专栏导语:秋高气爽好读书

来源 :图书馆杂志 | 被引量 : 0次 | 上传用户:qfcyzf2573
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
<正>秋风送爽,桂子花香时节,在南北方、东西部的各级校园之中,又闻童音琅琅的诵读声,又见莘莘学子赶课求知的身影,9月28日又适逢孔子诞辰日,为此《图书馆杂志》特发"全民阅读推广学坛"一组文章,为促进全民阅读、建设书香校园添砖加瓦。我国民间流传历来有以"四时读书"为主题的歌谣。或云:"春天不是读书天,夏日炎炎正好眠。待到秋来冬又至,收拾书包好过年。"原来在不爱读书、懒于开卷的学生那里,一年四季十二个月,都不是可以好好读书的时节。但在有志求学者那里,则被改编为:"春天正是读书天,
其他文献
睡眠分期是诊断和治疗睡眠相关疾病的基础,是睡眠状态监测的一个重要手段。传统的睡眠分期方法是由医生按照睡眠分期准则对多导睡眠图上的生理数据进行手动打标和睡眠阶段判别,该方法对医生的临床经验要求较高,耗时费力。现有的自动睡眠分期方法大多是利用原始信号的时域和频域特征来进行睡眠分期,该方法需要一定的先验知识,且存在需提取特征量大,分类准确率不高等缺点。此外,现有的睡眠分期算法研究大多是基于单模态的脑电信
目的 探讨妊娠期糖尿病(GDM)表达差异基因的功能及信号通路生物信息学分析。方法 从GEO数据库下载基因芯片数据(GSE65737,GSE70493和GSE92772),用R语言软件Limma包,以P<0.05,|Log10FC|≥1或≥2标准筛选差异显著基因,并用ggplot包绘制图。应用基因本体论(GO)和京都基因与基因组百科全书(KEGG)进行差异基因功能分析,并使用Cytoscape进行文
传统凭借人工逐帧识别脑电信号来判断睡眠时期的方法耗费大量时间,效率低下;基于采集到的头部脑电信号引入模式识别的方法来完成自动分期的任务。利用小波阈值滤波对脑电信号进行预处理。采用小波包分解提取出每帧数据中四种节律波并计算相应节律波能量值,以此作为分类特征。为了更好地适应非线性问题,还要提取非线性特征,计算每帧数据的排列熵和样本熵。划分出70%的数据作为训练集用于支持向量机的多分类器模型的分类训练,
背景:乳腺癌是全球第二大癌症致死因素,局部复发和远处转移是主要致死原因。其中三阴乳腺癌(TNBC)亚型组织学分级高、分期晚、远处转移率高、淋巴细胞浸润密度高,属于侵袭力最强、预后最差的亚型。OTUD6B是卵巢肿瘤相关蛋白酶(OTU)家族成员之一,参与了包括蛋白质特异性降解、信号转导和蛋白定位等几乎所有的生理活动,与多种肿瘤的发生发展息息相关。在这项研究中,我们使用来自一组公共数据库的数据,全面分析
现代产业学院是深化产教融合、校企合作的新载体和新模式,与传统产业学院不同之处在于其蕴含的“现代性”,包括组织的混合型、产业的前沿性和专业的交叉性。现代产业学院的现代性演化体现了其职能定位和制度化程度的变化,基于要素融合的共同育人、基于知识增值的联合创新和基于价值创造的利益共生构成了现代产业学院的三大基本职能。促进现代产业学院的高质量建设和可持续发展,有必要建立和完善包括发展动力机制、信息共享机制、
针对海上风电机组单点支承结构用双列圆锥滚子轴承第2列滚子与内圈滚道接触出现偏载的问题,对滚子与内圈滚道、大挡边的接触情况进行优化,并通过有限元软件ROMAX进行模拟仿真分析。最终确定滚道素线调整量为+0.09 mm,大挡边接触面与挡边外径交点调整量为+0.07 mm,优化后极限载荷下第2列内圈滚道最大接触应力由2 161 MPa降低为2 003 MPa,疲劳载荷下第2列内圈滚道最大接触应力由1 1
光动力疗法是一种新的医疗技术,广泛应用于临床诊断、治疗肿瘤和其他异常增生性疾病,尤其是对治疗皮肤肿瘤、血管畸形、病毒感染性皮肤病等有较好的治疗效果。其治疗原理是利用特定波长的光照激发光敏剂,将能量传递给皮肤病变组织并产生活性氧,导致增生异常的细胞发生死亡、微血管损伤以及局部免疫等反应,从而达到治疗目的。光动力疗法已经被应用于许多皮肤肿瘤的治疗,例如,日光性角化病、Bowen病、基底细胞癌、鳞状细胞
【目的】基于双酶切测序基因分型(Double-digest genotyping by sequencing,ddGBS)技术,挖掘黑杨派特异性单核苷酸多态性(Single-nucleotide-polymorphism,SNP)位点信息,旨在为杨树SNP标记开发、种质指纹图谱构建、遗传多样性分析及重要经济性状关联分析等研究提供位点信息。【方法】以46份黑杨派无性系种质为材料,采用Mse I+Ta
点云是三维空间结构信息的重要表达方式。点云语义分割技术在自动驾驶、智能机器人等领域有着重要的研究价值。得益于深度学习技术的发展,点云分割技术实现了突破性进展,发展出大量有效且高效的点云语义分割网络。虽然基于点数据驱动的深度学习算法能够有效提高语义分割的准确性,但是仍旧存在一些不足:基于多层感知器的特征提取算子在关键特征提取上存在不足,难以挖掘更深层次的有效信息;复杂点云场景下特征提取尺度比较单一,