简介：1.核磁共振驰豫时间（T1,T2）当氢原子核被置于固定的强磁场中时,会分成顺磁场和逆磁场两种方向排列,而形成两种能级状态。这时若用无线电波来照射这些氢原子核,各氢原子核会因周围环境的差异而吸收不同频率的无线电波的能量从低能级向高能级跃迁,这种现象称核磁共振（NMR）。使氢原子核发生核磁共振的条件是:ω=26753H0式中H0表示氢原子核周围磁场的强度,ω表示使该氢原子核产生共振跃迁的无线电波的频率,比例常数26753,是氢原子核的旋磁

简介：本论文用4.2L小试釜,从铝钛比、铝硅比、氢烯比、钛烯比及反应时间等几个方面,对影响丙烯聚合的几个因素进行试验。

简介：神经毒气是化学战武库中的主要成员,已经在实际战争中得到使用。例如,在两伊战争及伊拉克与反叛的库尔德少数民族的战斗中,就使用了神经毒气塔崩(Tabun)。近年来,一种称为沙林(Sarin)的神经毒气被用来对付手无寸铁的广大民众,在松本和东京引起严重的人员伤亡事件。这是首次在非战争状态下被恐怖分子利用的化学武器。有关神经毒气方面的信息不多,广大民众对此均感生疏,象本文这样系统地介绍神经毒气的文章将对公众有所帮助。本文将首先对有毒气体作一简单介绍,然后叙述神经毒气的各有关方面,包括神经毒气的化学结构,制造原理,毒性机理,中毒治疗,检测方法及去污技术等有关内容。

简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：行人检测在智能监控、自动驾驶、辅助驾驶、智能机器人等研究领域有着广泛的应用.传统的行人检测方法大多使用滑动窗口遍历图片的方式,导致计算量大,检测速度受到限制.目前基于深度学习的行人检测方法进入了一个快速的发展阶段,但是还存在例如小尺寸行人漏检等很多问题.现提出基于卷积神经网络的多尺度行人检测方法,分析了增加检测层、并联卷积层与改变卷积核尺寸对行人检测性能的影响.在KITTI数据集上的实验结果表明,该方法可以实现较好的行人检测效果.

简介：人脸关键点定位是计算机视觉的一部分,在人脸识别、人脸表情识别、人脸动作捕捉等工作中有重要的作用.非约束条件下人脸关键点定位,其难点在于人脸关键点位置在复杂环境下呈现非线性变化,影响人脸关键点定位的精准性.现提出基于级联卷积神经网络的人脸关键点定位方法,分析了级联深度模型全局回归阶段多尺度特征融合对人脸关键点定位的影响;同时提出了一种具有可学习参数的人脸关键点定位损失函数.经过大量实验表明,这里提出的人脸关键点定位算法能够有效的提高针对非约束条件下人脸关键点定位精确度.

简介：绝热量热仪测试过程中，速率阈值检测方法存在抗干扰能力差及反应起始温度检测值波动较大的问题．文章在绝热量热仪（ARC）的“加热-等待-搜寻”模式下，提出运用温差变化量检测样品反应起始温度的策略．即通过对经典速率阈值检测方法存在的问题以及炉体控温热电偶与样品温度之间参比差值的分析，以参比差值与样品温度的关系构建温差基线并以此修正参比差值，修正后的参比差值的变化量用于衡量样品反应进程．实验结果表明，此动态温差检测方法相比于速率阈值检测方法，其抗干扰能力强，重复性良好，在同等控温精度的实验条件下，能够提前检测到样品的反应起始温度．

简介：采用HPLC法,以二次蒸馏水为流动相,用SUGARSC1011（Shodex公司）色谱柱为固定相,紫外检测器检测波长为192nm。在70℃温度条件下,分离乙醇脱水制乙烯工艺探索中所生成的副产物乙醛、乙醚、丙酮和未完全反应的乙醇等液体组分,准确测定这些组分的含量,且探讨此方法的精密度、线性关系和回收率。

简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：绘画作品的数字化对有效使用绘画资源具有重要意义，传统图像分类方法并未考虑绘画作品主观特性，且大部分特征需要人工提取，存在细节特征丢失等问题．在此提出基于卷积神经网络的绘画图像分类方法，分析了卷积核大小、卷积神经网络结构宽度、训练样本数量对分类结果的影响，以优化网络结构和参数．实验结果表明，该方法对绘画图像分类的有效性，在不同绘画图像数据集的分类实验上也得到了较好的分类结果．

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：提出了一种跟踪监测芳香酮手性催化氢化反应过程的气相色谱分析新方法。它可以快速准确地测定反应过程芳香酮的转化率、产物芳香醇对映体的过量百分数(e.e.值)及其构型。该法用于一系列芳香酮不对称催化氢化反应催化剂的性能评价,对筛选催化剂和优化反应条件,取得了到良好的效果。