张劲夫眼中的钱学森

来源 :科学新闻 | 被引量 : 0次 | 上传用户:jovewu
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
11月28日,我和中央电视台记者组的同仁一起,到原中国科学院党组书记、副院长张劲夫张老的住所,请这位德高望重的共和国科学技术的老领导,谈谈他对中国人民杰出的战略科学家钱学森,任中国科学院力学所第一任所长时的情况。张老在谈了钱学森在技术科学上的重要贡献后,还饶有兴趣地给我们讲了钱学森生活和工作几件小事,听后感到很有教益,特整理以飨读者。穿工作服的大学者张老说,1956年春节后,他在没有见到钱学森以前,心想,时任力学所所长的钱学森,这位洋博士、大学者,一定是西装革履,风度翩翩。但是,没有想到他经常穿一身卡机布的工作服,那样平易近人,一扫与一般大学者的距离感。后来,因为工作关系,接触多了,竟无话不谈,他们成了好朋友。张老知道,一般留过洋的人都会跳舞,钱学森却是一个不会跳舞的人。无论在美国和回国后,钱学森是把时间全部用在学习和研究上的。他忠诚于中国人民,非常热爱社会主义祖国,无比相信中国共产党,努力实践他倡导的技术科学思想,为了中国人民过上有尊严的幸福生活,倾注自己的全部精力。办公室兼工作室 On November 28, together with my correspondent group from CCTV, I went to Zhang Jiefu's old residence, the former Party Secretary and Vice President of the Chinese Academy of Sciences. I asked the old leader of science and technology in the respected Republic to talk about his outstanding performance in the Chinese people. Qian Xuesen, a strategic scientist, was the first director of Mechanics Institute of Chinese Academy of Sciences. After talking about Qian Xuesen's important contribution to the technical sciences, Zhang Lao also talked with some interest to Qian Xuesen about his life and work. He listened with great interest and listened specially. Zhang Lao, a university scholar wearing overalls, said Qian Xuesen, the director of the Institute of Mechanics before he saw Qian Xuesen after the Chinese New Year in 1956, the western doctor and university student must be a suit and elegant. However, did not think he often wear a card machine cloth overalls, so approachable, swept the general sense of distance and college students. Later, because of the working relationship, more contact, actually talk about anything, they became good friends. Old Zhang know that people who have stayed abroad will always dance, Qian Xuesen is a person who can not dance. In both the United States and China, Qian Xuesen devoted his time to study and research. He is loyal to the Chinese people, loves the socialist motherland very much, believes in the Chinese Communist Party with great energy, practices the science and technology ideas advocated by him, and devotes all his energy to the Chinese people in leading a happy and dignified life. Office and studio
其他文献
阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea,OSA)是成年人较为常见的呼吸类疾病之一,该疾病的特点是睡眠过程中频繁出现上气道完全或部分塌陷,严重影响人们的睡眠质量以及身体健康。阻塞性睡眠呼吸暂停综合征的诊断主要依靠多导睡眠监测,但这种方法无法满足目前大量的诊断需求。随着人工智能的出现及发展,假设深度学习可以有效地协助医生进行诊断该综合征。主要从阻塞性睡眠呼吸暂停的临床诊断方式出发,介绍了颅面侧位片作为诊断数据集的优势,以及人工智能诊断OSA的现状,提出了人工智能辅助医师诊断OSA的
目前关于商品评论的深度网络模型难以有效利用评论中的用户信息和产品信息。提出一种基于注意力交互机制的层次网络(HNAIM)模型。该模型利用层次网络对不同粒度语义信息进行提取,并通过注意力交互机制在层次网络中通过捕捉用户、产品中的重要特征来帮助提取文本特征。最终将用户视角下的损失值和产品视角下的损失值作为辅助分类信息,并利用层次网络输出的针对用户或产品的关键文本特征进行训练和分类。三个公开数据集上对比结果表明,该模型较相关模型而言效果均有提升。
目标检测确定检测图像中目标对象所在区域及其类别,语义分割对检测图像实现像素级分类,实例分割可以定义为同时解决目标检测与语义分割问题,在分类的同时确定每个目标实例语义。实例分割网络在无人机驾驶、机器人抓取、工业筛检等领域具有重要应用意义,针对目前基于深度学习实例分割综述性文章的空白,对实例分割进展进行概述,按照单阶段实例分割与双阶段实例分割的分类对不同网络模型进行论述,重点介绍近两年网络框架的发展,总结各网络特点的同时提出未来发展方向。
以求异性提问激活思维,使学生学会多重角度处理问题的本领;以延伸性提问拓展思维,使学生学会应对危急的本领;以推理联想提问激活思维,使学生学会揭示课文内涵的本领.
