氧化镁粒度配比对MgO—C砖物理性能的影响

本文叙述了通过ＭｇＯ－Ｃ砖物理性能的控制，以及调节氧化镁颗粒的配比，可提高ＭｇＯ－Ｃ砖的耐热震性，高温抗折强度，并降低热应力。     

纤维素酶的应用研究进展

植物纤维原料是地球上极为丰富、廉价而又可再生的资源,它的利用一直是国内外的研究热点。纤维素酶是一种高活性生物催化剂,是一组能够降解纤维素生成葡萄糖的酶的总称,在食品、饲料、酿酒、纺织、中药提取和造纸等众多的工业领域有广泛的应用价值。     

浅析FIDIC合同条件下不平衡报价的防范策略

在FIDIC合同条件下,低价中标是业主选择承包商的重要原则之一,不平衡报价成为承包商投标报价中一种广泛应用的报价策略。本文针对建设市场出现的不平衡报价现状,通过实例,量化分析了承包商常用的不平衡报价策略,为防范和控制不平衡报价提供了有效的防范策略。     

燃煤锅炉NOx生成数值模拟研究

因锅炉NOx生成受多种因素影响,仅借助现场试验探索NOx的生成规律及其影响因素存在一定的局限性。以410 t/h四角切圆燃煤锅炉为原型,利用Fluent软件建立其流动、燃烧等相关数值模型,利用常规现场试验对数值模型进行验证及修正,使Fluent数值模型的准确性及可靠性得以提高,以此对某些不具备试验条件的影响因素进行了NOx生成特性的模拟研究。结果表明：所建数值模型能够为正确分析燃烧及NOx生成规律提供充分的理论依据,弥补了现场试验方法的不足。     

关于高职高专院校产学研合作的思考

本文从论述高职高专院校产学研合作的必要性开始,结合高职高专院校的校企产学研合作现状调查,分析了高职高专院校在产学研合作中存在的问题,提出了促进产学研合作的建议.     

激电—瞬变电法在黔东南羊坪铅锌矿的应用

通过黔东南某铅锌矿的勘查实例,说明这样一个地质问题,在贵州山区采用物探方法间接找矿,倡导采用大比例尺联合电法勘探是必要的。据工区地球物理条件,如瞬变电磁法（TEM）和双频激电法的结合,一来两种方法能互为补充、相互印证,二来可靠性、分辨率得到保证,去伪存真、找矿效果能体现,最终观测异常已得到钻探工程验证。所提取的物探电性异常与地质体露头有较好的对应关系。     

碳罐用玻璃纤维增强尼龙材料性能研究

以尼龙为基体材料,玻璃纤维为增强材料,考察了不同配方材料和不同焊接工艺对碳罐承压爆破性能的影响。结果表明:有机色粉的引入使得结晶温度下降,试样熔接线强度升高,碳罐的承压爆破性能也得到提高;加入增韧剂后,基体与填充物间相容性下降使得焊接强度下降;当焊接深度在1.5 mm时焊接强度最大,碳罐承压爆破性能最佳;振动频率和振幅对焊接强度的影响不大,焊接压力选择1.4 MPa为宜。     

关于Oracle数据库性能优化的分析

持续扩大的数据库规模,用户数量的增多,大大降低了数据库应用系统的响应速度,暴露了很多数据库性能问题。对数据库进行性能优化能促进整个系统的正常运行,提高数据库的稳定性和使用性能,确保数据库的高效运行,提高应用价值。本文针对Oracle数据库性能的一些影响因素,提出一系列优化措施,推动Oracle数据库更好的为人们服务。     

生物特征识别学科发展报告

从手机解锁、小区门禁到餐厅吃饭、超市收银,再到高铁进站、机场安检以及医院看病,人脸、虹膜和指纹等生物特征已成为人们进入万物互联世界的数字身份证。生物特征识别赋予机器自动探测、捕获、处理、分析和识别数字化生理或行为信号的高级智能,是一个典型而又复杂的模式识别问题,一直处于人工智能技术发展前沿,在新一代人工智能规划、“互联网+”行动计划等国家战略中具有重要地位。由于生物特征识别涉及公众利益攸关的隐私、道德和法律等问题,近期也引起了广泛的社会关注。本文系统综述了生物特征识别学科发展现状、新兴方向、存在问题和可行思路,深入梳理了人脸、虹膜、指纹、掌纹、静脉、声纹、步态、行人重识别以及多模态融合识别的研究进展,以人脸为例重点介绍了生物特征识别领域近些年受到关注的新方向——对抗攻击和防御、深度伪造和反伪造,最后剖析总结了生物特征识别领域存在的3大挑战问题——“感知盲区”、“决策误区”和“安全红区”。本文认为必须变革和创新生物特征的传感、认知和安全机制,才有可能取得复杂场景生物识别学术研究和技术应用的根本性突破,破除现有生物识别技术的弊端,朝着“可感”、“可知”和“可信”的新一代生物特征识别总体目标发展。     

基于深度学习的跨模态检索综述

由于多模态数据的快速增长,跨模态检索受到了研究者的广泛关注,其将一种模态的数据作为查询条件检索其他模态的数据,如用户可以用文本检索图像或/和视频。由于查询及其检索结果模态表征的差异,如何度量不同模态之间的相似性是跨模态检索的主要挑战。随着深度学习技术的推广及其在计算机视觉、自然语言处理等领域的显著成果,研究者提出了一系列以深度学习为基础的跨模态检索方法,极大缓解了不同模态间相似性度量的挑战,本文称之为深度跨模态检索。本文从以下角度综述有代表性的深度跨模态检索论文,基于所提供的跨模态信息将这些方法分为3类：基于跨模态数据间一一对应的、基于跨模态数据间相似度的以及基于跨模态数据语义标注的深度跨模态检索。一般来说,上述3类方法提供的跨模态信息呈现递增趋势,且提供学习的信息越多,跨模态检索性能越优。在上述不同类别下,涵盖了7类主流技术,即典型相关分析、一一对应关系保持、度量学习、似然分析、学习排序、语义预测以及对抗学习。不同类别下包含部分关键技术,本文将具体阐述其中有代表性的方法。同时对比提供不同跨模态数据信息下不同技术的区别,以阐述在提供了不同层次的跨模态数据信息下相关技术的关注点与使用异同。为评估不同的跨模态检索方法,总结了部分代表性的跨模态检索数据库。最后讨论了当前深度跨模态检索待解决的问题以及未来的研究方向。