针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

通过15N-14N同位素气体交换技术消除液相传质的影响，利用在线质谱分析仪测定了在1873 K下，铁液中氮溶解的界面反应速率常数。结果表明，总流量为600～800 mL?min?1时可以忽略气相传质的影响，保护气中增加H2的比例有利于降低钢液中杂质元素的浓度。铁液中加入一定量碳、铝、硅，分析得到这三种元素对氮溶解速率是抑制的。依据本实验的数据利用空位解离模型建立反应速率常数ka与氧、硫、碳、铝、硅的活度关系，吸附系数分别是KO=0.96，KS=9.32，KC=0.02，KAl=0.51，KSi=1.16。纯铁液中氮的溶解反应表观速率常数为ka=4.8×10?6 mol?m?2?s?Pa

首先介绍了氧气高炉的发展历程，早期的研究工作主要着眼于解决由于氧气代替空气鼓风而引起的“上冷下热”问题，并总结了各国研究者提出的氧气高炉流程及其主要特点。随后系统阐述了北京科技大学科研人员在氧气高炉工艺基础研究与工程技术开发方面所取得的主要进展。这些研究包括氧气高炉流程设计，含铁炉料还原与软熔，氧气鼓风及循环煤气喷吹条件下的煤粉燃烧，循环煤气加热过程中的物理化学变化等炉内反应与变化，以及在此基础上开展的回旋区及全炉数值模拟研究，为氧气高炉的工程化实施奠定理论基础。最后对氧气高炉的碳素流及节碳潜力进行了分析，并提出富氢碳氢循环氧气高炉将成为炼铁低碳化的重要发展方向

将0. 46%含碳量(质量分数) 的石墨化碳素钢在万能材料试验机上进行室温压缩变形, 试验钢表现出良好的压缩变形性能.根据载荷-位移曲线的变化特点, 试验钢的压缩变形过程以位移7. 0 mm (对应相对压下量为58. 3%) 为节点分为两个阶段: 在位移≤7. 0 mm的压缩阶段, 载荷呈线性增加, 压缩试样的鼓度值逐渐增加而达到一个极大值(14. 6%), 压缩试样中心位置的维氏硬度增幅最大, 为38. 1 HV, 至位移7. 0 mm时试样端面径向伸长率的增幅为34%;而在位移 > 7. 0 mm的压缩阶段, 载荷呈指数增加, 压缩试样的鼓度值从极大值开始逐渐减小, 至位移为10. 72 mm时(相对压下量为89. 3%), 试样端面的径向伸长率相比于位移7. 0 mm时增加了83. 1%, 压缩试样的中心位置的维氏硬度增幅最小, 为32. 7 HV.上述试验数据表明, 在位移≤7. 0 mm的压缩过程中, 压缩试样内的三个不均匀变形区的位置与传统压缩模型一致, 但是当压缩变形进入位移 > 7. 0 mm的压缩过程中, 试样中心位置已不再是传统压缩模中变形程度最大的变形区了, 即在这个阶段试样中的3个不均匀变形区的变形程度发生了改变.正因这种不均匀变形区变形程度的改变导致了变形过程中载荷的急剧增加和鼓度值的减低.另外, 在压缩变形过程中, 三个不均匀变形区中石墨粒子的微观变形量总是高于铁素体基体, 其原因之一可以归结为石墨粒子中层与层之间容易于滑动的结果

医生诊断需要结合临床症状、影像检查等各种数据，基于此，提出了一种可以进行数据融合的医疗辅助诊断方法。将患者的影像信息（如CT图像）和数值数据（如临床诊断信息）相结合，利用结合的信息自动预测患者的病情，进而提出了基于深度学习的医疗辅助诊断模型。模型以卷积神经网络为基础进行搭建，图像和数值数据作为输入，输出病人的患病情况。该医疗辅助诊断方法能够利用更加全面的信息，有助于提高自动诊断准确率、降低诊断误差；另外，仅使用提出的医疗辅助诊断模型就可以一次性处理多种类型的数据，能够在一定程度上节省诊断时间。在两个数据集上验证了所提出方法的有效性，实验结果表明，该方法是有效的，它可以提高辅助诊断的准确性

