影响个体行为的因素： 传记特点 个性因素 学习

研究了高钛球团的焙烧特征和固结行为.随着TiO2含量的增加,球团焙烧难度增大,当TiO2质量分数由10%增加至21%时,高钛球团所需预热时间由12 min延长至26 min以上,焙烧球强度由每个2486 N降低至每个1728 N.高钛球团由于FeTiO3含量高,导致氧化速度慢、预热球氧化程度低,不利于焙烧固结时钛赤铁矿固溶体晶粒的长大,使得球团固结强度差.通过添加NaOH结合润磨工艺增大颗粒表面能和反应活性,促进了固相扩散,并生成少量低熔点化合物,有利于再结晶过程的扩散迁移,使Ti富集在Fe2TiO5中并促进钛赤铁矿晶粒长大,强化了高钛球团焙烧固结,可使预热时间缩短至16 min,球团强度提高至每个2141 N

对印度尼西亚海砂矿氧化性球团氢气还原的规律做了较详细的研究.实验采用失重的方法,通过对反应过程的物相变化、热力学以及动力学方面的分析,探究了海砂球团矿氢气还原的机理.结果表明:温度在800℃和850℃,还原反应的最终产物主要是FeTiO3,整个反应限制环节是由两个不同阶段的过程组成,反应开始阶段由界面化学反应控制,之后由界面化学反应与内扩散共同控制;在900、950和1000℃三个温度下,反应产物中有钛氧化物出现,整个还原反应由三个不同的限制性环节组成,开始由界面化学反应控制,反应中间阶段是由界面化学反应和内扩散共同控制,反应后期则是由内扩散控制为主

黄土高原地区黄土在灌溉作用下,逐渐达到饱和状态,饱和中,陡坡类黄土坡体自重增加引起下滑力增加. 该过程持续进行后,坡体内部同时发生渗流和剪切过程,导致坡体的变形不断增大,直至破坏后形成滑坡. 本文选取黑方台4.29滑坡为研究对象,在现场调查的基础上,利用滑坡后壁原状黄土试样,基于三轴试验设置10组共60个原状样对饱和黄土的渗透剪切行为进行模拟. 试验中设置了0.5、0.1和0.05 mm·min-1三个不同的加载速率对黄土试样进行剪切,为比较分析,对0.1 mm·min-1剪切速率试样设置了0、1、2和5 m几个不同水头进行了试验. 试验结果表明:饱和黄土在渗流与剪切耦合作用下,表现出应变硬化特征,渗透作用明显降低了黄土的强度,尤其是黄土黏聚力降低,其降幅达5.24%~63.35%. 对已有强度指标拟合后获得黄土在渗透剪切工况下的强度修正公式

基于高性能的YOLOv3目标检测算法，提出一种分阶段高效火车号识别算法。整个识别过程分为两个阶段：第一阶段在低分辨率全局图像中检测出火车号区域位置；第二阶段在局部高分辨率图像中检测出组成火车号的字符，根据字符的空间位置关系搜索得到12位火车号，并利用每个字符的识别置信度及火车号编码规则进行校验得到最终火车号。另外，本文提出一种结合批一化因子和滤波器相关度的剪枝算法，通过对两个阶段检测模型的剪枝，在保证识别准确率不降（实验中略有提升）的条件下降低了存储空间占用率和计算复杂度。在现场采集的1072幅火车号图像上的实验结果表明，本文提出的火车号识别算法达到了96.92%的整车号识别正确率，平均识别时间仅为191 ms

感觉与知觉 社会知觉 个体决策

首先介绍了传统的编队控制方法的定义、特点和常用方法及优缺点,并将传统编队控制时代定义为前编队控制时代.随着多智能体技术的发展,将多智能体技术引入到编队控制问题中,诞生了众多新的研究成果,称为后编队控制时代.后编队控制时代以多智能体技术为基础,随着通信技术、计算机技术、人工智能技术的发展而逐渐壮大起来,并受到了学者的广泛关注.前编队控制时代强调多机器人通过编队协作完成单个机器人无法实现的任务,提高任务完成效率且缩短任务完成时间.后编队控制时代则是在前编队控制时代的基础上,更强调低成本、同步性和协同性,但却不那么重视每个个体的任务分工,甚至是按照规则自由分配任务,不再有“不可替代冶的个体存在.最后给出了研究编队控制问题的基本思路和目前尚待解决的关键问题

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

2.1一个人为的例子 一、家庭收入与家庭消费支出的关系 二、见P20-22 三、回顾一下定义: 回归是研究一个因变量对一个或多个自变量的依赖关系的过程,其用意在于通过后者的设定去估计或预测前者的均值(总体均值)

针对煤与瓦斯突出预测准确率问题,在分析煤与瓦斯突出瓦斯地质因素的基础上,构建了包含瓦斯指标、煤体指标、地应力指标3个一级指标和瓦斯压力、构造煤厚度等12个二级指标的预测指标体系,通过综合运用网络分析法和多类别距离判别法对灰色关联模型中的输入端和输出端进行研究,建立了煤与瓦斯突出多指标耦合预测模型.该模型基于对煤与瓦斯突出瓦斯地质因素的综合分析,计算预测指标权重,划分煤与瓦斯突出可能性等级,建立了对突出可能性进行判别的2个判别式.以平煤八矿为例应用该模型对8组预测样本进行了煤与瓦斯突出可能性判断,预测结果与实际符合,为矿井煤与瓦斯突出防治提供了技术支撑,证明了煤与瓦斯突出多指标耦合预测模型的准确性和适用性