采用电子背散射衍射技术对高硅钢近柱状晶初始组织直接热轧、温轧、冷轧和退火组织及织构演变进行分析,并测定相应退火板的磁性能.该实验条件下组织与织构演变规律体现了表层剪切细小组织和中心层粗大组织的竞争关系,其中中心层组织与原始立方取向相关或表现为α线取向.柱状晶的影响在最终退火组织中仍存在,少量立方取向区域可遗传到最终退火板中,虽然没有大量出现,仍有效削弱了{111}织构.形变退火过程中与原始立方取向线有关的晶粒尺寸普遍较大,有利于磁性.样品最终的磁感应强度低于文献报导的强{120}〈001〉或{100}〈021〉织构样品,但高于普通无取向高硅钢,且轧向和横向磁感应强度值差异小,所以柱状晶组织有利于无取向高硅钢的制备

设函数y=f(x)在a,b)内图形如下图: y=f(x)/ 在:处的函数值()比它附近各点的函数值都要小 而在处的函数值()比它附近各点的函数值都要大; 但它们又不是整个定义区间上的最小、最大者,而且 A将这样的点称为极小值点、极大值点

水中抗生素具有成分复杂、毒性高和难于生物降解等特点，成为近些年水处理领域的研究热点。均相Fenton氧化技术（Fe2+/H2O2体系）因其反应快速、简单高效而备受青睐。而异相类Fenton氧化技术采用铁基固体催化剂代替液相Fe2+，能够有效减少含铁污泥的生成，同时拓宽反应的pH值范围，且催化剂可以回收利用，在近些年得到了快速发展，将其应用于抗生素的降解也取得了理想的效果。从异相类Fenton催化原理出发，综述了异相类Fenton催化剂降解抗生素的研究进展。基于异相类Fenton催化剂的核心问题，重点阐述了改善催化性能的方法、措施以及新的观点。针对异相类Fenton技术降解抗生素存在的问题提出了今后的发展方向

大数据是多源异构的。在信息技术飞速发展的今天，多模态数据已成为近来数据资源的主要形式。研究多模态学习方法，赋予计算机理解多源异构海量数据的能力具有重要价值。本文归纳了多模态的定义与多模态学习的基本任务，介绍了多模态学习的认知机理与发展过程。在此基础上，重点综述了多模态统计学习方法与深度学习方法。此外，本文系统归纳了近两年较为新颖的基于对抗学习的跨模态匹配与生成技术。本文总结了多模态学习的主要形式，并对未来可能的研究方向进行思考与展望

为对生产进行指导，研究了DP590/DP780高强钢焊管在液压成形过程中的变形行为；使用场发射扫描电镜观察管材周向的横截面以确定基体的组织，通过VMHT30M显微硬度计确定管材的焊缝及热影响区的大小，以便研究液压成形破裂行为；采用液压成形试验机对两种管件进行液压成形研究。实验结果表明：管材在胀形过程中的破裂压力比理论计算公式得到的破裂压力大，破裂位置全部位于靠近焊缝及热影响区的母材区域；随着管径的增大和长径比的增大，管材的极限膨胀率呈现下降趋势；在自由胀形过程中，管材的焊缝区域基本上不发生减薄，最小壁厚位于管材的热影响区和基体的过渡区域，并且壁厚的减薄率在胀形最高点所在截面最大，越靠近管材夹持区，壁厚的减薄率越小。最终得到以下结论：管材液压成形实验是准确获得管材力学性能参数的途径；提高焊接质量有助于控制失效破裂位置；合理选择管材的长径比有利于管材性能的充分发挥；通过合理控制各处的减薄有利于降低液压成形件的破裂风险

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向

红外光电探测器是将入射的不可见的红外辐射信号转变成电信号输出的器件红外光电探测器在多个行业均有广泛用途。重点述了近年来国内外在石墨烯红外光电探测器方面的最新研究进展,主要包括近红外(0.76~1um)、短波红外(1~3um)、中波红外(3-5um)长波红外(8~12um)和超宽谱石墨烯光电探测器

目前，熔盐电化学冶金普遍采用炭素阳极，阳极CO2产物是重要的碳排放源。若在高温熔盐体系中使用惰性析氧阳极，则可实现熔盐电解过程低碳排放。因此，开发适用于熔盐电解体系的惰性阳极至关重要，也是近年来国内外研究热点。本文首先综述了各种高温熔盐体系惰性阳极的研究进展，所涉及熔盐体系包括：铝电解氟化物盐、CaCl2熔盐、碳酸盐和熔融氧化物等。另外，近年来月球开发利用受到广泛关注，太阳能驱动的月壤原位熔盐电化学制氧，将是支撑人类未来月面生存氧气需求的重要方法之一，故惰性析氧阳极不可或缺。因此，本文也简要综述了基于惰性阳极的月壤电解制氧技术

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度

人教版高中历史必修1第四单元 近代中国反侵略、求民主的潮流第13课 辛亥革命教案(3)