模板法合成平面大环四齿膦配体17-aneP_(4)钼氧配合物

大环四齿膦配体通常以Ni(Ⅱ)、Pd(Ⅱ)、Pt(Ⅱ)或者Cu(Ⅰ)为模板合成,并且在合成大环四齿膦配体时很难避免异构体的产生,而第六副族过渡金属只报道过用于大环三齿膦配体的合成.以Mo(Ⅳ)为模板,在其上构筑了一种平面大环四齿膦配体.首先设计并合成了一种具有两个含磷小环的开链四齿膦配体.经过随后的配位和烷基化,得到含有大环四齿膦配体17-aneP_(4)的钼氧配合物,没有立体异构体的产生.

基于拉德马赫方法的Dropout算法在半监督分类应用

深度学习需要用到大量有标签的数据,即使在大数据时代,能用的有标签数据也不多,从而需要将深度学习与半监督学习结合起来。目前,全连接层已被证实,在迁移学习中可以起到很好的作用。在迁移学习的背景下,针对半监督分类问题,笔者基于marginGAN生成对抗网络使用了基于Dropout算法的全连接神经网络作为分类器,分类器的损失函数增加了拉德马赫正则项,验证了拉德马赫在半监督分类任务中的有效性。

基于Mogrifier技术的音乐源分离模型的实现

近年来,互联网和大数据的发展促使语音分离技术得到提升,但是单声道音乐源分离的发展比较缓慢。现有的分离模型存在很多问题,泛化能力和语言建模能力有待加强。为了提高模型的泛化能力,对UMX进行改进后构建了一种通过交互计算在深层次上可以提取音频特征的神经网络结构(M-UMX)。M-UMX可以更好地建模输入和当前状态的关系,能够捕捉到时间序列更长的信息从而优化梯度流在整个神经网络中的传递。实验表明,在MUSDN187S数据集上,相较于UMX,M-UMX建模的泛化能力得到了进一步提升,有效提高了音乐源分离性能。