税收优惠对企业创新的影响 ——基于微观调查数据的实证分析

以实地调研数据为样本,运用OLogit模型检验税收优惠对企业创新行为的影响,并考察其与财政补助的交互效应.结果发现:税收优惠的享受与否对企业创新投入具有重要影响,当企业受到税收优惠支持时,企业平均研发创新强度会显著提高.与财政补助的交互效应显示,财政补助也有助于提高企业创新强度,但与税收优惠的创新激励效应存在替代效应....     

基于选煤厂局域网的煤质信息监测与查询系统

煤质监测系统由Delphi 6.0编制,运行于选煤厂内部的局域网中,是基于对兖矿集团济宁三号选煤厂在线测灰仪实时监测、查询系统进行的研究设计,主要实现煤质数据的网络发布和共享.系统采用友好的图形用户界面:查询信息由用户从键盘输入,结果以表格输出,历史数据以图形曲线输出.该系统已投入运行.实践证明不但可以为选煤厂提供准确、完整的煤质检测和化验信息,而且有力地推动选煤厂的信息化工作.     

求解DVD在线租赁的有效方法

本文运用线性规划、MATLAB软件和运筹学等相关数学知识,构造了一个DVD在线租赁合理的数学模型.模型用最优化分配的原则把DVD在线租赁问题简单化,在实际应用中具有重要的经济意义.     

基于IRBFNN和IRAN的非线性动态系统在线自适应建模

将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函数(RBF)神经网络(IRBFNN)和IRAN结合可以用于不确定非线性动态系统自适应建模。仿真研究表明:所提出的建模方法在模型精简、泛化和自适应等方面均具有优良的性能。     

管廊复杂网格参数化算法及其大规模在线渲染

随着WebBIM(Web Building Information Modeling)技术的大力发展,建筑模型的复杂度与构件数量呈几何倍数增长,其中管廊复杂网格是影响模型轻量化和在线渲染速率的一个关键性问题。为有效减少管廊复杂网格模型的数据量及复杂度,针对一般圆柱体形管廊,复杂网格的弯管管廊模型及中空管廊网格模型,提出了一套轻量级参数化算法。该算法对场景中的管廊模型进行参数化重绘并辅助以多细节层次等视觉优化手段,以减轻WebBIM场景中的管廊模型渲染负担,其在拥有大量管廊模型的场景中应用成功,具有较强的工程实践意义。     

基于Unity3D的水下机器人半实物仿真系统

基于Unity3D研制了一种由地面控制终端、机器人本体和三维仿真系统3部分组成的水下机器人半实物仿真系统,为水下机器人开发过程中的性能测试、控制算法分析和人员操作培训提供了仿真和测试平台。该系统采用同一地面控制终端作为三维仿真系统和机器人控制系统的统一指令输入源,以实现虚拟对象和机器人本体的同步工作,可对系统进行实时监测、调参。采用多目视觉技术对机器人位置采集,对传感器数据进行卡尔曼滤波处理。机器人运动仿真试验结果表明,机器人实际运动路径和仿真规划路径基本相同,该系统动态响应性和控制系统同步性较好。     

毛细管电泳在线样品富集技术及在法庭科学中的应用

近几年发展了许多毛细管电泳在线(或在柱)样品浓缩的方法,这些方法无需对商品仪器进行改造,而是通过对样品、背景缓冲溶液的组成以及进样程序进行简单的调控而实现的。利用这些方法可以提高检测灵敏度,降低样品的浓度检测限,拓展CE在包括痕量分析的众多领域的应用。目前这些方法已被越来越广泛地应用于法庭科学领域。     

基于人车路协同的智能交通出行信息服务系统

近年来,智能交通信息服务受到广泛的关注,针对数据实时性和准确性差、信息交互共享难问题,设计了一种人车路协同的智能交通出行信息服务系统,形成人车路智能协同的工作环境。为解决智能交通结构化多源信息融合,提出了一种由卡尔曼(Kalman)滤波和D-S(Dempster/Shafer)证据理论两种信息融合模型——KD-SF模型,发现采用KD-SF模型信息融合结果与GPS车载采集实际测试数据近似相同,信息融合更精确。通过系统应用验证表明,人车路协同系统与交通服务信息融合后,在高峰时段公交线路平均运行车速明显提升,乘客平均候车时间明显缩短,提高城市公共交通运行效率。     

基于注意力机制的分层次交互融合多模态情感分析

针对基于视频的多模态情感分析中,通常在同一语义层次采用同一种注意力机制进行特征捕捉,而未能考虑模态间交互融合对情感分类的差异性,从而导致模态间融合特征提取不充分的问题,提出一种基于注意力机制的分层次交互融合多模态情感分析模型(hierarchical interactive fusion network based on attention mechanism, HFN-AM),采用双向门控循环单元捕获各模态内部的时间序列信息,使用基于门控的注意力机制和改进的自注意机制交互融合策略分别提取属于句子级和篇章级层次的不同特征,并进一步通过自适应权重分配模块判定各模态的情感贡献度,通过全连接层和Softmax层获得最终分类结果。在公开的CMU-MOSI和CMU-MOSEI数据集上的实验结果表明,所给出的分析模型在2个数据集上有效改善了情感分类的准确率和F1值。