英语词汇常见否定前缀辨析

词汇的积累和扩大是英语学习者最感困难的问题之一,也是英语教学中教师关注的焦点。结合英语的教学实际,对英语词汇中常见的否定前缀的来源、含义、构成和用法等进行了辨析。     

铬含量对FeNiMnCuCr_x系高熵合金微观结构和电化学性能的影响

采用了X射线衍射(XRD)、扫描电子显微镜(SEM)、X射线能谱(EDS)和电化学等方法,研究了铬含量对FeNiMnCuCr_x系高熵合金微观结构、显微组织和电化学性能的影响。结果表明:FeNiMnCuCr_x系高熵合金均为简单面心立方(FCC)固溶体结构,并且随着铬的添加,合金相结构由一套FCC相向两套FCC相转变,显微组织由柱状树枝晶向等轴树枝晶转变,并且合金的显微组织发生了一定程度的细化;随着铬的添加,FeNiMnCuCr_x系高熵合金的自腐蚀电流密度呈现先增加后降低的趋势;在x=1时,FeNiMnCuCr_x系高熵合金的自腐蚀电流密度最低,为7.8167×10~(-7) A/cm~2。     

机械天平TG328A臂差的调修

机械天平TG328A是根据杠杆原理制成的,其两臂相等。等臂天平两臂不相等,在直接测量物品质量时就会出现误差．习惯上称这个误差为不等臂性误差,简称臂差或偏差。等臂天平要做到两臂完全相等是很难的,也是不客观的。因此．在国家计量检定规程中给出了法定允差,机械天平TG328A的允差为±3分度。     

原奥氏体晶粒尺寸对珠光体钢组织及韧性的影响

探索了奥氏体晶粒尺寸对珠光体等温转变组织特征以及对韧性性能的影响规律.研究表明,在相同等温转变温度下,珠光体片层间距无明显变化,随奥氏体晶粒尺寸的增加,先共析铁素体量减少而珠光体团尺寸增加.珠光体断裂韧性受控于裂纹前沿塑性影响区尺寸(1～2)δc,其中δc为临界裂纹张开位移,当原奥氏体晶粒大于(1～2)δc时,裂纹扩展阻力主要来自穿越珠光体片层α、θ相的颈缩、破断.当原奥氏体晶粒尺寸接近或小于(1～2)δc时,裂纹主要沿晶界、珠光体团界、α+θ片层界面扩展,通过扩展路径发生多次弯折消耗能量,随原奥氏体晶粒尺寸增加,准静态断裂韧度J变化幅度较小.而冲击韧性缺口前沿塑性影响区远大于原奥氏体晶粒,大角度晶界将促使裂纹的转折而提高扩展阻力,提高裂纹前沿塑性区大角度晶界密度有利于提高冲击功,冲击韧性A随晶粒尺寸的增加显著下降.     

自动化张量分解加速卷积神经网络

近年来,卷积神经网络（CNN）展现了强大的性能,被广泛应用到了众多领域.由于CNN参数数量庞大,且存储和计算能力需求高,其难以部署在资源受限设备上.因此,对CNN的压缩和加速成为一个迫切需要解决的问题.随着自动化机器学习（AutoML）的研究与发展,AutoML对神经网络发展产生了深远的影响.受此启发,提出了基于参数估计和基于遗传算法的两种自动化加速卷积神经网络算法.该算法能够在给定精度损失范围内自动计算出最优的CNN加速模型,有效地解决了张量分解中,人工选择秩带来的误差问题,能够有效地提升CNN的压缩和加速效果.通过在MNIST和CIFAR-10数据集上的严格测试,与原网络相比,在MNIST数据集上准确率稍微下降了0.35%,模型的运行时间获得了4.1倍的大幅提升;在CIFAR-10数据集上,准确率稍微下降了5.13%,模型的运行时间获得了0.8倍的大幅提升.     

分散固相萃取-气相色谱法同时检测食品塑料 包装材料中7种烷基胺

目的建立了分散固相萃取-气相色谱法(dispersive solid-phase extraction-gas chromatography,dSPE-GC)同时测定食品塑料包装材料中7种有机胺类物质的残留量。方法样品经二氯甲烷超声萃取15 min,采用25 mg C_(18)、25 mg PSA和10 mg MWCNT固相萃取剂对提取液进行净化,采用DB-1701色谱柱进行分离并进行气相色谱测定。同时对固相萃取剂的种类和用量、色谱柱等条件进行了优化。结果 7种烷基胺类物质在1.0~100 mg/L浓度范围内线性关系良好,相关系数为0.9937~0.9996;方法检出限为2.6~5.0 mg/kg;添加水平为5.0、10.0和50 mg/kg时,7种目标物的平均回收率为81.9%~107%,日内精密度(n=6)为1.9%~5.3%;日间精密度(n=5)为4.5%~9.1%。对市售10个塑料包装材料进行测定,其中1个样品检出青霉胺,含量为9.1 mg/kg。结论本方法快速准确,可适用于食品塑料包装材料中烷基胺类物质的测定。     

基于多源位置数据的居民出行频繁模式挖掘

随着城市化进程的不断深入,居民出行频繁模式挖掘成为一个研究热点.然而,现有的研究存在一些问题,如缺乏对频繁模式发生的目的和意义的描述,以及对挖掘结果分析不全面等.针对这些问题,文中提出了一种新颖的居民出行频繁模式挖掘方法(Mining Method of Residents'Frequent Travel Patter...     

一种双通道语音增强方法

本文提出了一种用于语音识别的双麦克风语音增强算法。该算法主要利用两个语音通道之间语音信号的空间相关性和时间相关性,进行空时域滤波,消除噪声。在输入语音信噪比为0至20dB之间时,能获得较大的信噪比处理增益。该方法只采用了两个麦克风,结构简单;相对于维纳后滤波法,解除了要求两麦克风接收的噪声信号不相关的约束,可以去除点声源的非强相干噪声。和一般的波束形成算法相比,可以去除期望声源方向的弱相关噪声。