裁剪频谱的线性系统DFT反卷积算法

在对传统求冲击响应方法的误差进行分析的基础上，提出了一种新的卷积反演算法。该算法通过提高采样率后对频谱进行裁剪，然后运用zoom运算降低采样率，再通过反卷积求出系统的冲击响应。仿真实验证明，该算法能有效地避免量化误差的放大和迁移所造成的影响，比传统方法和最小二乘法具有更小的误差。     

基于BP神经网络的双层启发式强化学习方法

强化学习通过与环境交互的方式进行学习,在较大状态空间中其学习效率却很低．植入先验知识能够提高学习速度,然而不恰当的先验知识反而会误导学习过程,对学习性能不利．提出一种基于BP神经网络的双层启发式强化学习方法NNH‐QL ,改变了传统强化学习过程的盲目性．作为定性层,高层由BP神经网络构成,它不需要由外界提供背景知识,利用Shaping技术,将在线获取的动态知识对底层基于表格的Q学习过程进行趋势性启发．算法利用资格迹技术训练神经网络以提高学习效率．NN H‐QL方法既发挥了标准Q学习的灵活性,又利用了神经网络的泛化性能,为解决较大状态空间下的强化学习问题提供了一个可行的方法．实验结果表明：该方法能够较好地提高强化学习的性能且具有明显的加速效果．     

钛涂二氧化钌电极在不同的水溶液里的阳极行为

本文对钛涂二氧化钌电极在海水里作为阴极保护的不溶性阳极进行了研究。这种电极是用RuCl_3涂在钛基体上,并经热分解而制成的。对该电极在NaCl、Na_2SO_4溶液和人造海水里的阳极极化曲线进行了测量。用恒电流电解法进行了试验,并用扫描电子显微镜进行了观察。在含有Cl~-的稀溶液里的阳极极化曲线上,观察到有一个特征性的屈折点。这是由于二氧化钌电极的氧过电位要比铂等低得多的缘故。在恒电流电解时,RuO_2电极在高电流密度(例如40安/分米~2)下被腐蚀,据认为,此现象是由于电极电位升高,RuO_2涂层变得不稳定所致。