关于核衰变的几个问题释疑

一、为什么从原子核中会放出α粒子、β粒子和γ光子 α粒子就是氦原子核,由两个质子和两个中子组成,原子核中的质子和中子即核是靠核力作用而紧密结合在一起的,但由于各个核子的原子核中所处的位置和状态不同,它们结合的紧密程度也有所差异．在一些重原子核中常常会有两个质子和两个中子形成一个结合得特别紧密的“小集团”,当这个“小集团”的能量特别大时。     

谈洛伦兹力和安培力

在学习"磁场对运动电荷作用"时,关于洛伦兹力的方向总与带电粒子速度的方向垂直,洛伦兹力永远不对粒子做功,它只改变粒子运动的方向,而不改变它的速率和动能,学生容易理解.即使在电场、磁场共存的情况下,带电粒子的轨迹不是圆周,洛伦兹力仍与速度方向垂直,洛伦兹力不做功也不难理解.但学生感到困惑的是:安培力可以看作是作用在每个运动电荷上的洛伦兹力的宏观表现,而安培力可以做正     

基于Hopfield神经网络和PSO的线性系统辨识方法

研究了一种基于连续型Hopfield神经网络和粒子群优化（PSO）的线性系统辨识方法。首先建立了系统的预测模型以及辨识误差函数,然后将误差函数近似为连续型Hopfield神经网络的能量函数。利用神经网络的自我演化,得到近似的辨识参数。通过引入PSO机制,缓解了Hopfield神经网络在辨识过程可能陷入局部极小值的缺陷,增强了辨识的效果。最后,仿真研究验证了所提方法的有效性。     

损失规避下的指数跟踪问题及其粒子群算法求解

随着指数衍生产品日益受到重视,指数化投资组合常被传统的消极基金管理者或机构所采用,而用有限的资金按指数构成比例进行投资显然是不现实的,所以指数的最优误差追踪就显得更加重要。将追踪误差定义为证券投资组合收益率与所追踪的指数基准收益率之差的均值平方和的平方根,建立了基数约束（即总资产数不超过某个特定整数K）下考虑投资者损失规避决策偏好的跟踪误差最小化模型,并设计了一个粒子群算法求解模型。实际算例表明,所构建的模型和算法是有效的。     

Spark Streaming中参数与资源协同调整策略

Spark Streaming是一种典型的批量流式计算平台,可用于处理持续到达的数据流。流式数据最重要的两个特征是波动性和时效性。利用动态调整系统参数和动态调整资源满足不同数据到达速率的响应延迟,但调整参数的方式具有局限性,其用户成本较大。因此提出一种参数和资源协同调整策略,采用动态邻域粒子群算法找到一种满足SLO目标且使用资源最少的系统方案。实验表明,AdaStreaming与DyBBS相比,延迟性降低了70.1%,在资源使用量上比DRA降低了42.1%。     

动态力学

任何力均是两物体间的相互作用力,施力物体与受力物体并生并存,单独物体不能形成力,力必须依附于物体,不能凭空存在。光速不可超越是因为受力物体的速度不可能超过施力物体的速度,而施力物体受制于自身条件存在速度极限,就如一个人推车的速度不可能超过其跑步的最快速度。牛顿经典力学认为质量与速度无关是正确的,实验数据证明,当受力物体的速度接近施力物体的极限速度时,实际作用力变的非常小,使得速度很难进一步增加。动态力学的这一原理适用于任何力学现象,包括粒子加速器中的带电粒子,由于粒子加速器中的带电粒子不能超越光速并非因其质量增大,而是其实际受力随速度增加呈指数式衰减,故爱因斯坦狭义相对论的质能公式是错误的,牛顿经典力学认为能量与质量相互独立的理论是正确的。     

粒子群算法的改进研究

粒子群算法具有在优化过程中需要调整的参数不多,结构简单,收敛速度快等特点。在分析其他改进粒子群算法的基础上,提出了一种新的粒子群协同优化算法。通过测试函数测试表明,新的粒子群协同优化算法明显提高了算法的收敛性能。     

2022年高考全国甲卷理综第18题评析

复合场问题是高考命题的热点之一,针对2022年高考全国理综甲卷第18题,从试题解法、与课标标准的契合度、试题来源和试题拓展等方面,进行了深入浅出的剖析,以期为高中物理教学提供行之有效的策略。     

基于HPS的教学设计——以“原子核式结构”为例

针对新教材将物理学史、人文史、科学哲学等内容以引言、课后阅读等方式穿插在相关章节中,提出引入HPS教学模式,并以“原子核式结构”为例,谈如何基于HPS教学模式进行教学设计。     

深度挖掘已知条件 提高解题精准度

物理课程的学习需要以严谨认真的态度去辨析,面对问题时应通过独立思考,对题目进行深度挖掘,发现问题、解决问题,这是巩固和加深所学知识的有效途径之一,也是教师命制科学、严谨、高质量题目的前提。