一、本教材电子教案(演示文稿)采用 POWERPOINT2000制作,用户可根据教学需求随意修改,使用非常方便。 二、本电子教案以鲜艳的色彩,明亮的格调为主旋律,加上不同风格的动画,给人一种朝气蓬勃、耳目一新的感觉。每章风格各不相同,充分发挥了作者的创意。 三、本电子教案由华北电力大学(北京)工商管理学院教授李存指导,并和李武教师一同制作完成

定义:具有生长功能的子宫内膜组织,包括腺 体及间质,出现在子宫腔被覆粘膜以外的身体其 它部位时,称子宫内膜异位症(endometriosis), 简称内异症

高熵合金与非晶合金作为新一代金属材料，具备许多优异的物理、化学及力学性能，在柔性电子领域展现出巨大的应用潜力。传统的块体高熵合金与非晶合金虽然性能优异，但由于材料本身的刚性特点无法满足可变形电子设备的柔性需求，因此需要通过一定方式如降低维度、设计微结构等赋予其柔性特征。在简述高熵合金柔性纤维的力学性能特点的基础上，介绍了高熵合金薄膜作为潜在柔性材料的制备方式与结构性能特点，总结了非晶合金薄膜应用于电子皮肤、柔性电极、微结构制作等柔性电子领域中的最新进展，最后讨论了现有工作的不足之处并对未来柔性电子的发展前景进行了展望

物质的化学组成、结构和化学变化是构成化学问题的三大方面。这三个方面都涉 及电子的核外运动,因此本章首先要重点介绍原子中电子的运动状态和特征。 如绪论所述,要描述宏观物体的运动,确定宏观物体的运动状态,需用经典 力学来处理,通过经典力学的基本方程(F=ma)可以求出宏观物体的轨迹和相应的 能量

数学上解薛定谔方程时,可以得到很多γ数学解, 而从物理意义上讲,这些数学解并不都是合理的, 并不是每一个数学解都能表示电子运动的一个稳定 状态。 为了得到合理的解,就要求一些物理量必须是量 子化的,从而引入三个量子数n、l、m。这三个 量子数不是任意的常数,而要符合一定的取值。 因此,所谓解薛定谔方程,就是解出对应一组 n、l、m的波函数nm及相应的能量En,一般 我们就用它来描述原子中电子的运动状态

为了确保未来核聚变反应堆的氘氚自持燃烧必需采用中子增殖材料来得到合适的氚增值比。金属铍被认为是最有前途的核聚变反应堆固态中子倍增材料，但其熔点低，高温抗辐照肿胀性能差，因此需要寻找和研发具有更高熔点和更耐辐照肿胀的新型中子增殖材料以满足更先进的聚变堆要求。本研究尝试提出并制备了一种更高熔点的铍钨合金（Be12W），通过X射线和扫描电子显微镜对它的相组成和表面结构进行分析。对新型铍钨合金进行高剂量的氦离子辐照，发现合金表面一次起泡的平均尺寸约为0.8 μm，面密度约为2.4×107 cm?2，而二次起泡的平均尺寸约为80 nm，面密度约为1.28×108 cm?2。分析氦辐照引起的表面起泡及其机制，并与纯铍和铍钛合金表面起泡的情况进行了对比

把砂井地基上下边界视为半透水边界,以研究顶部垫层和底部下卧层透水特性对砂井地基固结过程的影响.根据轴对称固结方程和等应变假定,利用Hansbo法获得了真空联合堆载预压下半透水边界砂井地基的固结解答,分析了上下边界透水系数对真空和堆载预压固结度和沉降的影响,比较了真空单独预压下本文解与Indraratna等解答和周琦等解答的联系和差别.研究表明,(1)不管真空预压还是堆载预压,固结时间因子相同时地基固结度随边界透水系数增大而增大.(2)对于真空预压,下边界透水系数越大,地基的最终沉降越小,固结期间时间因子相同时的沉降也越小;上边界透水系数越大,固结期间时间因子相同时的沉降越大.(3)对于堆载预压,不管上边界还是下边界,边界透水系数越大,最终沉降不变,而固结期间时间因子相同时的沉降越大.(4)当真空预压上边界透水时,周琦等解答的固结度大于本文解答的固结度大于Indraratna等解答的固结度.为了提高真空预压的最终沉降,需减少地基下边界的透水性

子宫颈癌是最常见的妇科恶性肿瘤之一,它是 全球妇女中仅次于乳腺癌的第二个最常见的恶 性肿瘤。据统计80年代在全世界每年新发子宫 颈癌为461万,死亡为20万以上。我国每年新 病例为13.15万,约占总数1/3。据我国70年代 全国死亡回顾调查统计,每年全国有70万人死 于恶性肿瘤,其中子宫颈癌死亡人数为5.3万

第三章双原子分子的电子态 3.1born- -Oppenheimer近似 一、多原子分子的 Hamilton算符为:

医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性