XiaoMi-AI文件搜索系统
World File Search System特性曲线
NiO/β-TiO2不稳定性实验研究...
摘要：制备了NiO/β-Ga2O3异质结栅场效应晶体管（HJ-FET），并通过实验研究了在不同栅极应力电压（VG,s）和应力时间（ts）下器件的不稳定性机制。发现了器件在负偏压应力（NBS）下的两种不同退化机制。在较低的VG,s和较短的ts下，NiO体陷阱捕获/脱捕获电子分别导致漏电流的减少/恢复。在较高的VG,s或较长的ts下，器件的传输特性曲线和阈值电压（VTH）几乎永久地负移。这是因为界面偶极子几乎永久地电离并中和了异质结界面上的空间电荷区（SCR）中的电离电荷，导致SCR变窄。这为研究NiO/β-Ga2O3异质结器件在电力电子应用中的可靠性提供了重要的理论指导。
收敛-约束方法的应用...
满足 Hoek-Brown 破坏准则的岩体设计。本文回顾了 Hoek.Brown 准则定义的完整岩石和节理岩体的强度以及收敛约束法的基础。给出了允许构建收敛约束法三个基本组成部分的方程，即 i) 纵向变形剖面 (LDP)、ii) 地面反应曲线 (GRC) 和 iii) 支撑特性曲线 (SCC)。本文讨论了一个圆形隧道支撑设计的实际案例，并使用收敛约束法进行了解决。本文还包含一个总结该方法实施情况的电子表格。表格和图表中给出了典型岩石特性以及典型支撑系统的几何和机械特性的参考值。© 2000 由 Elsevier Science Ltd. 出版。保留所有权利。
多蒸汽源加热熔盐储能方式在火电机组调峰运行中的应用分析
以具有能量移动性特点的熔融盐储能为研究对象，结合蒸汽品位、蒸汽分流比，对单蒸汽源和多蒸汽源加热的储释能策略下的调峰负荷、热效率、等效往返效率、综合煤耗等评价指标进行分析研究。根据熔融盐系统的储释能特性，得到了机组储释能阶段的热电特性曲线。分析结果表明：储热模式下，单蒸汽源和多蒸汽源加热策略下基本能够达到相同的调峰深度，多蒸汽源加热策略下热效率较高，通过提高蒸汽分流比可以增强调峰深度；在放热量一定的放热模式下，放热蒸汽为冷回蒸汽时调峰能力最大。
EK-DUO • RPD - Elco 燃烧器
单独安装风扇的优点 与一体式燃烧器相比，双体式燃烧器由两个单元或块组成，顾名思义：带有进气口的燃烧器头和单独安装的风扇。两个单元通过风管连接。单独安装风扇有几个好处： • 风扇可以安装在与锅炉不同的房间中，例如在地下室中；这样可以大大降低锅炉房的噪音水平； • 当风扇安装在同一房间时，可以使用风扇外壳来实现最佳吸音效果，而不会妨碍进入燃烧器； • 锅炉/燃烧室前方所需空间较小； • 单独风扇布局，风扇特性曲线最佳适应，以适应热发生器的压力比。这样可以保证燃烧器无脉动且性能稳定，即使在排气侧阻力较大的热发生器上也是如此； • 可预热燃烧空气以提高安装效率； • 降低锅炉前部的重量负荷； • 更直接地进入燃烧器头。
基于机器学习的30天再入院预测模型，用于心力衰竭：系统评价
结论最常用的ML方法是随机森林和极端的梯度增强。30天的HF再入院率在1.2至39.4％之间。预测30天HF再入院模型的接收器操作特性曲线下的面积为0.51至0.93。重要的预测因子包括60个具有9个类别的变量（社会人口统计学，生命体征，病史，治疗，超声心动图检查结果，处方药，实验室结果，合并症和医院绩效指数）。使用ML算法的未来研究应评估本综述中提出的30天HF再入院因素的预测质量，考虑到不同的医疗保健系统和HF的类型。需要结合结构化和非结构化数据来提高基于ML的预测模型的质量，这可能有助于护士和其他医疗保健专业人员评估出院后的30天HF再入院预测并计划个性化的护理。
TT120.pdf-SPIE
1.1 什么是自动目标识别（ATR）？ 1 1.1.1 买家和卖家 4 1.2 基本定义 4 1.3 检测标准 10 1.4 目标检测性能指标 13 1.4.1 真实值标准化指标 13 1.4.1.1 指定目标和混淆器（AFRL COMPASE 中心术语） 14 1.4.2 报告标准化指标 15 1.4.3 接收者操作特性曲线 15 1.4.4 P d 与 FAR 曲线 18 1.4.5 P d 与列表长度 18 1.4.6 可进入检测方程的其他因素 19 1.4.7 导弹术语 19 1.4.8 杂波水平 20 1.5 分类标准 20 1.5.1 物体分类法 21 1.5.2 混淆矩阵 25 1.5.2.1 复合混淆矩阵26 1.5.3 概率和统计学中的一些常用术语 26 1.6 实验设计 29 1.6.1 测试计划 31 1.6.2 ATR 和人体测试 32 1.7 ATR 硬件/软件的特性 33 参考文献 34
MIL-Std-109 - 质量保证术语和定义
库存控制点 (ICE) 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...12 项。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...12 计时 quali~(LQ) 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 LOtforrrtation 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...12 批次。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...12 Lotor 批量大小。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...12 可维护性.。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 维护质量保证。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 重大缺陷。