排序方式: 共有42条查询结果,搜索用时 15 毫秒
1.
高饱和磁化强度Fe16N2单晶薄膜 总被引:1,自引:0,他引:1
尽管Fe_(16)N_2的结构早已为人们所知“‘,但对其研究的巨大兴趣则始于发现其奇异的高饱和
磁化强度(Bs一258 T严之后.制备高含量比川。的研究在块体和薄膜材料方面都很活跃l’ 4].
然而,由于它是亚稳相,迄今只有日本Sllgita’领导的小组在半导体基片上制备出了Fe_(16)N_2单
晶薄膜,并验证了室温下其饱和磁化强度高达 29又大大超过 Slaterwaaling曲线.关于
卜;刀。是否具有如此高的饱和磁化强度值成为当个磁学理论界争论的一个热点风刁.作者曾详
细研究了溅射条件对氮化铁各相形成的影响闷,本文用溅射法制备出a‘’xe入单晶薄膜,井清
晰地观察到了沿[l叫和[110方向的电子衍射花样.磁性测量结果表明其饱和磁化强度值高
达 264~ 289 Wbha’. 相似文献
2.
由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference,EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。 相似文献
3.
现有计算大飞艇姿态角的平衡滤波算法虽然融合了加速度和角速度信息,但其未对加速度的适用条件进行分析,从而导致了积累误差和动态解算准确性问题.针对该算法的不足,提出了根据飞艇的不同运动状态来调整姿态解算算法的融合加速度和角速度数据的自适应姿态解算算法,并通过Matlab实验验证了算法的有效性.实验结果表明,该算法有效地解决了平衡滤波算法的不足,通过引入SMV(signalmagnitudevector,信号量向量),使大飞艇的运动状态得到了准确判断,从而使积累误差问题得到了有效改善,同时提高了大飞艇的动态解算准确性. 相似文献
4.
一台直径达2.4米的巨型天文望远镜日前运抵云南丽江的高美古天文台,这是我国目前最大的天文望远镜,预计到今年8月就可以投入观测使用。云南天文台台长李焱说,该望远镜是由英国TTL公司制造的,价值高达3000多万元,具有一流的光学质量,而且成像清晰,跟踪和指向精度都非常 相似文献
5.
针对大规模离散事件仿真的应用需求,提出了CPU(中央处理器)缓存加速算法。采用空间局域化的环型链表存储事件摘要,兼具离散事件仿真(DES)事件分类和缓存加速作用。算法性能分析显示,入队时间复杂度为O(sqrt(n)),出队复杂度为O(1),优于目前主流的日历调度算法及改进算法。100节点9 900并发业务的网络仿真实验结果证实,相比于线性链表算法,文中提出的算法可使DES计算加速21倍。 相似文献
6.
为解决传统的直接利用图像全局或局部灰度特性的指纹图像二值化方法的不足,提出一种多通道Gabor滤波的指纹图像二值化方法。首先构造多通道Gabor滤波器组对规格化后的指纹图像提取不同方向纹线对应的主要频率成分。将获得的多通道的滤波响应图线性叠加形成单幅Gabor滤波叠加响应图。然后对其再次采用以上滤波器组滤波,分别求取各位置的最大Gabor响应构成最终的指纹滤波能量响应图。最后分块并求取块内阈值实现二值化。实验结果表明,该方法较基于灰度特性的方法鲁棒性更好,特别对存在粘连、噪声和断纹、孔洞等现象的指纹图像有较好的处理效果。 相似文献
7.
目的探讨碘伏联合红外线治疗腹部手术切口脂肪液化疗效。方法观察组于发现脂肪液化后先挤净渗出物,再以碘伏纱块覆盖伤口,同时予以红外线照射40min;观察组常规进行换药治疗。结果观察组切口愈合率、住院时间均较对照组显著提高及缩短。结论碘伏联合红外线治疗腹部手术切口脂肪液化经济、有效、痛苦小。 相似文献
8.
目的探讨碘伏联合红外线治疗腹部手术切口脂肪液化疗效。方法观察组于发现脂肪液化后先挤净渗出物,再以碘伏纱块覆盖伤口,同时予以红外线照射40min;观察组常规进行换药治疗。结果观察组切口愈合率、住院时间均较对照组显著提高及缩短。结论碘伏联合红外线治疗腹部手术切口脂肪液化经济、有效、痛苦小。 相似文献
9.
10.
针对中文分词序列标注模型很难获取句子的长距离语义依赖,导致输入特征使用不充分、边界样本少导致数据不平衡的问题,提出了一种基于机器阅读理解模型的中文分词方法。将序列标注任务转换成机器阅读理解任务,通过构建问题信息、文本内容和词组答案的三元组,以有效利用句子中的输入特征;将三元组信息通过Transformer的双向编码器(BERT)进行预训练捕获上下文信息,结合二进制分类器预测词组答案;通过改进原有的交叉熵损失函数缓解数据不平衡问题。在Bakeoff2005语料库的4个公共数据集PKU、MSRA、CITYU和AS上的实验结果表明:所提方法的F1分别为96.64%、97.8%、97.02%和96.02%,与其他主流的神经网络序列标注模型进行对比,分别提高了0.13%、0.37%、0.4%和0.08%。 相似文献