为规范白花前胡(Peucedanum praerupterum)种植和提高产量,对不同光强下白花前胡的光合特性进行了研究。结果表明,与遮阳40%和60%相比,对照(CK)和遮阳20%的白花前胡叶片具有更高的最大电子传递速率[分别为247.129和266.866μmol/(m
2·s)]和最大净光合速率[分别为25.621和28.167μmol/(m
2·s)],且最大净光合速率对应的饱和光强[分别为2130.419和1927.804μmol/(m
2
神经诱导、细胞分化、形态发生、细胞迁移、轴突引导、突触形成……这些令人费解的名词其实是我们在出生前大脑“悄悄地”经历的一系列发育过程.rn在大脑发育阶段中,神经发育首先起源于神经外胚层所衍生的神经管,神经管再出现3个脑泡,沿着头尾轴方向分为前脑、中脑和菱脑,继而再分化成端脑、间脑、中脑、后脑和延髓等5个脑泡(如图1A所示).位于端脑、间脑和中后脑中的“二级组织者”,通过分泌形态生成素诱导各脑区的形态建成,这就完成了第一步——神经诱导过程.
为研究交趾黄檀(Dalbergia cochinchinensis)的化学成分,采用有机溶剂提取、萃取及多种色谱分离技术,从其心材中分离得到5个新黄酮和7个其他类型成分。根据理化性质和波谱数据,其结构分别鉴定为:7-hydroxy-2ʹ,3ʹ,4ʹ-trimethoxyisoflavan(1)、6,4ʹ-dihydroxy-7-methoxyflavan(2)、R-dalbergiphenol(3)、R-4-methoxydalbergione(4)、mimosifoliol(5)、R-5-O-methy
人的大脑是自然界中最复杂的造物,居住于此的神经细胞,数量如漫天的繁星,约有1000亿个.不同于其他组织器官,大脑中的神经细胞根据形态、功能或者特定的生物标志物,分类不计其数.这些种类繁多的神经元又连接成神经环路去执行某个明确的生理功能,众多神经环路交互联系就形成了浩瀚如宇宙般的神经网络.
本文依托四川大学直线等离子体装置(SCU-PSI)产生高通量氢等离子体,采用朗缪尔探针对氢等离子体特性进行诊断,研究了氢等离子体特性随放电电流、气体流量等输入条件的演变规律;并利用调控产生的氢等离子体对纯钨进行了相应的辐照研究.实验结果显示,在磁场0.1~0.2 T、气流量1000~2200 sccm和电流180~228 A范围内,氢等离子体通量密度、热负荷密度及电子密度、温度等参数与磁场和电流呈正相关关系,而与气体流量呈负相关关系.在该范围内,最高等离子体密度达到2.6×1019
为揭示喀斯特生境中藤本植物的生态策略,对中国科学院普定喀斯特生态系统观测研究站的陈旗流域中9种木质藤本的叶片功能性状及其相关性进行了研究。结果表明,叶面积、叶厚度、叶绿素含量、比叶面积、叶组织密度和叶干物质含量6个叶功能性状均存在不同程度的变异,性状的种间变异为9.24%~98.18%,种内变异为0.64%~39.71%。落叶植物性状的种内变异系数低于常绿植物;相较于喀斯特乔灌木,藤本植物具有较低的叶厚度、叶组织密度和较高的叶面积、叶干物质含量;藤本植物叶功能性状间关系紧密,比叶面积与叶组织密度、叶干物质
本文研究了Logistic扩散过程中未知漂移参数的序列极大似然估计量的性质,给出了序列估计量及其均方误差的显式表达式,并证明了该估计量是闭的、无偏的、一致正态分布且强相合的.最后,本文用数值实验验证了理论结果.
碲化铋基化合物是室温附近性能最佳的热电材料,在余热回收以及固态制冷领域具有重要的应用价值.其主要的制备方式是球磨法,各类参数的细微变化都可能影响材料的微结构和热电性能.球磨时间作为重要的球磨参数既能影响粉末粒径的细化,也对材料的热电性能有所调控,因此亟需逐步分析球磨时间对晶体结构、粒径尺寸及产物热电性能的影响.本文采用恒定的球磨转速,调节不同球磨时间制备碲化铋基材料.通过晶体结构及粉体粒径的分析发现了晶粒对球磨时间的响应.后续热电性能测试结果表明,增加球磨时间后粒径发生变化并导致了电子、声子输运模式的协同
现有主流文本蕴含模型大多采用循环神经网络编码,并采用各种注意力推理机制或辅以手工提取的特征来提升蕴含关系识别准确率,由于复杂的网络结构和RNNs网络串行机制导致这些模型训练和推理速度较慢.本文提出轻量级文本蕴含模型,采用自注意力编码器编码文本向量,点积注意力交互两段文本,再采用卷积神经网络对交互特征推理,整个结构可根据不同数据的推理难度叠加不同模块数量.在多个文本蕴含数据集实验表明,本文模型在保持较高识别准确率情况下仅用一个块参数仅为665 K,模型推理速度相比其他主流文本蕴含模型至少提升一倍.
针对滚动轴承状态监测实时性差、故障诊断准确率低的问题,提出一种基于改进局部均值分解(ILMD)和数学形态学分形理论的特征提取算法,并结合概率神经网络(PNN)完成对轴承状态的智能化识别分类.该算法首先通过ILMD分解轴承原始振动信号,选取相关性系数最大的两阶分量,求取其分形维数作为特征向量;其次,结合盒维数理论,将“形态学覆盖面积”作为第三维特征向量,同时构建起三维特征矩阵;最后,将特征矩阵输入PNN以完成状态的识别分类.使用西储大学实测轴承数据验证算法,结果表明,该算法不仅能够精确识别不同状态的轴承,还