT中大气放射性氙的取样、测量、事件性质识别和源项解析等技术的最新进展。在氙监测设备方面,已有3套商业化的氙监测系统可供采购,且氙同位素取样效率和探测灵敏度已远超临时技术秘书处设定的技术指标要求;在放射性氙同位素活度测量与能谱分析方面,Si-PIN新型探测器研究取得较大进展,建立了放射性氙数据分析软件;在氙监测事件性质识别方面,建立了Kalinowski判据模型;在大气输运模拟研究与应用方面,基于FLEXPART模型开发了Web-Grape和Web-GrapeIBS软件。但从实际监测效果看,有效获取敏感核素对及核素比,并依此提供确凿核爆炸证据的能力尚显不足。下一步工作应聚焦在氙同位素探测灵敏度提升、氙监测事件识别及溯源等研究上。
简介:本文通过构造Lyapunov函数和利用不等式分析技巧,研究了具有时滞的细胞神经网络的稳定性,给出了与时滞无关的网络渐近稳定的充分判据,该判据可用于时滞细胞神经网络的设计与检验,有重要的理论意义与应用价值。
简介:以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注,并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率,本文设计了2种改良的深度卷积神经网络,这些改进加快了神经网络的训练速度.有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型,该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验,改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型,这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后,构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”,该系统能够自动检测出CT影像中肺结节,并给出结节的良恶性概率评估。通过该系统的应用,可以有效缓解放射科医生超高的劳动强度,提高阀片效率,服务更多患者;减少漏诊和误诊发生的次数,有助于提高肺结节的诊断准确率;从而促进我国肺癌早筛工作的推广。
简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。
简介:从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。