组织形式和实习方式:以田间调查、采集为主,结合室内病害诊断鉴定。 普通植物病理学课程教学实习的目的是让学生将课本上学习到的病原物分 类学理论知识应用到具体实践中,提高同学们解决实际生产问题的能力,特别 是鉴定病害标本的能力。该实习是植保专业本科生学习普通植物病理学课程的 最重要生产实践环节,是植物病害病原学教学的一个重要组成部分,包括病情 调查、病害标本的采集和制作、病原的鉴定以及病害的田间诊断等生产实习活 动。本实习是植保专业本科生对病原学深入认识的一个重要过程,将为进一步 学习植物病理学原理和农业植物病理学的学习以及将来开展科研和技术推广工 作打下一定的理论基础

甘肃省兰州市2019届高三下学期第一次诊断考试语文试卷_甘肃省兰州市2019届高三下学期第一次诊断考试语文试卷

短时Fourier变换(STFT)在分析非平稳信号的过程中,受调制系数的影响,时频分布图中的能量扩散至主导频率的周围,降低了时频分布的可读性.运用STFT分析瞬时频率缓变或恒定的信号时,调制系数的影响较小甚至可以忽略不计,而得到能量聚集程度很高的时频分布.根据这一特点,提出了迭代广义短时Fourier变换(IG-STFT),该方法有效改善了时频图的可读性.首先运用迭代广义解调分离出频率恒定的单分量成分,然后运用STFT分析信号的时频分布,最后依据STFT的分析结果和相位函数得到原信号的时频分布.通过行星齿轮箱仿真信号和实验信号分析,验证了该方法在分析非平稳信号中的有效性,准确诊断了齿轮故障

将核主成分分析方法引入热轧生产过程的监控与诊断中,根据平方预测误差统计量进行生产过程监控,然后利用数据重构和优化的邻域选取策略相结合的方法求出各工艺参数对平方预测误差统计量的作用,分析引起过程异常的主要工艺参数,最后利用仿真和热轧带钢实际生产数据进行实验.结果表明:基于核主成分分析的平方预测误差统计量能较准确诊断过程的异常,并可以找出引起异常的原因,为调整生产过程提供方法支撑,防止次品的出现

甘肃省兰州市2016届高三3月份诊断考试语文试卷_甘肃省兰州市2016届高三3月诊断考试语文试卷 Word版含答案

提出了一种分数阶的对称性近似平移不变过完备小波的构造方法.首先,给出一种构造具有对称性且具有最小长度的低通滤波器方法.其次,通过拓普利兹矩阵分解法求出对应的具有近似平移不变性的高通滤波器,此方法比其他分解方法具有更低的计算复杂度.此外,利用此构造方法,也得到具有更高阶消失矩的分数阶过完备小波变换.最后,将构造出的分数阶对称平移不变过完备小波应用到轴承故障诊断中.实验结果表明,提出的小波变换能有效地提取出轴承的故障特征

甘肃省兰州市2013届高三第一次质量诊断语文试题_甘肃兰州市2013届高三第一次质量诊断

本课程的任务主要是研究生物制品的原理和制作工艺，及其在动物传染病预防、诊断和治疗中的作用，使学生掌握生物制品的使用、制备过程，为今后工作中运用生物制品预防、诊断、治疗传染病，保障畜禽健康打下基础。要求掌握动物疫病病原理化特性、培养特点、致病机理及免疫机理，获得合乎生物制品质量要求，生物制品的生产制造工艺、保藏条件和使用方法等，并保证生产优良制品，不断提高制品的质量，防止可能存在的有害因素经生物制品对动物健康造成的危害和动物疫病的传播，促进养殖业的发展

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断

为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础