唯一分解环上的一元多项式环的因子分解

本文提供了一个求唯一分解环Ｉ上的多项式的落在Ｉ的商域中的全部根的方法并得到了一个判别商域上的多项式不可约的充分条件     

在双模相干光场作用下的三能级原子的偶极压缩效应

应用量子光学理论 ,研究了在双模相干光场作用下三能级原子的偶极压缩效应 结果表明 ,在弱光场作用下 ,三能级原子呈现明显的偶极压缩效应 ,偶极压缩的大小和频率与双模相干光场的强度和失谐量的大小以及原子与光场的耦合强度有密切的关联     

论鱼文化的表现领域

鱼类的自然属性一旦和人类相联系就有了社会属性 ,两者的结合即产生了鱼文化。鱼文化在我国的历史上及人们的饮食、风俗、美术等方面都有各种表现。在表现为各种生熟海鲜的同时反映出了鱼的馔食文化 ,在表现为各种鱼祭鱼信仰的同时演化出了鱼的风俗文化 ,在表现为各种图画造型的同时展现出了鱼的美术文化。探讨鱼文化的表现领域、规律属性等 ,对于挖掘民俗文化、建设和丰富人们的文化生活等 ,都有重要的文化史价值和现实意义     

符号的生产与“符号场”

探讨了符号产品的生产机制问题，即在文化的发展中，符号的出现需要怎样的条件性，符号产品的丰富性、差异性背后有怎样的统一性。认为人对文化的自由创造只是一种幻觉；符号的生产是符号场的自我生产；符号场是诸符号及其相互联系、相互作用构成的整体，具有有机性、结构性、生长性；其以符号资源、符号资源在生产中的关系、符号资源的作用方式构成自己的生产方式；其联结着宏观与微观2个层面，对于人们更好地理解文化的发展有着一定意义。     

试论词汇语义对语法的决定作用

词汇与语法的关系问题，是伴随语言学历史但至今仍然没有很好解答的问题。长期以来，语法得到了高度重视，词汇的价值被忽视。事实证明，孤立地研究词汇和语法，不关注词汇与语法的关系，影响了我们对语言机制的深刻认识和准确把握。那种简单地认为语法是语言的主导和核心，词汇只是备用材料，语言的运用只是根据语法规则对词汇进行组配的看法，是本末倒置的。事实上，意义是语言的出发点和落脚点，词汇语义对语言要素的性质、功能及组配模式、表达形式等都具有决定性作用，汉语尤其如此。与此相关，应建立新的词义观。     

不同磁场作用下的塞曼效应分析

运用微扰理论研究了不同磁场下的塞曼效应.结果表明,在强磁场下发光原子表现正常塞曼效应;在弱磁场下发光原子表现为反常塞曼效应.     

引力场两个定理的探讨

从引力场是矢量场出发，讨论了引力场的性质，引入了描述引力场的高斯定理和环路定理，得出了相应的微分和积分形式。根据引力场的两个定理，导出了引力势的微分和积分形式。     

流动相似律在气流式倾角传感器中的应用

气流式惯性传感器因其独特的优点引起大家的关注,但是环境温度不可避免地对气流式传感器性能有影响,会产生严重的温度漂移。它不仅局限了传感器的应用范围,而且还影响了传感器性能的进一步提高。本文通过数值模拟的方法,研究了环境温度变化时气流式倾角传感器腔体内的流场变化,分析了流场变化对传感器性能的影响机理,并利用相似理论讨论了一种新的消除环境温度影响的解决办法。结果表明,可以通过设计的补偿电路改变热源温度使流场保持相似来消除环境温度的影响。     

博客——公共领域的建构契机

博客赋予了普通大众信息组织的权利,体现了多数人传播权、知情权和话语权的统一,是真正属于大众自己的传播形式。博客的传播模式、特点、诉求目标和价值观均与哈贝马斯提出的"公共领域"概念不谋而合,博客的诸多特点为我国"公共领域"的建构提供了借鉴点和生长点。     

A Spatial-temporal Model for Temperature with Seasonal Variance

We propose a spatial-temporal stochastic model for daily average surface temperature data. First, we build a model for a single spatial location, independently on the spatial information. The model includes trend, seasonality, and mean reversion, together with a seasonally dependent variance of the residuals. The spatial dependency is modelled by a Gaussian random field. Empirical fitting to data collected in 16 measurement stations in Lithuania over more than 40 years shows that our model captures the seasonality in the autocorrelation of the squared residuals, a property of temperature data already observed by other authors. We demonstrate through examples that our spatial-temporal model is applicable for prediction and classification.