积极心理学理论与高校体育课程改革

文章对国内外关于积极心理学研究的基本内涵、研究取向、应用前景及研究现状进行梳理,对高校体育教育课程心理健康教育的目标及存在问题进行分析,从而着重探讨积极心理学对高校体育教育的几点重要影响,试图为我国高校体育教育的改革提供理论依据及实践参考。     

基于预训练语言模型的BERT-CNN多层级专利分类研究

专利文献的自动分类对于知识产权保护、专利管理和专利信息检索十分重要,构建准确的专利自动分类器可以为专利发明人、专利审查员提供辅助支持。该文以专利文献分类为研究任务,选取国家信息中心公布的全国专利申请信息为实验数据,提出了基于预训练语言模型的BERT-CNN多层级专利分类模型。实验结果表明: 在该数据集上,BERT-CNN模型在准确率上达到了84.3%,大幅度领先于卷积神经网络和循环神经网络等其他深度学习算法。BERT抽取的特征向量在表达词汇与语义方面比传统Word2Vec具有更加强大的性能。另外,该文还探讨了全局与局部策略在专利多层文本分类上的差异。     

Co/γ-Al2O3催化乙酰丙酸加氢合成γ-戊内酯的研究

采用等体积浸渍法制备一系列Co负载量不同的Co/Al₂O₃催化剂,用于乙酰丙酸液相催化加氢制γ-戊内酯反应。采用X射线衍射仪和透射电镜对Co/Al₂O₃催化剂进行表征,考察Co负载量、反应温度、反应压力和催化剂用量等对乙酰丙酸液相催化加氢反应的影响。结果表明,在Co负载质量分数15%、反应温度140 ℃、反应压力4.0 MPa和催化剂用量为反应物总质量的20%条件下,以甲醇为溶剂,反应6 h,乙酰丙酸转化率100%,γ-戊内酯选择性80.4%。催化剂重复使用6次仍具有较好的催化性能。     

Ru／C催化剂上硝基苯与苯甲醇“一锅法”合成N-亚苄基苯胺的研究

采用软模板法制备出多孔碳材料,以此为载体采用浸渍法制备了Ru／C催化剂,用于硝基苯与苯甲醇“一锅法”合成N-亚苄基苯胺中。利用XRD、SEM、TEM等方法对催化剂进行了表征。考察了Ru负载量对催化剂催化性能的影响,并对反应条件进行了优化。结果表明,Ru负载量为5．0wt％时Ru／C催化剂具有最佳的催化活性和选择性。在实验优化条件下反应22h,硝基苯转化率为100％,N-亚苄基苯胺选择性可达94．1％。