一、增量调制系统的抗噪声性能 在△M系统中同样存在两类噪声,即量化噪声和信道加性噪声。由于这两类 噪声是互不相关的,可以分别讨论。 a)量化信噪功率比 由于在实际应用中都是防止工作到过载区域,因此这里仅考虑一般量化噪 声

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

强电解质(a≈100%的物质,溶液中无分子状态) ·达饱和溶解度时:结晶(s)=溶解()平衡多相 易溶强电解质(NaCl),溶解度(中学)不讲 难溶强电解质(AgCl):

为了分析航班运行风险传播过程，进而有效控制保障飞行安全，基于复杂网络理论，首先参照民航局咨询通告选取机组、航空器、运行环境共29个终端因素作为网络节点，统计民航安全监察记录，根据事件中节点关系，构建无向网络；统计前后节点间的作用关系和发生概率，提出一种有向带权的航班运行风险网络；然后，引入改进感染率和改进恢复率概念，构建一种适用于航班运行风险传播分析的改进SIR(Susceptible-infected-recovered)模型；定义感染起始范围，最后采取多参数控制方式，大规模计算该有向带权网络的传播和控制过程。结果表明：有向网的平均最短路径为1.788，属于小世界网络；参照使用民航常规管控措施，有向网节点感染下降幅度可达到37.4%；对入度值排序前3或前4的节点控制后，感染节点峰值下降率高达50.6%和58.1%，网络传播抑制明显。结果证实：在该航班运行风险有向带权网络中，按入度值控制节点对抑制风险传播最为有效

在进行大尺寸采空区嗣后充填过程中，胶结充填体易出现分层等结构现象。为深入分析结构特征对胶结充填体力学特性及裂纹演化规律的影响，首先制作中间层高度比为0.2、0.4、0.6和0.8，灰砂比为1∶4、1∶6、1∶8和1∶10的分层胶结充填体试件，然后利用GAW–2000伺服试验系统开展单轴压缩试验，最后借助二维颗粒流软件（PFC–2D），分析胶结充填体内部裂纹分布规律。结果表明：（1）分层充填体单轴抗压强度与高度比呈指数函数关系、与灰砂比呈多项式函数关系；弹性模量与高度比及灰砂比均呈多项式函数关系；单轴抗压强度及弹性模量均随高度比的增加而减小、随灰砂比的增大而增大，且两者对灰砂比敏感度更高。（2）充填体内部裂纹演化曲线先缓慢上升，达到单轴抗压强度的80%左右时快速上升，且灰砂比越大、高度比越大，上升速度越快，拐点到来越早，充填体试件越易发生破坏，超过单轴抗压强度后曲线开始迅速下降。（3）分层充填体主要表现为剪切破坏、张拉破坏及共轭剪切破坏，且破坏主要集中于中间软弱层；高度比越大，试件内部裂纹越密集，灰砂比越大，裂纹越易向两端演化

增量调制简称△M或DM,它是继PCM后出现的又一种模拟信号数字传输的 方法。 PCM中,代码表示样值本身的大小,所需码位数较多,导致编译码设备复 杂;而在△M中,它只用一位编码表示相邻样值的相对大小,从而反映抽样时刻 波形的变化趋势,而与样值本身的大小无关

一、消化系统 (一）消化道是一根自口到肛贯通体腔中央的管道,按其 功能和结构的不同可区分为前肠、中肠和后肠

1·昆虫在现存生物中的比例 在动物界中:节肢动物门占动物界总数的微生物5%75%,即生物界的56.3%植物20%

1.本课程是昆虫学科中的基础课程 主要学习和掌握昆虫的形态特征、体内器官的结构、个体生长发育及生物学的特点、分类、 群体数量消长与森林生态系中其它有关因子间的相互关系,以及害虫防治和益虫利用的一般原理和措施

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