Every one of us knows the sensation of going up, on retreat, toa high place and feeling ourselves so lifted up that we canhardly imagine the circumstances of o
针对现有的多标记迁移学习忽略条件分布而导致泛化能力不足的问题,设计了一种基于联合分布的多标记迁移学习(Multi-label Transfer Learning via Joint Distribution Alignment,J-MLTL)。分解原始特征生成特征子空间,在子空间中计算条件分布的权重系数,最小化跨领域数据的边际分布和条件分布差异;此外,为了防止标记内部结构信息损失,利用超图对具有多个相同标签的数据进行连接,保持领域内几何流行结构不受领域外知识结构的影响,进一步最小化领域间的分布差异。实验结
语音合成技术在人机交互中扮演着重要角色,深度学习的发展带动语音合成技术高速发展。基于深度学习的语音合成技术在合成语音的质量和速度上都超过了传统语音合成技术。从基于深度学习的声码器和声学模型出发对语音合成技术进行综述,探讨各类声码器和声学模型的工作原理及其优缺点,在此基础上对语音合成系统进行综述,系统综述经典的基于深度学习的语音合成系统,对基于深度学习的语音合成技术进行展望。
研究LeNet-5在扫描文档中手写体日期字符识别的应用,由于文档扫描的过程中会引入各种噪声,特别是光照和颜色干扰,直接使用LeNet-5算法不能取得较好效果。先在整份文档中对特定待识别字符的进行定位和划分,并对划分出的字符图像进行去噪、灰度化和二值化处理等预处理,接着将字符图像分割成一个个单个字符,然后在LeNet-5网络基础上结合模型匹配法实现对手写体日期字符的识别。分析在不同参数组合下的识别效果,调整算法模型参数有效地提升了模型对于实际对象的性能,实现出一种能够对手写体日期字符集实现较好识别效果的算法
随着COVID-19的大流行,接触人跟踪系统成为了应对疾病蔓延的重要工具。接触人跟踪系统包括跟踪和监察等功能,主要采用手机等智能设备,通过技术手段实现对接触过感染者个体的识别,并通知其是否需要隔离检疫。基于此方法,能够从人群中剔除最初出现症状的个体,有效减少病毒的传播。对现有接触人跟踪系统进行系统化的综述分析。研究了人工接触跟踪与自动接触人跟踪,阐明人工接触跟踪的不足以及自动接触人跟踪对疫情的好处。系统地阐述中心化接触人跟踪系统与去中心化接触人跟踪系统的原理,比较中心化系统与去中心化系统之间的差异。对接触
遥感影像中目标的检测问题一直是遥感图像处理领域的热点和难点。传统的检测算法,在解决场景复杂,尺度差异大的目标时性能不高,而使用深度学习很难兼顾遥感目标的准确性和实时性。针对这一问题,设计了一种利用多尺度融合特征检测目标的轻量级网络,并提出一种能够从三个维度上生成像素自适应特征权重的注意力机制帮助提取显著特征,同时采用了最新的优化算法改善模型的性能,在减少计算量的同时保证了检测精度。实验结果表明,该模型MAP@0.5可达0.945,F1可达0.841,检测速度满足实时性要求。