合金钢材疲劳极限估算的不确定性系统模型

钢材的疲劳强度是汽车零件进行疲劳强度设计及可靠性分析的必需数据，但国产的疲劳极限难以查找。分析疲劳强度估计的现状后，运用泛灰色不确定性系统理论，建立了疲劳强度估算的不确定性系统模型USM—1，给出了精度检验方法。编制了MATLAB程序，给出了实例。该模型不需要累加生成和累减生成，不仅适合于等间距建模，也适合于非等间距建模，具有精度高、使用简便等特点。     

Kohonen神经网络模型在膨胀土膨胀潜势分类中的应用

章研究了运用Kohonen神经网络方法对膨胀土膨胀潜势进行分类的原理和方法，并建立了膨胀土膨胀潜势分类判别的Kohonen神经网络模型。利用此模型对陕南膨胀土的膨胀潜势进行了判别分类。结果表明，这一评价方法比其他方法更简洁，也更准确。     

车身焊装激光在线检测系统的柔性标定方法

激光在线检测设备的全局标定是在线测量的基础。针对汽车生产线上车身的激光检测系统，探讨了检测系统的各种在线标定方法，在分析、对比了各种全局标定方法在实际运用过程中的标定精度和可靠性的基础上，提出了利用柔性较大的便携式6轴关节式三坐标测量机(PCMM)对激光在线检测系统进行在线全局标定的方法，并通过在线标定实例证明了其可行性。     

神经网络控制汽油机空燃比的研究

结合发动机空燃比的控制特征，研究了一种能自适应补偿喷油量的CMAC控制器。介绍了其自适应补偿算法——学习—补偿法。通过采用台架试验数据加随机扰动数据并用MATLAB对CMAC进行训练和仿真，获取了控制器参数，验证了控制器的学习能力、鲁棒性和控制精度。     

Meynert核毁损大鼠海马结构内胆囊收缩素阳性神经元的变化

目的观察Meynert核(NBM)毁损后大鼠海马结构内胆囊收缩素(CCK)阳性神经元的变化,初步探讨CCK参与学习记忆的机制。方法以海人酸毁损双侧NBM建立学习记忆障碍模型,用避暗回避实验进行行为学检测,免疫组织化学染色后光镜下观察并计数海马结构内的CCK阳性神经元。结果NBM受损后大鼠记忆保持力明显下降,与正常组比较具有显著性差异;NBM受损后海马结构内各区CCK阳性神经元数量明显减少,与正常组比较具有显著性差异。细胞形态的改变主要表现为胞体轮廓稍显模糊,突起变短,胞浆着色减弱。结论NBM损毁大鼠海马结构内CCK阳性神经元显著减少,其参与了NBM毁损后大鼠学习记忆的下降。     

两足机器人步态综合研究进展

把两足机器人步态综合方法分为参考轨迹法和自然动力学法两大技术流派.根据参考轨迹获得方法的不同,参考轨迹法又分为步行数据法、中枢模式发生器法和动力学模型法.自然动力学法也可分为被动动力学法和虚拟模型法.在总结两大流派研究进展的基础上,分析了它们各自的优势和不足,指出了今后工作的重点,即参考轨迹法需要提高步行效率和轨迹的生成速度,而自然动力学法需要增加功能.最后分析了强制学习技术在步态综合中应用的适应性和多自由度造成的组合爆炸问题.     

WebQuest--探究式学习的一种形式

WebQuest是一门新兴的课程计划,在实际教学中教师为指导学生进行主动的知识构建设计Web网页,并相应设置任务和评价策略.文章着重探讨了WebQuest在实际教学中的设计方法及其一些需要注意的事项.     

新一代深度学习图像重建算法在腹部低剂量CT中的应用研究

目的 探讨深度学习图像重建算法(DLIR)在腹部低剂量CT中提高图像质量和降低伪影方面的价值。方法 前瞻性连续纳入2019年10月-2020年6月进行CT尿路造影的患者26例,男14例,女12例,平均年龄(60.35±10.89)岁。所有患者均行常规剂量平扫、门静脉期增强(噪声指数10;体积CT剂量指数：9.61 mGy)和低剂量排泄期扫描(噪声指数23;体积CT剂量指数：2.95 mGy)。排泄期图像采用ASiR-V 50%、低强度DLIR(DLIR-L)、中强度DLIR(DLIR-M)、高强度DLIR(DLIR-H)共4种方式重建,采用重复测量的单因素方差分析和Kruskal-Wallis H检验分别比较4组图像的客观评价[偏度、噪声、信噪比(SNR)及对比噪声比(CNR)]及主观评价内容(图像质量、噪声、伪影),并采用Bonferroni检验进行事后两两比较。结果 无论是客观评价还是主观评价方面,DLIR图像的SNR、CNR、整体图像质量评分及噪声均相似或优于ASiR-V 50%,且SNR、CNR和图像质量评分随DLIR权重增加而增加,噪声随着DLIR权重增加而降低。4组图像在失...     

长春西汀对抑郁大鼠MECT后学习记忆障碍的改善作用机制

目的 探究长春西汀对抑郁大鼠无抽搐电休克(MECT)后学习记忆障碍的改善作用机制。方法 采用慢性温和不可预见性应激(CUMS)法构建抑郁症大鼠模型,将30只抑郁症大鼠随机分为抑郁组、MECT组、MECT+长春西汀(10 mg/kg)组,每组10只,另选取10只未处理的健康大鼠作对照组。采用Morris水迷宫实验和新物体识别实验检测学习记忆能力,糖度偏好实验评估抑郁状态,制备海马脑片进行电生理实验,高尔基染色检测树突棘密度,qPCR和Western blotting实验检测内源性大麻素相关基因[二酰基甘油脂肪酶(DAGLα)、单酰甘油脂肪酶(MAGL)和内源性大麻素Ⅰ型受体(CB1R)]表达。此外注射慢病毒下调海马中CB1R和DAGLα表达,再次建模与处理后,进行行为学检测。结果 与对照组比较,抑郁组糖度偏好、空间探索时间、相对辨别指数、长时程增强(LTP)、树突棘密度、DAGLα和CB1R表达降低,逃避潜伏期和MAGL表达升高(P<0.05);与抑郁组比较,MECT组糖度偏好、逃避潜伏期和MAGL表达升高,空间探索时间、相对辨别指数、LTP、树突棘密度、DAGLα和CB1R表达降...     

基于深度学习的网约车需求预测研究

网约车需求预测是一个典型的时间序列预测任务,准确的网约车需求预测能够辅助网约车平台合理地派单和规划路径,从而降低网约车的空驶率,具有重要的研究意义。文章利用长短时记忆模型（LSTM）及门控循环单元（GRU）进行网约车需求预测,对比了同一地区休息日和工作日,一周和一个月内的网约车需求及其变化,构建基于LSTM和GRU的需求预测模型,使用历史数据对未来需求进行预测,使用Geohash代码对西安市进行区域划分,对数据和划分的网格进行匹配得到汇总数据,采用线性模型进行对照试验,结果表明,LSTM和GRU在网约车需求预测中的表现优于线性模型,二者相比LSTM预测精度更高。