订单接受与不相关并行机调度是订单接受与订单调度的联合决策, 广泛存在于面向定制的多品种混合生产环境中. 针对这一问题, 考虑了顺序与机器依赖的安装时间以及可加工机器限制, 并以最小化总成本为优化目标. 其中, 总成本由被接受订单的总拖期成本和被拒绝订单的总拒绝成本构成. 通过分析订单拒绝对目标的影响, 提出了列表拒绝方法和订单拒绝规则, 进而设计了协同进化遗传算法. 算法将染色体编码分解为订单列表和订单指派两个个体, 提出了基于列表拒绝方法的解码方案来进行订单拒绝决策. 由于两个个体相互独立, 且二者的进化约束不同, 因而引入协同进化策略, 并根据个体的编码特征, 分别采用单亲遗传算子和传统遗传算子进行遗传操作. 数据实验验证了算法的有效性和求解效率, 并对问题规模和订单拒绝成本对算法性能的影响进行了分析

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

本书适合具有(X)HTML和CSS基本知识的任何人。无论你是刚刚接触CSS设计，还是已经开发纯CSS站点好几年了，本书中都有适合你的内容。如果你已经使用CSS一段时间了，但还不是专家，那么你能够从本书获得最大的收益。本书充满了实用的现实建议和示例，可以帮助你精通现代CSS设计。本书的前两章讨论基本的CSS概念和最佳实践，帮助你轻松地入门。你将学习如何建立代码结构和加注释、CSS定位模型的细节以及浮动和清理的工作原理。你可能已经掌握了其中的许多内容，但是可能会发现自己有遗漏或理解不充分的地方。因此，前两章是不错的CSS入门材料，也可以帮助你回顾已经知道的知识。介绍了基本知识之后，后面五章讨论核心CSS技术，比如图像、链接、列表操纵、表单设计、数据表格设计以及纯CSS布局。每一章都由浅入深，直到建立比较复杂的示例。在这些章节中，你将学习如何创建圆角框、带透明阴影的图像、标签页式导航条和flickr风格的翻转

一、程的性质、目的与任务 «分析化学实验教学大纲»是依据«高等学校化学专业培养规格和教学基本要 求»，结合我系教学与教改的实际制定的。 分析化学实验是高等学校化学专业专业的一门基础实验课程。其教学基本要 求是：通过分析化学实验教学，使学生加深对分析化学基本概念和基本理论的理 解；正确熟练地掌握化学分析的基本操作，较系统地学习化学分析实验的基本知 识，学习并掌握典型的化学分析方法；树立“量”的概念，运用误差理论和分析 化学理论知识，找出实验中影响分析结果的关键环节，在实验中做到心中有数、 统筹安排，学会正确合理地选择实验条件和实验仪器，正确处理实验数据

第一章 商品的品名、品质、数量与包装 第一节 商品的品名和品质 第二节 商品数量 第三节 商品的包装 第二章 商品的价格 第一节 商品的价格构成和术语惯例 第二节 主要贸易术语的解释 第三节 其他贸易术语的解释 第四节 进出口价格的掌握 第三章 国际货物的运输 第一节 运输方式 第二节 运输单据 第三节 装运条款 第四章 国际货物运输保险 第一节 海洋货物运输保险的风险与损失 第二节 海洋货物运输保险条款 第四节 国际货物运输保险实务 第三节 陆、空、邮货物运输保险条款 第五章 国际货款收付 第一节 支付工具 第二节 支付方式 第六章 商检、索赔、不可抗力和仲裁 第一节 商品检验 第二节 索赔 第三节 不可抗力 第四节 仲裁 第七章 交易磋商与合同的签订 第一节 交易磋商 第二节 签订合同 第八章 合同的履行 第一节 出口合同的履行 第二节 进口合同的履行 第九章 国际贸易方式 第一节 经销与代理 第二节 寄售与展卖 第三节 招标与投标、拍卖 第四节 期货交易 第五节 对销贸易 第六节 加工贸易