摘要：在测定了具有不同活性1,2,4-三唑并[1,5-a]嘧啶-2-磺酰胺类除草剂的晶体结构基础上,采用半经验AM1方法对十种标题化合物进行了量子化学计算,从空间构象及电子结构的角度探讨了该类除草剂的构效关系.发现三唑并嘧啶环可能是这类除草剂主要的活性部位,其空间取向及供电子能力直接影响化合物的除草活性.

摘要：采用X射线衍射分析、量子药理学分析以及QSAR分析 ,从空间构象、电子结构和物化性能等 3个方面系统地研究了磺酰脲和稠杂磺酰胺类除草剂的结构与活性关系 ,发现这两类除草剂的结构与活性间的关系是非常一致的 .杂环及磺酰基是它们共同的药效基团 ,可能作用于受体的同一位点 .在此基础上 。

摘要：采用比较分子力场分析方法研究了磺酰脲和三唑并嘧啶－２－磺酰胺类除草剂的三维定量结构活性关系，发现分子周围的立体场和静电场对化合物的除草活性有重要的影响．在对上述两类化合物进行成功叠加的基础上，进一步将两类化合物放在一起进行了比较分子力场分析，结果表明这两类化合物与受体间的相互作用具有共同的结合区域．

摘要：Westinghouse company (WEC) had developed a Nuclear Regulatory Commission (NRC) approved advanced logic system (als) platform based on field programmable gate array (FPGA) technology as the next generation 1E class platform for protection and monitoring system (PMS) development for nuclear power plants. In compliance with the requirements of typical PMS functions, a new als based PMS is designed by overcoming the restrictions of communication modules etc. The consistency with data communication independence and isolation, deterministic, diversity requirements etc. is analyzed. The evaluations indicate the design meets the requirements and can be applied for coming projects.

摘要：文章介绍了井场信息传输规范WITS标准及传输数据格式,分析了目前国内外钻井现场广泛使用的als综合录井仪器的软件结构及其WITS软件模块的数据流程,给出了通过WITS模块获取实时数据的方法和步骤,并提供了一种设计通用数据采集和转发中间件的思路。

摘要：在信息技术日益发展的当下,不同类型的推荐算法在互联网行业的各领域有着广泛的应用。在目前使用较多的推荐算法中,部分侧重于基于评分的预测,也有部分是基于关联排序生成的推荐序列。本文设计一种混合推荐算法,将交替最小二乘法(als)计算的具体评分与Fp-growth的置信度相结合,融合两种算法的优势,从而实现推荐结果优化。基于Spark计算框架的实验表明,在选取合适的算法参数的情况下,这种改进的算法与交替最小二乘法(als)的原始结果相比,效率有较明显的提高,能够更准确的为用户做出个性化推荐。

摘要：最近十余年来，关于肌萎缩侧索硬化（als）治疗的研究有显著进展，其中1995年利鲁唑的上市是一个里程碑式的事件。我们回顾了1990年以后完成的随机对照临床试验（RCT）及有代表性的研究，以期对国内als治疗研究的试验设计有所启发。目前的治疗研究均以als某些致病原理假说为基础。

摘要：为了解决传统协同过滤算法存在着数据稀疏性、准确性以及图书偏好的量化等问题,获得更加理想的图书推荐效果,基于als模型的算法原理,使用读者图书借还记录的平均借阅时长生成读者图书偏好矩阵,引入Pearson相似度分析读者图书相似度,改进als模型造成的因子信息丢失问题,填充未评分项数据,并设计了算法实现流程,为特定读者推荐其偏好图书,通过实验验证算法的准确性。实验结果表明,改进的als算法的RMSE值降低了8.2个百分点,推荐算法的性能及准确度都有所提升。

摘要：大数据时代背景下,网络产生的数据爆炸式增长,用户想获取符合个性化需求的数据信息变得十分困难。推荐系统的目的就是根据用户的个性化兴趣从而从大量的数据中寻找用户所关心的信息,并推荐给用户。正因如此,推荐系统一直是学术界讨论的热点,但是传统的推荐算法忽略了时间的推移会导致用户兴趣的偏移,物品特征对推荐的影响,从而导致的准确率不高。针对以上问题,对矩阵分解模型进行了优化,将时间因子和物品特征因子加入als算法中进行融合加权,并在Spark平台并行化实现。实验表明,优化后的als算法的RSME值下降了6.2%,推荐结果的准确度有所提升。