智能交通系统与智能铁路交通系统分析

智能交通系统对有序发展的公路交通极为重要 ,对发展中国家发展智能铁路交通系统更具重要性 .本文对ITS和IRTS作对比分析 ,指出它们之间相同性、相似性 ,也指出IRTS的开发有它自己的特点 ,有些在ITS中应用的关键技术 ,不一定是IRTS中的重要技术 .开发IRTS ,诸如 :智能化列车制动问题、移动自动闭塞系统、空车的智能化调度问题、列车运行的智能化调度问题、智能化列车编组问题等 ,对中国铁路开展IRTS具有一定的战略意义     

振兴企业 育人为本——秦川机床集团公司实施“人才工程”的实践

“学习型企业”是知识经济年代企业的主要组织形式,国内许多企业正在进行“学习型组织”的改造尝试。秦川机床集团围绕实施“人才工程”,为国有大中型的人力资源开发和企业培训提供了有益经验。中国人民大学工商管理中心组成案例整理小组,以秦川机床集团公司提供纪实性材料为基础编辑加工而成.     

人类细胞因子信号传导抑制因子基因humSOCS-2的分离与克隆

采用国际ＧｅｎＢａｎｋ ＥＳＴ数据库同源筛选的策略,筛选到１个与小鼠细胞因子信号传导抑制因子基因ｍｍＳＯＣＳ－２高度同源的ＥＳＴ９ｇｂＡＡ１１５２３９）,在人胎盘ｃＤＮＡ分子库中步移获得一长１０１１ｂｐ的ｃＤＮＡ片段,包含一个长５９４ｂｐ的开放阅读框,编码了１９８个氨基酸残基,经ＮＣＢＩ数据库检索是一个全新的基因。     

基于网络平台实施开放实验

介绍了网上选课预约,开放实验的具体做法,并就开放实验对于学员自主学习,激发学习主动性和积极性,提高实验教学质量,充分利用实验室资源等内容进行了讨论.     

玉米秸秆还田及腐熟剂对小麦产量、土壤微生物数量和酶活性的影响

通过田间小区试验,研究了玉米秸秆还田配施腐熟剂对土壤理化性状、微生物数量、酶活性及小麦产量的影响。结果显示,与秸秆未还田处理（CK）相比,秸秆还田（T1）和秸秆还田配施腐熟剂处理（T2）显著降低了土壤容重,提高了根际土壤细菌和放线菌数,以及土壤脲酶、中性磷酸酶和蔗糖酶活性,进而提高了土壤有效养分和有机质含量,最终产量分别显著提高了10.33%和13.46%;此外,T2与CK相比,降低了根际土壤真菌数,提高了土壤过氧化氢酶和脱氢酶活性,而T1处理的差异不明显。结果表明,秸秆还田可通过改善土壤微生物群落的数量和多样性来调节土壤酶活性和养分含量,优化根际生长环境,促进小麦生长。其中,秸秆还田配施腐熟剂的处理效果最佳,可在北方玉米种植区推广应用。     

儿茶素、槲皮素和葡萄籽原花青素的协同抗辐射作用

通过建立体外AHH-1淋巴细胞辐射损伤模型,研究儿茶素、槲皮素和葡萄籽原花青素之间的协同抗辐射作用.结果表明:当儿茶素质量浓度为10μg/mL和槲皮素质量浓度为5μg/mL时,儿茶素质量浓度为10μg/mL和原花青素质量浓度为15、25、30μg/mL时,槲皮素质量浓度为5μg/mL和原花青素质量浓度为25μg/mL时,槲皮素质量浓度为10μg/mL和原花青素质量浓度为20、25μg/mL时,两物质间皆具有协同抗辐射作用.当儿茶素质量浓度为10μg/mL时,槲皮素质量浓度为15、20μg/mL以及原花青素质量浓度为10、20μg/mL时,儿茶素分别与槲皮素、原花青素存在拮抗作用.当槲皮素质量浓度为5μg/mL和原花青素质量浓度为20μg/mL时,当槲皮素质量浓度为10μg/mL和原花青素质量浓度为15μg/mL时,当槲皮素质量浓度为15μg/mL和原花青素质量浓度为15、20、25μg/mL时,原花青素与槲皮素皆存在拮抗作用.因此,在适量浓度范围内儿茶素、槲皮素和原花青素之间具有协同、拮抗抗辐射作用,这一研究发现对开发抗辐射功能食品具有指导意义.     

对优化水务执法环境的思考

随着水法律法规的不断健全和完善,使依法治水有了法律保障。但由于传统意识、宣传不利、地方保护和执法不利等原因,给执法环境带来不良影响。为了优化水务执法环境,就要强化水法律法规的宣传,让领导重视,充实执法队伍,不断提高执法人员素质。     

基于μ综合方法的空空导弹鲁棒驾驶仪设计

为了提高导弹驾驶仪的鲁棒性能,采用μ综合方法设计了算例空空导弹三通道的控制律.设计过程中考虑了控制对象的参数不确定性、未建模动态特性、外部扰动和通道间耦合等因素,解决了经典控制方法只能进行鲁棒性验证的问题.相对于其他鲁棒控制方法,μ综合方法还可以同时针对鲁棒稳定性和鲁棒性能进行设计.仿真结果表明,μ综合驾驶仪满足各项性能指标,具有良好的鲁棒性能.     

基于模糊神经网络的边缘检测方法

本文提出了一种集合模糊神经网络的边缘检测方法。首先,将每一个像素的4方向特征矢量与6个边缘模型矢量的距离测度作为输入模式送入到自组织竞争神经网络的输入层,通过这个网络进行边缘分类,得到粗边缘图像。在分类结束后,采用竞争规则来细化边缘,得到粗细适度的边缘图像。最后,从边缘图像中剔除斑点,得到最终理想的边缘图像。将我们的方...     

基于三元训练的跨领域依存句法分析

基于大规模领域内标注数据训练的句法分析模型在领域外数据上测试时,性能会急剧下降.导致该现象的原因之一是缺乏高质量的目标领域标注数据.由于人工标注数据耗时耗力,自动生成目标领域标注数据是一种有效的解决方法.其中,三元训练(tri-training)作为一种典型的多模型决策协同训练方法,旨在利用多个模型的预测结果来保证自动标注数据的质量.本文针对跨领域依存句法分析任务,系统比较了3种常用的tri-training方法,在NLPCC-2019评测数据集上取得了目前最佳的性能,并大幅度超过了目前最好结果.此外,还设计了详细的分析实验以深入理解跨领域模型性能下降的原因以及tri-training所起的作用.