连续光谱的同步辐射光通过入射狭缝照射到光栅单色器后，在出射的单色光λ中总是不可避免的混有基波λ的高级次谐波λn=λ/n。
采用自制的33001p/mm金膜自支撑透射光栅和美国IRD公司的AXUVI00G光电二极管探测器，定量研究了光谱辐射标准和计量光束线在5~40nm波段的高次谐波。
研究了Zr，Si，Al和Al/Mg/Al滤片在不同能量范围对高次谐波的抑制作用，给出了实验数据和曲线。
在5~40nm波段，适当的选用Zr，Si，Al和Al/Mg/Al滤片可有效地抑制高次谐波，在5~34nm波段将高次谐波与基波的信号强度比例控制在8.06%以内，经量子效率修正后小于3.08%，在35~40波段经探测器量子效率修正后高次谐波比例小于10.00%。
采用自制的33001p/mm金膜自支撑透射光栅和美国IRD公司的AXUVI00G光电二极管探测器，定量研究了光谱辐射标准和计量光束线在5~40nm波段的高次谐波。
研究了Zr，Si，Al和Al/Mg/Al滤片在不同能量范围对高次谐波的抑制作用，给出了实验数据和曲线。
在5~40nm波段，适当的选用Zr，Si，Al和Al/Mg/Al滤片可有效地抑制高次谐波，在5~34nm波段将高次谐波与基波的信号强度比例控制在8.06%以内，经量子效率修正后小于3.08%，在35~40波段经探测器量子效率修正后高次谐波比例小于10.00%。
2024/5/15 8:56:13
1.75MB
1
本文基于支持向量机（SVM）和改进的粒子群优化（IPSO）算法（SVM-IPSO）创建了双向预测模型，以预测碳纤维的性能和生产参数。
在SVM中，选择对预测性能有重要影响的参数至关重要。
提出了IPSO对它们进行优化的方法，然后将SVM-IPSO模型应用于碳纤维产量的双向预测。
SVM的预测精度主要取决于其参数，因此利用IPSO来寻找SVM的最佳参数，以提高其预测能力。
受小区通信机制的启发，我们通过将全球最佳解决方案的信息纳入搜索策略来提出IPSO，以提高开发效率，并采用IPSO建立双向预测模型：在前向预测的方向上，我们认为富有成效参数作为输入，属性索引作为输出；
在向后预测的方向上，我们将性能指标视为输入，将生产参数视为输出，在这种情况下，该模型成为新型碳纤维的方案设计。
来自一组实验数据的结果表明，该模型的性能优于径向基函数神经网络（RNN），基本粒子群优化（PSO）方法以及遗传算法和改进的粒子群优化（GA-IPSO）方法在大多数实验中都是如此。
换句话说，仿真结果证明了SVM-IPSO模型在处理预测问题方面的有效性和优势。
在SVM中，选择对预测性能有重要影响的参数至关重要。
提出了IPSO对它们进行优化的方法，然后将SVM-IPSO模型应用于碳纤维产量的双向预测。
SVM的预测精度主要取决于其参数，因此利用IPSO来寻找SVM的最佳参数，以提高其预测能力。
受小区通信机制的启发，我们通过将全球最佳解决方案的信息纳入搜索策略来提出IPSO，以提高开发效率，并采用IPSO建立双向预测模型：在前向预测的方向上，我们认为富有成效参数作为输入，属性索引作为输出；
在向后预测的方向上，我们将性能指标视为输入，将生产参数视为输出，在这种情况下，该模型成为新型碳纤维的方案设计。
来自一组实验数据的结果表明，该模型的性能优于径向基函数神经网络（RNN），基本粒子群优化（PSO）方法以及遗传算法和改进的粒子群优化（GA-IPSO）方法在大多数实验中都是如此。
换句话说，仿真结果证明了SVM-IPSO模型在处理预测问题方面的有效性和优势。
2024/5/15 2:02:19
536KB
1
汤国安版的ArcGIS地理信息系统空间分析实验教程（第二版）实验数据资料
2024/4/12 19:27:38
118.62MB
1
在不同解包裹算法中,最小费用流(MCF)解包裹法可以限制残差点误差远程扩散,并将误差优先限制在低相干区域,有利于保证高相干区域解包裹结果不受干扰,精度较高,但残差点数量较多时计算效率很低。
