铁磁材料制造工艺对金属磁记忆信号的影响

在采用金属磁记忆信号对铁磁材料进行损伤评价时,为排除制造工艺引入的冗余干扰信号,本研究针对两种铁磁性特种钢,采用EMS2003型金属磁记忆仪检测了锻造、铣削、磨削加工及热处理工艺后试件表面磁记忆信号的变化,并比较了交流电退磁与热处理退磁不同的退磁效果。结果显示:各机加工工序将引入不同形式的外载荷,导致磁记忆信号呈无规律杂乱分布,磨削工序引入外加激励磁场,产生强烈的干扰信号。经过交流电退磁后,试件表面依然存在残余磁场,而采用超过铁磁材料居里点的高温热处理退磁可以获得纯净的磁记忆信号。这一结果可以为利用磁记忆信号对铁磁材料进行损伤评价提供基础实验依据。

北京市384名儿童家长口腔健康知识调查分析

目的了解儿童家长口腔健康知识水平及其对儿童养成正确口腔卫生习惯的重要作用,为针对性开展儿童口腔健康促进工作提供参考依据。方法采用方便抽样方法,对384名儿童家长开展口腔健康知识问卷调查。结果家长对常识性口腔健康知识知晓率都在90%以上,但专业性强的知识点认知薄弱。其中,认为应该给孩子选择含氟牙膏的家长仅占48.44%;对窝沟封闭可预防孩子恒磨牙窝沟龋病的认知率为61.98%;对咀嚼无糖口香糖有利于牙齿健康的认知率为74.48%。家长对孩子的口腔健康都高度重视(97.92%),但每天坚持检查孩子的刷牙效果者不多(52.08%),带孩子定期到医疗机构做口腔检查者更少(46.88%)。女性及文化程度高的家长对儿童口腔健康更为重视。结论家长对儿童口腔健康都高度重视,但相关知识有待进一步提高,要大力加强家长的口腔健康宣传教育和预防保健意识。

LAMOST-DR1中激变变星光谱的数据挖掘研究

LAMOST-DR1是郭守敬望远镜正式巡天发布的首批数据,其数量超过目前世界上所有已知恒星巡天项目的光谱总数。这为进一步扩大特殊和稀少天体如激变变星的数量提供了样本,同时也对天文数据处理方法和技术提出了更高的要求。针对LAMOST的数据特点,提出一种能够在海量天体光谱中自动、快速发现激变变星的方法。该方法使用拉普拉斯特征映射对天体光谱进行降维和重构。结果表明不同类别的天体光谱在拉普拉斯空间中能够得到较明显的区分。在使用粒子群算法对神经网络的参数进行优化后,对LAMOST-DR1的全部数据进行了自动识别。实验共发现了7个激变变星,经过证认,其中2个是矮新星,2个是类新星,1个是高度极化的武仙座AM型。这些光谱,补充了现有的激变变星光谱库。本文验证了拉普拉斯特征映射对天体光谱进行特征提取的有效性,为高维光谱进行降维提供了另一途径。在郭守敬望远镜正式发布的数据中寻找激变变星的首次尝试,实验结果表明该自动化的方法鲁棒性好,速度快,准确率高。该方法也可用于其他大型巡天望远镜的海量光谱处理。

两城市社区居民口腔健康知识行为及需求定性调查

目的了解三亚市和银川市社区居民口腔健康知识、基本口腔卫生习惯以及对口腔卫生保健的需求情况,为开展口腔健康教育工作提供参考。方法以典型抽样方法选择银川市和三亚市,分别随机抽取社区并组织居民121人开展小组访谈。结果城市社区居民均能做到每人一把牙刷、并定期更换,但口腔卫生习惯存在较大的地区差异,32位三亚市民晚上从不刷牙;开展过口腔健康教育的地区居民健康知识明显高于未开展过的地区;但对口腔健康的重视程度远远不够,预防性口腔卫生服务的利用水平很低,无一人定期进行口腔健康检查,过去一年的口腔卫生服务利用均为治疗行为。结论应加强全民口腔健康教育,完善口腔医疗保障机制,提高公众的口腔健康水平。

