Ti_3SiC_2陶瓷的制备、性能与应用

三元化合物Ti3SiC2兼具金属和陶瓷材料的一些优异特性,综合评述了其晶体结构、基本特性、合成与制备方法、性能以及应用,并提出了今后研究的方向.     

招远玲珑金矿废石模拟淋滤试验分析

为了分析降雨淋滤对水质化学组分的影响状况、研究玲珑金矿区废石经降水淋滤对环境带来的影响,进行了金矿废石模拟淋滤试验.通过对比分析淋滤前后水的化学成分发现,淋滤效果与降雨量大小和降雨强度有关,降雨量越大淋滤效果越明显,在同一降雨量条件下,降雨强度越小,则淋滤效果越明显;淋滤后绝大部分组分(离子)浓度呈现不同程度的增大趋势,淋滤液中Pb、Mn2+、NO2-、F-、Ca2+、NO3-、耗氧量淋失较多.结合淋滤试验结果和当地水质环境综合分析,废石经降雨淋滤使水中NO2-、Pb含量升高是造成该区水环境污染的主要因素之一.最后结合玲珑金矿区金矿废石的实际情况,提出了防治措施.     

项目投资风险管理体系模型研究

首先分析了项目投资管理、风险管理和信息管理的作用、内容和程序,得出了三者的内在关系;其次提出包括风险管理战略、风险管理程序、风险管理组织、风险管理方法、风险管理制度和风险管理文化的项目投资风险管理体系,分析了其构成要素的功能及设置方案;最后依据构成要素间的逻辑关系构建了项目投资全面风险管理模型.     

硫铁矿渣制矿渣地面砖的研究

介绍了硫铁矿渣制矿渣地面砖的工艺、设备及主要经济指标，并对该项目的经济效益、环境效益进行了综合评述。     

有机锡化合物(C6H5)3SnCl的合成及晶体结构

合成了有机锡化合物(C6H5)3SnCl,通过元素分析、红外光谱和核磁共振氢和锡谱对其结构进行了表征。用X-射线单晶衍射测定了该化合物的晶体和分子结构。化合物晶体为三斜晶系,空间群P,īa=9.740(9),b=18.674(17),c=19.010(17),α=105.513(14)°,β=90.036(14)°,γ=90.258(15)°,V=3 332(5)3,Z=8,Dc=1.537 Mg/m3,μ=1.682mm-1,F(000)=1 520,R=0.045 8,wR=0.103 0。锡原子呈畸变四面体构型。     

治理攀钢烧结烟气二氧化硫污染的对策分析

介绍了攀钢烧结烟气的特点、二氧化硫的来源。将当前常用的烧结烟气脱硫技术按脱硫剂的主要成分归为钙法、氨法和炭法，评述了它们的技术特点。然后结合攀钢的实际，分析攀钢烧结烟气脱硫技术的要求，提出炭法烟气脱硫技术最适合攀钢。然后对该技术应用在攀钢产生的经济效益进行了详细的阐述，最后对该技术在攀钢的应用提出了项目实施建议。     

有机锡化合物{n-Bu2Sn[2,6-(O2C)2C5H3N](H2O)}2的合成和晶体结构

利用二丁基氧化锡与2,6-吡啶二甲酸反应合成了目标化合物{n-Bu2Sn[2,6-(O2C)2C5H3N](H2O)}2。用元素分析、红外光谱、核磁共振氢谱以及X-射线单晶衍射进行了表征和结构测定。X-射线单晶衍射测定表明,该化合物为四方晶系,空间群P4(2)/n,a=1.7721(5)nm,b=1.7721(5)nm,c=1.1164(4)nm,α=β=γ=90,°Z=4,V=3.5060nm3,F(000)=1680,R1=0.0344,wR2=0.0853。化合物中两个锡原子呈七配位畸变五角双锥构型。     

一种基于深度学习的视网膜病变图像识别方法

为解决医学上糖尿病性视网膜病变图像人工识别困难、精度差等问题,提出一种基于多特征融合的卷积神经网络识别方法。在VGG-16模型的基础上,通过融合每层网络上的局部特征,增强模型的特征提取能力。选用Softmax分类器,使病变图像识别更加准确。使用OpenCV图像处理工具采用加噪、上下左右不同角度翻转、调节对比度等5种方式扩充训练集。实验结果表明,基于多特征融合的深度学习框架图像识别系统在数据集上的平均识别精度达到94.23%,相较于Alex-Net、Google-Net、Compact-Net、ResNet-101等模型分别提高了10.56%、7.80%、6.01%、0.02%,验证了该方法的有效性。该模型具有很好的鲁棒性。     

基于改进深度残差网络的矿井图像分类

精确煤矸分类及识别能力是煤矿智能煤矸分选机器人要解决的关键问题。在通过深度学习图像分类方法的检测煤矸石中,为克服当前残差网络计算量大、复杂度高以及信息丢失的问题,提出了基于改进深度残差网络的图像分类方法。并提出了一种新的损失函数soft-center loss,克服由于softmax分类器对特征的区分判别能力差以及易造成模型过度自信的问题。同时在图像预处理阶段利用CBDNet去噪网络,提高了井下图像的质量,进一步提升了煤矸分类的准确率。实验结果表明,基于改进深度残差网络分类模型相比于其他分类网络模型在井下图像分类准确率提高了4.12%,在公开数据集CIFAR-10准确率提高了1.5%。     

基于卷积神经网络的脑肿瘤分割方法综述

脑肿瘤自动分割对脑肿瘤诊断、手术规划和治疗评估中起着重要的作用。然而,由于脑病变结构的高可变性,组织边界模糊,以及数据有限和类不平衡等问题,导致其仍面临巨大的挑战。目前,大部分分割依赖手工,耗时耗力,易受主观影响,寻求一种高效的自动分割方法非常具有研究意义。介绍了脑肿瘤分割的研究背景、意义和难点,并概述了其发展历程;从数据和结构优化两方面详细描述基于脑肿瘤分割的卷积神经网络,简介脑分割常用的数据集和性能指标;分析了2017至2019年的BraTs挑战赛中排名靠前的算法性能,并讨论分析卷积神经网络应用于脑肿瘤分割的发展趋势。