通量和环量概念的前瞻与俯视

描写电磁场性质的通量和环量概念，因无熟悉的事物可借鉴和类比，故“理解不能到位”的焦虑感常常困扰着学生。实践证明，在“电磁学”课程的绪论中，勿惜时间，将两概念大胆地进行前瞻与俯视，教学效果会有极大改观。     

地热电站凝汽器真空系统的技术经济性分析

本文分析了真空系统对地热电站高效运行的重要意义,介绍了射汽抽气器及水环式真空泵两类真空系统的工作原理,并基于肯尼亚某地热井井口电站参数,对两级抽气器和两级水环式真空泵的当量能耗进行了技术经济性对比分析,给出了地热电站真空系统优选建议,为真空系统的优化提供了科学依据。     

时间之环——《解忧杂货店》的时间变形

《解忧杂货店》是日本当代推理小说家东野圭吾的一部非推理小说。在该作品中,作者非但没有制造凶杀案与寻找真相的紧张感,反而给读者带来满满的感动以及拼搏向上的正能量。东野圭吾的这部作品除了选材精妙之外,他通过灵活变换叙述时间是小说的叙事时间形成了一个封闭的圆环,从而使五个故事环环相扣,结构十分独特。笔者试图以时距为线索来分析这部作品的魅力。     

初等数学与密码学

在中学里,新学科永远是中学学生感兴趣的一点,特别是现在网络时代,密码学更是中学时代学生想去探究的学科。本文将从中学基础的因子、模、同余、最大最因数介绍起,到深层次的逆元、群、多项式逐一讨论,且立足于中学数学与信息技术两门学科,通过一个个例子把中学数学中所蕴含的密码学基础知识传输给学生,以提高了学生兴趣,并为其它学科的学习打下基础。     

有限域上Ⅰ-型最优正规基对偶基复杂度的新证明

万哲先和周凯于2007年确定出有限域F_qⁿ上Ⅰ-型最优正规基对偶基的复杂度在q为偶数和奇数的情况分别为3n-3和3n-2.我们通过利用关于有限域多项式基对偶基的一个引理,更清晰地求出I-型最优正规基的对偶基,从而给出其复杂度的一个新证明.     

分圆多项式在Ζ[x]中不可约性的新证明

利用对称多项式的基本原理,数论的基本知识及简单的组合公式给出了分圆多项式在有理数域上的不可约性的新证明,避免了使用Ζ[x]为唯一分解环这一结论。     

关于增广商群结构问题的讨论

对任意有限群G的整群环ZG,设Δn(G)是ZG的n次增广理想,记Qn(G)=Δn(G)/Δn 1(G)为G的增广商群.本文给出了Qn(G)的一组与G的Sylowp-子群相关的生成元,并且在利用这组生成元和已有结果的基础上对二面体群D2tk(k奇)之增广商群Qn(D2tk)的结构进行了讨论,证明了Qn(D2tk)Qn(D2t).     

高校网络群体性事件舆情演化规律初探——基于多项式拟合的定量分析

高校大学生群体由于文化素质高、思维活跃、关心社会、思想不够成熟等,在网络敏感事件的诱使下容易在网络上形成一些过激语言和行动,从而形成一些大规模的高校网络群体性事件,给社会造成了巨大的影响力。因此,有必要清楚地了解各类高校网络群体性事件网络舆情的演化规律,用定量分析的方法进行科学的论证和预测。本文通过搜集5个典型的高校网络群体事件舆情演化的历史数据,建立了基于多项式拟合的舆情演化规律模型,得到了各类高校网络群体性事件舆情演化的具体规律,为科学预测和及时应对高校网络群体性事件起到一定的借鉴作用。     

Multi-layer self-organizing polynomial neural networks and their development with the use of genetic algorithms

In this paper, we introduce a new architecture of genetic algorithms (GA)-based self-organizing polynomial neural networks (SOPNN) and discuss a comprehensive design methodology. Let us recall that the design of the “conventional” PNNs uses an extended group method of data handling (GMDH) and exploits polynomials (such as linear, quadratic, and modified quadratic functions) as well as considers a fixed number of input nodes (as being selected in advance by a network designer) at polynomial neurons (or nodes) located in each layer. The proposed GA-based SOPNN gives rise to a structurally optimized structure and comes with a substantial level of flexibility in comparison to the one we encounter in conventional PNNs. The design procedure applied in the construction of each layer of a PNN deals with its structural optimization involving the selection of preferred nodes (or PNs) with specific local characteristics (such as the number of input variables, the order of the polynomial, and a collection of the specific subset of input variables) and addresses specific aspects of parametric optimization. An aggregate performance index with a weighting factor is proposed in order to achieve a sound balance between approximation and generalization (predictive) abilities of the network. To evaluate the performance of the GA-based SOPNN, the model is experimented with using chaotic time series data. A comparative analysis reveals that the proposed GA-based SOPNN exhibits higher accuracy and superb predictive capability in comparison to some previous models available in the literature.     

素数在域Q(u~[1/(l~n)])上素理想分解

设F=Q(u~[1/(l~n)]),其中l是奇素数.本文给出了奇素数p在整数环OF中的素理想分解形式.