适度加强公权力对家庭暴力的干预——略论反家庭暴力法(征求意见稿)的不足与改进

国务院法制办就反家庭暴力法(征求意见稿)向社会公布,是我国反家庭暴力立法史上的里程碑,是公权力干预家庭暴力的创新性立法实践。征求意见稿有诸多亮点,同时在界定公权力干预家庭暴力的范围和强度方面还存在诸多问题需要改进:应当扩大受害者的保护范围,扩展家庭暴力的客观表现形式;应当明确家庭暴力案件、人身安全保护裁定可以独立提起诉讼,以便加大家庭暴力的司法干预力度;应进一步完善强制报告制度,增加强制带离、强制矫治、强制教育、代为告诉等制度,以增强反家庭暴力手段的有效性;应当进一步完善家庭暴力案件的证据制度,适当减轻受害人的举证责任;应明确规定法律责任,以加强对受害人的救济和保障。

企业自动审批流程管理系统的实现

现代企业对资金流的控制十分严格,但是绝大部分企业的费用审批还停滞在手动填单、逐级递交、逐级审批的现状,既没有效率也不利于与国际接轨。文中采用基于.NET平台技术和SQL Server2000数据库开发了一个改变原始审批流程操作的自动审批流程系统,缩短了审批时间,提高了企业的工作效率,真正实现了无纸办公,为电子商务时代企业的发展提供了崭新的模式。

基于生成对抗网络的白矮主序双星光谱分解研究

白矮主序双星是一类双星系统,主星是一颗白矮星,伴星是一颗小质量的主序星。白矮主序双星对研究致密双星的演化特别是公共包层的演化有着重要的意义。通过研究白矮主序双星的光谱,可以获取许多物理参数如有效温度、金属丰度、表面重力加速度等。这些物理参数的准确测量,不仅可以解决白矮主序双星等密近双星的分类问题,而且为研究双星理论模型提供了基础数据。白矮主序双星的光谱是复合光谱,由主星和伴星的光谱构成。其光谱存在两大局限性,一是噪声的干扰;二是蓝端和红端分别被主星和伴星的光谱特征抑制。通过分析白矮主序双星光谱,将光谱进行分解,分别获得白矮星和伴星的光谱是一个非常有意义的课题。目前主流的分解方法是使用大量的白矮星和M型恒星模板光谱对白矮主序双星光谱进行拟合,并用最好的一组光谱组合代表白矮星和伴星的光谱,由此获得恒星的各种物理参数。由于这种方法需要遍历所有的光谱组合,通过模板进行χ2最小化进行匹配,导致算法需要消耗大量的计算资源。生成对抗网络在信号重构上有较好的效果和应用,基于生成对抗网络,通过搭建一个用于分解白矮主序双星光谱的神经网络来实现光谱分解,通过网络直接生成白矮星和伴星的光谱。该网络模型是一个无监督的学习模型,模型训练时只需要白矮主序双星光谱、白矮星模板光谱、M型恒星模板光谱三种光谱数据进行训练,不需要其他分解方法的中间结果。所提出的模型易于优化,部分网络模型可以用卷积神经网络、循环神经网络等替换,那些可用于对抗神经网络的改进和优化方法也同样适用于该网络模型。该实验模型使用PyTorch深度学习框架进行搭建,并用GPU加速训练。使用该方法对SDSS的1746条白矮主序双星光谱进行分解,并与其他方法进行比较,结果表明训练好的网络模型在消耗较少的计算资源的情况下,可以给出与其他方法相近的结果,说明此模型有较好的分解光谱的能力。该方法也可以应用于其他双星光谱的分解。

可计算性逻辑研究进展

可计算性逻辑(Computability Logic,简称CoL)在交互计算算法理论、运算集合和基于Cirquent的推理系统等方面得到持续研究。在可计算性逻辑中,经典逻辑的公式表示成了交互计算的问题;求解可计算性问题的过程可以看成是机器(计算部件)和环境(输入输出部件)之间的博弈;经典逻辑的公式“真”值表示在可计算性逻辑中存在着一个有效解;推理系统的建立采用自然演绎推理方法,图形化表示的cirquent允许不同的父结点可以有相同的子结点,保证资源可以共享,资源共享还可以有选择进行区分,而且,这种基于电路式的推理已经证明比传统的Gentzen相继式推理证明效率有指数级的提高。Cirquent演算的灵活性、高效性、表达性强等特点,使它正成为CoL的一种公理化工具。