为缩短解包裹时间,提出一种残差点预处理方法。
该方法将残差点视作正负电荷,通过电场力,引导距离较近的异号残差点互相抵消,大幅减少残差点数量,从而提高解包裹计算效率。
仿真数据和实验数据表明,残差点预处理对MCF解包裹精度影响很小,在残差点数量超过3000时可以大幅提高解包裹计算效率。
为缩短解包裹时间,提出一种残差点预处理方法。
该方法将残差点视作正负电荷,通过电场力,引导距离较近的异号残差点互相抵消,大幅减少残差点数量,从而提高解包裹计算效率。
仿真数据和实验数据表明,残差点预处理对MCF解包裹精度影响很小,在残差点数量超过3000时可以大幅提高解包裹计算效率。
2024/4/1 18:26:47
10.82MB
1
物理网本文的Tensorflow实施：我们提供实验数据以进行演示和快速演示。
引用文献：王菲，姚明cha，王海超，孟柳，吉安卡洛·佩德里尼，沃尔夫冈·奥斯坦，乔治·巴巴斯塔斯蒂和国海司徒。
使用未经训练的神经网络进行相位成像。
轻科学学报9，77（2020）。
需求python3.6张量流1.9.0matplotlib3.1.3numpy的1.18.1枕头7.1.2摘要迄今为止，为光学计算成像（CI）提出的大多数神经网络都采用监督训练策略，因此需要大量训练来优化其权重和偏差。
在许多实际应用中，在许多小时的数据采集中，除了环境和系统稳定性的要求外，不可能获得足够数量的地面真实图像进行训练。
在这里，我们建议通过将代表图像形成过程的完整物理模型合并到常规的深度神经网络中来克服此限制。
最终的增强型物理深度神经网络（PhysenNet）的最大优势在于，无需事先培
引用文献：王菲，姚明cha，王海超，孟柳，吉安卡洛·佩德里尼，沃尔夫冈·奥斯坦，乔治·巴巴斯塔斯蒂和国海司徒。
使用未经训练的神经网络进行相位成像。
轻科学学报9，77（2020）。
需求python3.6张量流1.9.0matplotlib3.1.3numpy的1.18.1枕头7.1.2摘要迄今为止，为光学计算成像（CI）提出的大多数神经网络都采用监督训练策略，因此需要大量训练来优化其权重和偏差。
在许多实际应用中，在许多小时的数据采集中，除了环境和系统稳定性的要求外，不可能获得足够数量的地面真实图像进行训练。
在这里，我们建议通过将代表图像形成过程的完整物理模型合并到常规的深度神经网络中来克服此限制。
最终的增强型物理深度神经网络（PhysenNet）的最大优势在于，无需事先培
2024/3/31 3:15:13
1.04MB
1
根据光学玻璃元件超精密抛光加工技术的需求，研究了磁性复合流体(MCF)抛光液成分配比及制备，并在此基础上结合不同抛光工艺参数实验分析BK7光学玻璃的抛光质量。
研究不同成分配比下的磁性复合抛光头的物理表现，在MCF各成分质量分数为铁粉55%、水30%、氧化铈12%以及α-纤维素3%时，获得形状及稳定性最佳的MCF抛光头；
采用该比例配制的MCF在自行研制的MCF抛光设备上对BK7玻璃进行定点抛光，对MCF抛光头正压力及BK7玻璃抛光后的表面粗糙度进行研究。
通过实验数据分析发现抛光正压力随主轴转速的增大而增大，随磁铁偏心距的增大而减小，经过50min定点抛光，表面粗糙度从10.2nm降低到6.7
研究不同成分配比下的磁性复合抛光头的物理表现，在MCF各成分质量分数为铁粉55%、水30%、氧化铈12%以及α-纤维素3%时，获得形状及稳定性最佳的MCF抛光头；
采用该比例配制的MCF在自行研制的MCF抛光设备上对BK7玻璃进行定点抛光，对MCF抛光头正压力及BK7玻璃抛光后的表面粗糙度进行研究。
通过实验数据分析发现抛光正压力随主轴转速的增大而增大，随磁铁偏心距的增大而减小，经过50min定点抛光，表面粗糙度从10.2nm降低到6.7
2024/3/22 6:09:08
9.76MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB