简介:随着企业内部的各种软件系统的逐步完善,企业在实现各种软件系统的数据集成上的需求也越来越迫切。针对目前主流的企业协作平台——LotusDomino/Notes和数据库系统的数据集成的方法进行了探索,并提出了相应的解决方案。
简介:采用表面机械研磨的方法制备出具有双面梯度显微结构的超细晶304材料(DGD-304)。使用Zwick微拉伸实验机测试粗晶和细晶不锈钢样品在室温下的力学性能,对比退火工艺对具有梯度晶粒尺寸分布的304不锈钢样品力学性能的影响。使用透射电镜分析其塑性变形表层的组织结构和细化机制。另外,通过扫描电镜观察其断裂特征,讨论其变形机制。结果表明,高频双面表面机械研磨(SMAT)处理后的304不锈钢表现出很高的强度和较好的塑性;500°C温度下短时间热处理可以显著改善其力学性能,具体表现为保持高强度的同时增加了断裂延伸率。可见,DGD-304材料可以通过热处理有效改善其塑性变形能力。
简介:针对脉冲噪声环境下多径时延估计的分辨率问题,提出了一种基于共变谱(CS)和信号估计参数旋转不变技术(ESPRIT)的多径时延估计方法。采用α稳定分布建模脉冲噪声,依据分数低阶统计量理论,将两接收信号的共变序列进行傅里叶变换得到共变谱。CS看作等效的时间序列,把时域的多径时延估计问题转化为频域的多个正弦信号频率估计问题。利用ESPRIT对等效时间序列进行频率估计,得到高分辨率的多径时延估计。仿真实验表明:多径时延估计方法(CS_ESPRIT)在高斯和脉冲噪声环境中均具有较好的估计性能。
简介:将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。