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...12 材料审查委员会（MRB）。。。。。。。。。。。。。。。。。。。。。。。。。。...13 平均故障间隔时间（MTBF）。。。。。。。。。。。。。。。。。。。。。。。。。13 测量可追溯性。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...13 测量和测试设备.。。。... 。。。。。。。。。。。。。。。。。。。。...13 MIL-I-45208。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...13 MIL-Q-9858。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...13 轻微缺陷。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...13 国家资格认证机构(NQA)。。。。。。。。。。。。。。。。。。。。。。。。13 不符合。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...13 不符合，严重。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...14 不符合，严重。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...14 不符合，轻微。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...14 不合格材料。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...14 非发展项目（NDI）。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。14 正常检查。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。14 客观质量证据（OQE）。。。。。。。。。。。。。。。。。。。。。。。。。。14 次出现。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...15 现成的物品。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...15 百分之百检查。。。。。。。。。。。。。。。。。。。。。。。。。...15 工作特性曲线（OCC）。。。。。。。。。。。。。。。。。。。。。。15 大修。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...15 百万帕菲斯珀（ppm）。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。缺陷率为 15％。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...15 授予前调查（PAS）。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...15
基于虚拟仿真的轻型卡车后桥疲劳分析...
首先根据实测车辆参数建立整车MBD（多体动力学）模型。十、进行路谱采集试验。在试验路况下，采集整车多个位置的加速度、位移、力信号。以路试信号为迭代目标，以车辆MBD模型为迭代载体，利用VIM（虚拟迭代法）获取车辆等效激励。将VIM获取的等效激励应用到车辆MBD模型中，得到驱动后桥关键点的载荷谱。通过实测信号与迭代信号的对比，验证模型的准确性，增强关键点载荷谱的可靠性。其次，建立后桥FEA（有限元分析）模型，借助FEA软件获取单位载荷下各关键点的静态分析结果。第三步，将后桥有限元分析结果、关键点载荷谱、材料疲劳特性曲线输入疲劳软件进行后桥疲劳仿真，根据疲劳分析结果准确定位疲劳寿命未达到设定目标的位置，最后基于以上结果对结构进行优化，优化后的后桥疲劳寿命评估表明其耐久性得到了显著提高。
研究材料
它的内部结构与其他二极管不同，因为它仅由N型半导体材料组成，而大多数二极管都由P和N掺杂区域组成。因此，它在两个方向上进行进行，并且不能像其他二极管一样整流交替的电流，这就是为什么某些来源不使用二极管术语，而是更喜欢TED的原因。在Gunn二极管中，存在三个区域：每个端子上有两个区域，其中两个区域在它们之间，它们之间有一层薄的n掺杂材料。当将电压施加到设备上时，电梯度将在整个薄层中最大。如果电压增加，则层的电流将首先增加。最终，在较高的场值下，中间层的导电性能发生了变化，增加了电阻率并导致电流下降。这意味着Gunn二极管在其电流 - 电压特性曲线中具有负差分电阻的区域，其中施加电压的增加会导致电流减小。此属性允许其放大，充当射频放大器，或者在偏向DC电压时变得不稳定和振荡。
人工智能助力 H&E 复兴
深度学习 (DL) 是人工智能的一个子领域，它充分利用了人工神经网络的潜力，尤其是具有多个非线性“深层”的卷积神经网络 (CNN)，在解决基于图像的问题方面取得了巨大成功 [2]。例如，CNN 已成功识别人脸、交通标志和物体、汽车、动物，使机器人和自动驾驶汽车具有视觉功能，最近，它还使医疗应用具有视觉功能。这些神经网络在多个分类和分割任务中表现出了人类水平的性能。CNN 的性能通常通过准确度、灵敏度、特异性、精确度、召回率（也称为真阳性率 (TPR)）和假阳性率 (FPR)（等于 1 - 特异性）来评估。实际上，TPR 和 FPR 之间总是存在权衡，就像在医学领域经常面临的灵敏度和特异性之间的权衡一样，必须在训练模型的性能中找到假阳性和假阴性之间的平衡。例如，可以绘制接收者操作特性曲线（ROC 曲线），即在不同分类阈值下绘制 TPR 与 FPR 的曲线，然后可以找到一个在 TPRi 和 FPRi 之间达到令人满意的平衡的操作点（TPRi、FPRi）。为了使用单一性能指标（曲线下面积 (AUC)）评估和比较经过训练的 AI 模型的性能，整个