论文部分内容阅读
过渡金属-碳基/贵金属复合材料的制备及电催化水分解研究
【摘 要】
：
过渡金属与碳基或贵金属材料的结合具有较高的电催化活性,因而在电催化析氢(HER)和析氧反应(OER)领域具有较为广泛的应用。目前Pt基电催化剂因其催化效率较高,因此,Pt基电催化剂成为了HER中最常见的且使用频率较高的一种电催化剂。而Ir或Ru基电催化剂因其在OER中表现出了优异的催化性能,因此成为了OER常用电催化剂。而它们由于含量较低和价格昂贵等在实际应用方面受到很大的限制,因此需要减少其用量
【出 处】
：
河北大学
【发表日期】
：
2021年01期
其他文献
异常检测是机器学习领域中一个重要的研究方向。传统的异常检测方法虽然在低维数据上取得了较好的分类性能,然而在高维数据上,它们往往会获得较差的结果。为了有效地解决异常检测任务中的“维数灾难”问题,一种可行的方法是剔除高维数据中的冗余和无关特征,即对这些高维数据运用维数约减进行降维。维数约减方法通常可被分为两类:特征选择和特征提取。作为两种常用的非线性特征提取方法,核主成分分析(kernel princ
学位
对人体健康有益的生物活性化合物如酚类、生物碱、萜类、多糖、脂类等引起了人们的广泛研究。这些活性物质通常需要通过有机溶剂的长时间萃取才可以获得。低共熔溶剂(DES)以其低挥发性,高稳定性,良好的溶解性,且性质可调,成为绿色的替代溶剂,其在固液萃取和液液萃取中应用广泛,具有简便,效率高,绿色,安全,温和的特点。本论文共建立了四种基于低共熔溶剂的固液微萃取和液液微萃取的前处理方法,并结合液相色谱(HPL
学位
偏标记学习属于弱监督学习框架的一种。与通常监督学习不同之处在于每个训练样本的标记是不明确的,而是表示为一个候选标记集,每个训练样本的唯一真实标记包含于该样本的候选标记集之中。大部分相关研究均假设事先已有大量带有偏标记的训练样本,即候选标记集是容易获得的。然而在许多现实场景中只存在少量的偏标记样本,大量的样本是无标记的,获取它们的候选标记所需要的人工耗费仍然很大。而且这些大量无标记数据隐含了数据的分
学位
巯基(Sulfhydryl group,-SH)是由一个硫原子和一个氢原子组成的负一价官能团,又叫硫醇基或氢硫基。巯基广泛存在与小分子化合物中,易于与金/银相互作用形成S-Au(Ag)。因此,含有巯基的小分子可以用做制备荧光金属纳米簇的模板,如D-青霉胺(D-Penicillamine,DPA)和谷胱甘肽(Glutathione,GSH)。本论文基于DPA和GSH成功制备了稳定的DPA@AgNCs
学位
蛋白质是人体一切细胞和组织的重要组成成分,是生命的物质基础。蛋白质与人体中各种生命活动密切相关,例如:人体中物质的运输、能量的传递、代谢反应的进行、抵御外物的入侵、基因的遗传等等。而且,由于蛋白质种类繁多,功能各不相同,作用方式多样化,这就给蛋白质的检测提出了挑战。因此丰富蛋白质检测方法,实现对蛋白质的灵敏检测,对蛋白质生理机能的研究以及蛋白质相关疾病的早期诊断、治疗及相应的药物研发具有重要意义。
学位
核酸生物标志物与疾病的发生发展密切相关。发展建立简单、灵敏、选择性好的核酸生物标志物检测方法对于疾病早期临床诊断、判断疾病分期、预后监测以及药物的研发等具有重要意义。当前,核酸标志物基因突变和5-羟甲基胞嘧啶(5hm C)虽然已有多种检测方法,但方法各有优缺点。对于简便、一管基因分型和无需样品前处理的5hm C检测方法报道较少。本论文利用特异、灵敏的连接酶链式反应(LCR),结合成像流式微球技术建
学位
随着信息时代的到来,以指数级别增长的无标签数据如图像、语音、视频等有着巨大的信息量,且已成为日常生活和科研的常见数据类型。对其进行人工标注会非常耗时,因此对图像数据进行聚类分析是数据挖掘和图像处理领域的重要任务之一。无监督和自监督学习结合近年来不断发展的深度网络、特征表示、优化等技术,能更好的提取出数据所包含的信息量且对数据进行初步的分类。所以,本文对基于无监督的深度视觉特征学习的聚类方法展开研究
学位
当今大数据与互联网时代,每时每刻都有海量的图像数据被用户上传到互联网,这些图像数据量虽庞大且杂乱无章,但蕴含着很多有价值的信息。为了对这些图像数据进行有效的管理和挖掘出其中的有价值信息,图像自动标注技术应时而生。图像自动标注旨在通过对图像高层语义的理解,给图像添加合适的语义标签。图像自动标注是目前图像处理领域的研究热点,在很多领域和学科中有着广泛的应用。本文的主要工作如下:1.提出了基于深度神经网
学位