基于t-SNE的恒星光谱降维与分类研究

随着天文学的发展以及天文望远镜观测能力的提升,国内外许多大型巡天望远镜将产生PB级的恒星光谱数据。恒星光谱是来自恒星的电磁辐射,通常由连续谱与吸收线叠加而成,其差异源于恒星的有效温度、表面重力加速度以及元素的化学丰度等。恒星光谱自动分类是天文数据处理的一项重要研究内容,是研究恒星演化和参数测量的基础。海量的恒星光谱对分类方法提出了高效、准确的要求。传统的人工分类方法存在速度慢、精度低等缺点,已经无法满足海量恒星光谱特别是低信噪比恒星光谱自动分类的实际需要,机器学习算法目前已经被广泛地应用于恒星光谱分类。恒星光谱的一个显著特征是数据维度较高,降维不但可以实现特征提取,而且可以降低计算量,是光谱分类的首要任务。传统的线性降维方法如主成分分析仅依据方差对光谱进行降维,不同类型的光谱在投影到低维特征空间后会出现交叉现象,而流形学习能够产生优良的分类边界,很好地避开重叠,有利于后续的分类。针对光谱数据维度较高的特点,研究了光谱数据在高维空间内的分布以及流形学习对高维线性数据降维的原理,比较了t-SNE和主成分分析两种降维方法对光谱数据降维的效果,并使用基于属性值相关距离的改进的K近邻算法进行光谱分类,最终对实验结果进行了分析并使用多种机器学习分类器进行比较和验证。采用Python语言及Scikit-learn第三方库实现了算法,对SDSS的12 000条低信噪比的恒星光谱进行实验,最终实现了光谱数据的高精度自动处理和分类。实验结果表明,对于光谱数据的降维处理,基于流形学习的t-SNE方法能够在高维光谱数据中恢复低维流形结构,即找出高维空间中的低维流形,并解出与之对应的嵌入映射,在降维过程中最大程度地保留不同类别光谱样本之间的差异从而产生明显的分类边界。特征提取后,使用机器学习分类器能够在测试数据集上达到满意的分类准确率。所使用的方法也可以应用于其他的巡天望远镜产生的海量光谱的自动分类以及稀少天体的数据挖掘。

建筑电气设计中的节能技术措施分析

当前国内经济一直处于高速发展的状态之下,各行各业相比较过去都有了翻天覆地的变化。在这样高速发展的背景之下,人们对于能源的需求量也是在不断提高,但是当前国内的能源状况却不容乐观。以建筑电气设计工作为例,当前的社会实际需求就要求在其设计中凸显技能技术,以此来降低建筑能源的消耗从而缓解当前电能短缺的问题。近些年相关人员一直在进行这方面的尝试,也取得了一定的成绩,但是具体的细节方面还存在很多问题。下文根据笔者的经验,对建筑电气设计中节能技术的应用措施进行了总结。

神外科患者住院护理安全隐患及预防措施

探索神经外科患者在住院期间存在的安全隐患及预防措施,总结可能出现的理由及原因。科学系统的对其原因进行总结分析,提出应对策略。经过一系列的改革及预防,我科室住院患者跌倒、坠床、压疮等常见的安全隐患大大降低,护理人员的安全意识也得到了提高。值得学习,可大面积推广。

欧洲债务危机对欧元的冲击

欧元是欧洲经济发展到一定程度的产物,把欧盟国家的经济联系提高到了一个新的高度,受到经济危机的影响,个别欧元区国家出现了债务危机,对欧元形成了一定的冲击,然而目前欧盟对其成员国并没有退出机制,面对这突如其来的危机,显然欧盟没有做好准备,如何化解这次债务危机带来的冲击,还需要欧盟与各个成员国的共同努力去应对解决。

