北京1724—1903年夏季月温度序列的重建
نویسندگان
چکیده
منابع مشابه
[The first case of living-related liver transplantation in Nippon Medical School Hospital].
患者:1歳 9カ月,タイ人の女児.血液型 0型 Rh (+). 主訴:黄疸,吐血.家族歴:特記すべきことなし. 現病歴:1998 年 4 月 23 日,38 週,2,620 g で帝王切 開にて出生.生後高ビリルビン血症にて光線療法を 21 日間施行した.生後 1カ月より眼球結膜の黄染を認め, 2カ月目には血清総ビリルビン値 10.0 mg dl に上昇 した.7月 1日(日齢 69 日)に,先天性胆道閉鎖症の 診断の下,葛西手術を施行し,術後肝機能は改善し, 血清総ビリルビン値も 6.0 mg dl まで低下した.平成 11 年 12 月 31 日に突然吐血をきたし,さらに,肝機能 の悪化,血清総ビリルビン値の上昇を認めた.先天性 胆道閉鎖症,食道静脈瘤の診断の下,2000 年 1 月 13 日,肝移植目的にて東京大学付属病院に入院となった. その後,食道静脈瘤に対し結紮療法を施行...
متن کاملAlgorithm of Static Deadlock Detection in MPI Synchronization Communication Sequential Model
廖名学,何晓新,范植华 (中国科学院软件研究所,北京海淀区中关村南四街 4 号 100080) 摘 要: 静态检测 MPI 程序同步通信死锁比较困难,通常需要建立程序模型。顺序模型是 其他所有复杂模型的基础。通过一种映射方法将顺序模型转化为字符串集合,将其死锁检测 问题转化为等价的多队列字符串匹配问题,从而设计并实现了一种 MPI 同步通信顺序模型 的静态死锁检测算法。算法时空复杂度均为 O(n),这里 n 是模型中消息的总数。算法性能 好于通常的环检测方法并能适应动态消息流。 关键词:MPI;算法;死锁;静态分析 Algorithm of Static Deadlock Detection in MPI Synchronization Communication Sequential Model Liao Ming-Xue, He Xiao-Xin, Fan Zhi-Hua (In...
متن کامل[Effects of Shujin Zhuanggu Tablets on fracture healing of metacarpus: a report of 225 cases].
1 傅小兵 , 王亚平 , 常国友 , 等 . 碱性成纤维细胞生长因 子促进受创皮肤再生的实验研究 [ J ] . 中国修复重建外 科杂志 , 1996 , 10( 1) : 23-25 . 2 陈 奇 . 中药药理实验方法学 [ M ] . 北京 : 人民卫生出 版社 , 1994 . 176 . 3 傅小兵 , 王德文 . 创伤修复基础[ M] . 北京 : 人民军医出 版社 , 1997 . 182 . 4 Brown KJ , Maynes SF , Bezos A , et al . A novel in vit ro assay for human angiogenesis [ J ] . Lab Invest , 1996 , 75 (4) : 539-555 . 5 陈 奇 . 中药药理研究方法学 [ M ] . 北京 : 人民卫生出 版社 , 1993 . 982 ...
متن کامل[Dll4/Notch signaling pathway and tumor angiogenesis.].
Dll4是定位于人染色体15q14、基因编码长度为685 个氨基酸的单链跨膜蛋白。它在进化过程中高度保守, 人和鼠Dll4基因编码的蛋白具有87%的同源序列。Dll4 的胞外段含有与Notch受体结合必需的8个表皮生长因子 (epidermal growth factor, EGF)样重复序列、4个潜在的 糖基化位点和1个由45个氨基酸组成的保守DSL(Delta, Serrate, Lag2)结构域。 Dll4通过与相邻细胞膜上的Notch1或Notch4受体相 互结合,使Notch受体经过一系列蛋白酶裂解。这个过 程主要包含2个蛋白酶,即肿瘤坏死因子α转换酶(tumor necrosis factor α-converzyme, TACE)和早老素(presenilin) 或称为γ-分泌酶(γ-secretase),受体裂解后释放出活化 形式的胞内区域(notch intrace...
متن کامل主題語言模型於大詞彙連續語音辨識之研究 (On the Use of Topic Models for Large-Vocabulary Continuous Speech Recognition) [In Chinese]
本論文研究使用主題資訊之語言模型(Language Model)。當語言模型用於大詞彙連續語 音辨識時,其主要的任務是藉由已解碼歷史詞序列資訊來預測下一個候選詞出現的可能 性。傳統的 N 連(N-gram)語言模型容易受限於模型參數過多的問題,僅能用來擷取短距 離的詞彙接連資訊,並不能考慮完整的歷史詞序列之語意資訊。因此,近十幾年來許多 研究學者陸續提出各式主題模型(Topic Model),包括討論文件與詞之關係的機率式潛藏 語意分析(Probabilistic Latent Semantic Analysis, PLSA)和潛藏狄利克里分配(Latent Dirichlet Allocation, LDA),以及討論詞虛擬文件與詞關係的詞主題模型(Word Topic Model, WTM)。這些模型主要都是透過一組潛藏的主題機率分布來描述文件與詞、或者 詞虛擬文件與詞之間的關係...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Chinese Science Bulletin
سال: 1986
ISSN: 0023-074X
DOI: 10.1360/csb1986-31-8-597