韩氏溶出-改善利托那韦片的流体力学和溶出行为

溶出是制药行业中常用的研发手段和质量控制方法,常用的溶出方法包括篮法和桨法。由于药物在溶出装置中落点位置的不同和堆积等原因,溶出测试仍然受到重复性和准确性问题的困扰。提出溶出设备新的改良方式,并命名为"韩氏溶出"。通过改良的溶出方法对难溶性药物利托那韦原研制剂溶出考察和重现性分析。结果表明,改进的溶出装置减小了溶出装置的物理参数对溶出试验的变异性的影响,可大幅度提升重现性,避免了因测试本身的性质导致溶出试验失败的情况,从而满足质量控制的要求,以保证了研究者获得更好的体内外相关性。对目前药物制剂开发及药物一致性评价中的溶出曲线对比有较大的帮助。     

(3+1)维Boussinesq方程的可积性及新相互作用解

借助符号计算软件Maple证明了新的(3+1)维Boussinesq方程具有相容正切可积性,通过选取该方程的相容性条件方程的不同形式的解,得到了新的(3+1)维Boussinesq方程的孤子与其他波的相互作用解,如简单孤子解、孤子与椭圆余弦波作用解和共振孤子解,并给出了孤子与椭圆余弦波作用解和共振孤子解所对应的图形。     

基于最小二乘法对GM(1.1)模型的研究及应用

针对提高股票未来价格的预测精度,提出区间模糊数的整体GM(1.1)预测模型.利用最优解求解定义方程,得到区间模糊数的预测公式.基于区间模糊数满意度对投资组合选择模型进行优化,得到单目标规划投资选择模型.通过实例分析,给定不同的满意度得到不同的投资组合,证明模型具有一定的柔性.     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

基于MD-LBP关联方向特征的铁路隧道漏缆卡扣检测算法

全路段跟车拍摄隧道漏缆卡扣图像再进行逐张排查,是实现卡扣故障检测的重要手段.针对目前LBP、CS-LBP等相关变体算法存在描述子质量不佳、特征维度过高的问题,提出MD-LBP关联方向特征提取算法实现故障卡扣的检测工作.该算法首先对输入图像进行高斯滤波预处理,根据图像的全局灰度均值得到图像的自适应阈值;其次计算图像的三层MD-LBP特征图结构,依次经过两次下采样分别得到Cell主方向特征和Block主方向特征;然后再在Block特征图上提取关联方向特征,并以此作为描述子;最后通过SVM区分故障卡扣,完成检测工作.实验还对比了LBP、H OG等9种特征描述子的检测情况,结果表明该算法不仅特征维度低,并且检测故障卡扣的召回率和精准度都达到了85％.     

飞秒光纤光源的波分解复用 复用实验

为研究飞秒光源作为链路初始光源的可行性，使用阵列波导光栅（AWG）对265 fs光纤光源进行波分解复用 复用实验。实验光源波长为1 52765～1 56505 nm，通道数为48，通道间隔为080 nm。研究发现:在分波实验中，飞秒光纤光源经过AWG后，扫描谱线3 dB带宽为064 nm ，相邻通道串扰为2726 dB，比连续光源增大502 dB；在合波实验中，观察到AWG多端口端对宽带光源的波长选择作用，验证了AWG的色散特性，发现多光束的输出谱线总体轮廓未出现太大变形；在波分解复用 复用实验中，谱线最大损耗为251 dB，输出谱线轮廓和初始光谱基本一致，信号在传输过程中未出现明显失真，证明飞秒光源作为链路初始光源的可行性。     

Short-range clutter suppression method combining oblique projection and interpolation in airborne CFA radar

The airborne conformal array(CFA)radar's clutter ridges are range-modulated,which result in a bias in the estimation of the clutter covariance matrix(CCM)of the cell under test(CUT),further,reducing the clutter suppression performance of the airborne CFA radar.The clutter ridges can be effectively compensated by the space-time separation interpolation(STSINT)method,which costs less computation than the space-time interpolation(STINT)method,but the performance of interpolation algorithms is seriously affected by the short-range clutter,especially near the platform height.Location distributions of CFA are free,which yields serious impact that range spaces of steering vector matrices are non-orthogonal complement and even no longer disjoint.Further,a new method is proposed that the shortrange clutter is pre-processed by oblique projection with the intersected range spaces(OPIRS),and then clutter data after being pre-processed are compensated to the desired range bin through the STSINT method.The OPIRS also has good compatibility and can be used in combination with many existing methods.At the same time,oblique projectors of OPIRS can be obtained in advance,so the proposed method has almost the same computational load as the traditional compensation method.In addition,the proposed method can perform well when the channel error exists.Computer simulation results verify the effectiveness of the proposed method.     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

国外图书馆科研支持服务研究

介绍了图书馆科研支持服务的背景,分析了国外图书馆科研支持服务的种类,举例说明了国外图书馆科研支持服务的具体实践.