基于反贝叶斯学习的WDMS光谱自动识别研究

天体光谱是天体物理学重要的研究对象,通过光谱可以获取天体的许多物理、化学参数如有效温度、金属丰度、表面重力加速度和视向速度等。白矮主序双星是一类致密的双星系统,对研究致密双星的演化特别是公共包层的演化有着重要的意义。国内外的大型巡天望远镜如美国斯隆望远镜以及中国的郭守敬望远镜,每天都产生大量光谱数据。如此海量的光谱数据无法完全用人工进行分析。因此,使用机器学习方法从海量的天体光谱中自动搜索白矮主序双星光谱,有着非常现实的意义。目前的光谱自动识别方法主要通过对已有的标签样本进行分析,通过训练得到分类器,再对未知目标进行识别。这类方法对样本的数量有明确的要求。白矮主序双星的实测光谱数量有限。若要通过有限的样本集准确学习白矮主序双星的光谱特征,不仅需要扩大样本数量,还需要提高特征提取和分类算法的精度。在前期工作中,通过机器学习等方法在海量巡天数据中识别了一批白矮主序双星的光谱,为该实验提供了数据源。使用对抗神经网络生成新的白矮主序双星光谱,扩大训练数据量至原数据集约两倍的数量,增强了分类模型的泛化能力。通过反贝叶斯学习修正损失函数,将损失函数的大小与样本的方差相关联,抑制了异常数据对模型造成的影响,提升了模型的鲁棒性,解决了由于训练样本集偏差带来的梯度消失以及训练陷入局部最优解等问题。该实验基于Tensorflow深度学习库。使用Tensorflow搭建的生成对抗网络具有较好的鲁棒性,并且封装了内部实现细节,使得算法得以更好地实现。除此之外,由Tensorflow搭建的卷积神经网络在该实验中用于分类准确度测试。实验结果表明,二维卷积神经网络能够利用卷积核有效地提取白矮主序双星的卷积特征并进行分类。基于反贝叶斯学习策略的卷积神经网络分类器在白矮主序双星原始数据及对抗神经网络生成光谱的识别任务中达到了约98.3%的准确率。该方法也可用于在巡天望远镜的海量光谱中搜索其他特殊和稀少天体如激变变星、超新星等。

嵌入式实践教学在《非政府组织管理》课程的构建与应用

嵌入式实践教学坚持以学生为中心,在教师的指导下,充分发挥学生的积极主动性,通过师生互动引导学生进行自主的分析研究,从而培养学生研究能力和创新能力,掌握课程知识的目标。《非政府组织管理》课程从教学方式、教学内容、考核方式等等方面进行了教学改革实践。

国有企业助力乡村振兴现状分析

国有企业起着调节国家经济目标与国民经济发展的作用,具有突出的公益性特征。根据乡村振兴的具体要求,国有企业需要承担主要的生产和农村基础设施的完善,帮助乡村共同打造公共服务体系,助力乡村振兴。

激变变星光谱参数测量研究

激变变星是一类特殊而且数量稀少的双星系统,其主星是一颗白矮星,伴星通常是一颗充满洛希瓣的光谱型为G,K或M型的晚型星或矮星。激变变星是一类爆发型的恒星,对于研究密近双星的演化具有积极的意义。激变变星按照爆发特征和光变特征可以分为很多亚型,如新星、再发新星、矮新星、类新星和磁激变变星。同时激变变星又是一类周期型的变星,这些因素都导致其可见光光谱非常复杂。目前对于激变变星的参数测量,主要通过后续观测来测量其轨道周期、主星和伴星之间的距离等。由于在吸积的过程中,物质在白矮星的表面累积,无法直接测量主星的物理参数,而且激变变星本身是一种暗弱的天体,实测光谱数量较少,因此极大限制了对激变变星物理参数的系统研究。目前唯一能够生成激变变星理论光谱的软件是基于光致电离模型的CLOUDY,但CLOUDY存在采样点过于稀少以及参数太多等问题,不能作为理想的理论光谱模板。法国ELODIE高分辨率的光谱可以作为M型恒星光谱参数测量的理论模板。前期工作中,通过机器学习等方法在美国斯隆巡天和中国郭守敬望远镜巡天数据中发现了一批激变变星。通过人工筛选,选择了伴星是M型的407条实测光谱,这些光谱大部分是宁静期的矮新星,光谱的主要特征是巴尔末线系和氦的发射线。再通过与高分辨率的ELODIE光谱交叉,利用SDSS-casjob数据库中的ELODIE参数,对激变变星的红端部分进行模板匹配,系统测量了其伴星的物理参数。为了降低计算量,对高维的光谱分别通过主分量分析和局部线性嵌入两种方法进行了特征提取和降维。实验结果表明LLE方法在邻域大小15,维度59时达到最高贡献率94.91%。根据PCA和LLE的交集,最终光谱的维度确定为59。实验中发现激变变星的伴星中M2型数量极少,具体原因需要更多的样本来解释。因为实验中激变变星光谱中,只有部分有明显的分子带特征,因此那些在爆发下降阶段或者光谱被吸积盘特征控制的激变变星没有进行参数测量。该实验弥补了激变变星光谱物理参数测量的空白。

新工科背景下高校计算机专业创新创业人才培养模式研究

伴随新经济的发展,传统的工科教育已不足以应对时代变革,高校工科教育面临创新创业人才培养的新机遇和新挑战。新工科为工科教育开辟了方向。本文分析了高校计算机专业创新创业人才培养的现状,探讨了新工科背景下计算机专业人才培养模式改革研究思路,提出了应用创新型人才的工程教育模式。