【摘 要】
：
From the whole plant of Thermopsis Licentiana(Leguminoseae) , one new compound, 13-β-hydroxylthermopsine, along with eight known compounds, N-methylcytisine, t
【出 处】
：
Chemical Research in Chinese Universities
论文部分内容阅读
From the whole plant of Thermopsis Licentiana(Leguminoseae) , one new compound, 13-β-hydroxylthermopsine, along with eight known compounds, N-methylcytisine, ther-mopsine, daidzein , trifolirhizin , daidzin , genistin, daidzein-4’,7-diglucoside and genist
其他文献
创业之路向来就少有一帆风顺，创业者循着自己的道路往前走的过程中，遇到绝境该如何应对？除了坚持，正确的评估、策略和步骤是走出绝境的最好途径。 拿出2万元积蓄摆起地摊初涉商海的卢红梅，首次创业就遭遇了挫折。有一年，她看到一次性塑料碗具有市场，便将2万元积蓄全部投了进去，在武汉找门面租房设厂，第一批成品出来，她联系好外地的零售商，货经火车已经发了过去，只等着收钱，孩子他爸却闹着来要孩子。卢红梅只好
在中国服装界的眼里，比音勒芬是一匹当之无愧的“黑马”。 2003年，正式由韩国登陆中国的比音勒芬至今已在全国一二线城市建立了200多个销售网点，基本完成了中国市场的战略布局，并迅速成长为中国最具规模、最具实力的高端服饰品牌。 “过去的5年，我们一直处于超常规、跳跃式的发展状态。”谢秉政表示，作为高端的服装品牌，其实经营品牌就是传播一种文化，只有在行业做到第一，才能有生存的空间。 如果你经常穿梭
结合济南水务权责清单梳理过程,探讨如何全面建立政府权责清单制度,以进一步转变政府职能、深化简政放权,推动政府部门高效履职尽责。
为了研究长春水闸中副厂房框架结构的受力特性,针对水闸副厂房,利用PKPM软件建模,对不利荷载情况下水闸副厂房强度、刚度、稳定性和变形进行分析研究,并对原方案提出合理的建
为了研究经食道超声心动图(TEE)超声数据与心脏病类别之间的关系,提出一种以决策树(DT)分类器作为基分类器的自适应提升(AdaBoost)分类预测模型(DT_AdaBoost)。该模型首先对训练集中的每个样本赋予一个相同的权重表示样本被选中的概率,然后有放回地选取样本组成训练子集训练DT分类器,如果该分类器的分类准确率大于50%,则计算此DT分类器的重要性,并更新样本权重,最后在新的样本分布下再
在虚拟现实场景中,动态现实的重建过程尤为复杂,一般需要大量包含现实信息的图像进行整合。这些图像大部分都与其中一张或多张图像存在着公共区域,本文提出基于特征匹配的关联投影映射方法,根据这些公共区域,通过SIFT特征匹配提取图像之间的关联特性,利用此关联构造视图变换矩阵进行新的投影纹理映射。实验结果表明,这种方法稳定有效,并在重建动态现实中具有良好的应用效果。
超字并行(SLP)是一种针对基本块的向量并行发掘方法,结合循环展开可以发掘更多的并行性,但同时也会产生过多的发掘路径。针对上述问题,提出了一种分段约束的SLP发掘路径优化算法;采用分段的冗余删除方法,来保证冗余删除后段的同构性。采用段间的SLP发掘,来约束发掘路径;最后进行pack调整来处理访存重叠的情况。实验结果表明,该方法有效增强了SLP向量化功能,对于测试程序,向量化的平均加速比接近2。
Four new derivatives of podophyllotoxin, N’-podophyllic acid-N-[3-(2, 2, 5, 5-te-tramethyl-pyrrolinenyloxy)] semicarbazide(GP-11, 6), podophyllic acid [3-(2,2,
针对目前无刷同步发电机旋转整流器故障识别方法识别速度慢的问题,提出一种基于改进极限学习机的故障快速识别技术。该方法通过鸡群算法优化极限学习机的参数,得到优化的识别
传统的波达方向(DOA)估计算法角度分辨率低或者依赖于大量的快拍,基于稀疏参数估计的SPICE谱估计算法虽然在很少的快拍数即短快拍条件下就能达到较高的分辨率以及低的旁瓣水平,但是只适用于窄带信号。为了解决上述问题,即仅依靠少量快拍实现对宽带线性调频(chirp)信号的高分辨率DOA估计,提出了一种Fr FTSPICE算法。首先,将宽带chirp信号进行特定阶次的分数阶傅里叶变换(Fr FT),将时