一种全自动模板快换装置的设计方案及应用

公开了一种全自动模板快换装置,包括紧靠造型机一侧安装的模板输送机构和安装于模板输送机构上方的快换机构.采用自动换模以及智能人机交互的设计理念,具有结构紧凑、空间利用率高、效率高、生产成本低等特点.     

南淮阳高压—超高压变质地体的变质作用特征及其P—T—t轨迹

南淮阳高压—超高压变质地体是秦岭—大别碰撞造山带的一个重要组成部分，这里不仅广泛发育着蓝片岩、高压榴辉岩、超高压榴辉岩和具有由南向北渐次展布的空间分布结构，而且还有一系列同斜褶皱、逆冲断层和强烈构造形变作为同变质期的主要构造特征。其间高压—超高压变质形成于中朝、扬子大陆碰撞对接阶段，而在构造抬升时期则有强烈的退化变质发生，它们共同组成一条顺时针型Ｐ—Ｔ—ｔ轨迹，反映了南淮阳—超高压变质地体的变质作用特征及其与构造演化的相互关系。     

水与绿的另类展演舞台——2010台北花博大佳河滨公园设计

2010台北国际花卉博览会是中国台湾第一次举办世界级的博览会；对于这个可促进观光产业发展、岛内花卉与园艺产业成长的机会,应该如何去面对与思考?博览会结束后,除了经济上的效益之外,民众是否藉由这次活动学习到如何爱护我们的环境,与珍惜我们的资源?这些都是在设计过程中不断思索的重点.     

大规模MIMO信号检测IPIC算法的深度学习网络

针对在大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统中,信道硬化现象减弱时最小均方误差(Minimum Mean Square Error, MMSE)检测算法及Richardson、Jacobi等迭代检测算法检测性能退化严重的问题,提出了一种深度检测网络,称为IPICNet,将深度学习技术和迭代并行干扰消除(Iterative Parallel Interference Cancellation, IPIC)检测算法结合。在IPICNet中,将IPIC检测算法的迭代过程展开为深度网络,并在此基础修改网络架构和添加可训练参数,同时对网络中需要使用的投影函数和损失函数进行了讨论和设计。实验结果表明,训练完成的IPICNet能有效提升IPIC检测算法的检测性能并在信道硬化现象不明显的MIMO系统中稳定工作。     

高效毛细管电泳-紫外检测法同时检测雪糕中多种添加剂

采用高效毛细管电泳-紫外检测法,对雪糕中常见的亮蓝、日落黄、苋菜红、新胭脂红、柠檬黄5 种色素进行检测。电泳条件：缓冲溶液10 mmol/L Na2B4O7-5 mmol/L NaH2PO4（浓度为0.7 mmol/L的β-环糊精）,pH 11.5,检测波长214 nm,外加电压25 kV。在该条件下,各色素线性范围在10～1 000 μg/mL之间,r在0.997 5～0.999 9之间,检出限在1.2～8.6 μg/mL之间（RSN=3）,平均回收率为93.8%～108.5%,相对标准偏差不大于4.19%,结果表明该方法简便、准确可靠,可用于雪糕中合成色素的同时检测。     

卸油鹤管的气阻问题及解决措施

油罐车在高温季节和高原地区接卸汽油时经常产生鹤管气阻,导致罐车下部的油料不能下卸。针对这一问题,分析了鹤管气阻产生的机理,提出了鹤管气阻的校核方法。根据分析和研究,提出了几种新的气阻防治措施。     

国外清钢连接装置简介

进入七十年代以来,国外开清棉流程中采用清钢连接装置日益增多,特别是第八届汉诺威国际纺机展览会已无一台成卷机展出,而全部代之以清钢联棉箱,说明清钢联已成为世界性的发展趋势,这是由于清钢连接装置使开清棉和梳棉两道工序连接起来,具有很多优点,     

浅析元代初期文人画家的创作心态

元代是中国历史上第一个由少数民族统治中央政府的封建王朝。长久以来都是汉人强势,如今却被压迫在一个少数民族的铁蹄之下。这是何等的屈辱,何等的情绪。这样的现实对于文人、士大夫来说不管是从情感还是从心理上来说,都是难以接受的。当时元朝科举制度从一开始就废立,文人失去了仕途的机会。此外,民族间具有强烈的抵触情绪,大大降低了文人转向仕途的热情,从而产生厌世、避世心理。那些通过各种渠道得以跻身仕途的少数文人,也由于受到猜忌、排挤以及社会舆论的压力,思想也时时处于痛苦之中,这便使元代的文人们开始面对自己的内心,将文人画转化为精神上自我调节的手段。     

基于干扰消除辅助稀疏连接神经网络的大规模MIMO信号检测

近年来,深度学习成为无线通信领域的关键技术之一。在基于深度学习的一系列MIMO信号检测算法中,大多未充分考虑相邻天线之间的干扰消除问题,无法彻底消除多用户干扰对误码率性能的影响。为此,该文提出一种将深度学习与串行干扰消除(SIC)算法进行结合的方法用于大规模MIMO系统上行链路信号检测。首先,通过优化传统的检测网络(DetNet)及改进ScNet检测算法,该文提出一种基于深度神经网络(DNN)的检测算法,称为ImpScNet。在此基础上,进一步将SIC思想应用到深度学习框架结构设计中,提出一种基于深度学习的大规模MIMO多用户SIC检测算法,称为ImpScNet-SIC。此算法在每个检测层上分为两级,其中,第1级由该文提出的ImpScNet算法提供初始解,再将初始解解调至相应的星座点上作为SIC的输入,由此构成该算法的第2级。此外,在SIC中也使用了ImpScNet算法估计传输符号,以便获得最优性能。仿真结果表明,与已有的各种典型代表算法相比,该文所提ImpScNet-SIC检测算法特别适合大规模MIMO信号检测,具有收敛速度快、收敛稳定及复杂度相对较低的优势,并且在10^–3误码率上有至少0.5 dB以上的增益。