无形资产战略视角下省级科学院内涵式发展研究

省级科学院在知识产权类无形资产的创造方面具有明显的优势和潜力,实施无形资产战略是省级科学院实现内涵式发展的一种路径选择。在对省级科学院无形资产制约因素进行分析的基础上,本文研究了无形资产战略视角下如何促进省级科学院实现内涵式发展。具体来说,一是建立健全人力资源考核和监督约束机制,二是创新无形资产经营机制,三是在科技创新的各个阶段形成创造无形资产的机制,四是引入无形资产专业人才参与机制。     

提高热工控制系统生产安全性的措施研究

随着热电厂机组容量的不断增加,热工控制系统的设计越来越复杂。发电过程智能化控制是热工控制系统设计人员必须具备的一项基本技能,热工控制自动化系统通常是通过分散控制系统(DCS)来实现的。本文结合现代工业主流的分散控制系统在电厂自动控制方面的应用,分别从超驰保护、信号选择、限制输出等角度,提出了提高热工控制系统生产安全性的措施。经生产实践检验,热工控制系统运行效果良好,生产安全性显著提高。     

基于R语言的迪基-福勒检验的蒙特卡罗模拟

迪基-福勒(Dickey-Fuller)检验是时间序列的平稳性检验中常用的一种方法;由于检验统计量的极限分布是由标准维纳过程关于轨道的积分来表达的,很难得到其密度函数的显式表达式,因而确定检验临界值非常困难,蒙特卡罗方法是解决这类问题的金钥匙;基于R语言对t统计量的平稳性检验的临界值的随机模拟程序进行了研究,填补了文献空白,其计算程序和方法对于金融工程或经济计量统计分析与研究具有广泛的指导意义。     

启运港退税政策实施中的港口选择模型

在保税港区对周边内陆干港与内贸港口实施启运港退税政策的背景下,基于用户均衡货流分配理论,构建实施启运港退税政策的港口(启运港)选择模型.模型可在既定总投资额的约束下,以区域社会经济效益最大为目标,确定启运港的数量与位置.设计嵌入Frank-Wolfe算法的遗传算法求解模型,并使用大连港腹地的出口数据进行实例分析.结果表明:依托大连保税港区实施启运港退税政策后,哈尔滨等七地被选为启运港,价值388.6亿美元的出口货物所在企业每年能够提前10～25天获得退税款46.7亿美元.上述模型和算法可为政府制定、实施启运港退税政策提供必要的决策支持.     

基于齐当别理论的公交出行决策选择反转

选择反转是交通行为中的一种悖论现象,未能通过实验的谨慎误差控制得到良好解释.本研究从决策心理学的角度,基于齐当别理论建立起选择支属性的判断维度体系,在确定、不确定以及风险条件下进行了3种公交出行决策场景的心理实验.实验结果中匹配任务的效应分析说明,齐当别理论的侦测性占优原则可对出行方式选择进行解释;选择一致性的重测信度分析说明,出行者对交通方式属性维度的判断是可变过程;选择和匹配一致性分析说明,选择变异随匹配任务中的维度判断的改变而产生.总体上,3组实验选择反转的变化特征趋势符合实验设计框架,齐当别模型的解释在3组实验中均表现出显著一致性,能够对出行方式的选择反转进行预测和解释,即当出行者采取不同的齐同策略时,重复选择中令人费解的反转悖论现象便会出现.     

基于随机机器故障的柔性作业车间动态调度

为了有效快速地应对生产过程中出现的随机机器故障,构建了一个故障机器可恢复的动态柔性作业车间调度模型,采用事件和周期混合驱动的方式,设计了一个组合重调度策略.在组合重调度策略中,将改进的二叉树右移重调度与完全重调度进行组合,引入序位偏差和完工时间偏差为重调度评价指标,对重调度方法进行选择,并且在精英选择遗传算法(elite selection genetic algo-rithm,ESGA)基础上,对精英选择策略进行改进,以防止陷入局部最优.试验算例仿真结果表明,动态调度算法对随机机器故障下的柔性作业车间动态调度是有效的.     

联程中转旅客的城市枢纽间换乘行为建模

针对旅客联程运输中旅客中转换乘行为,构建了多项Logit(Multinomial Logit,MNL)模型进行刻画分析.首先,设计了陈述偏好(Stated Preference,SP)调查问卷进行数据采集;其次,基于MNL模型对联程中转旅客的城市枢纽间换乘行为进行建模,并利用Biogeme软件对模型参数进行标定;最后,计算出各方式的分担率并与实际调查结果进行对比分析.结果表明:与出行目的、行李大小等因素相比,联程旅客个人特征(年龄、职业、收入等)的影响最为显著,考虑了旅客个人差异的MNL模型拟合误差在1.5％以内;此外,旅客对交通工具拥挤度、舒适度、班次数量以及准时性的关注程度也影响了其选择行为;联运旅客对时间效率尤为关注,超过50％的联运旅客选择地铁,当公交出行时间下调0％～20％时,可以一定程度上将换乘地铁的联运客流转移至公交上.研究结果对于枢纽间换乘需求预测、多方式协同调度以及提供旅客个性化出行服务具有一定的参考作用.     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

基于生物信息的未知二进制协议聚类方法

协议聚类是协议逆向工程技术中非常重要的一步，针对二进制协议更加透明且满足的协议种类更加广泛的特点，提出了一种基于基因和蛋白质生物信息的二进制协议聚类方法，能够从原始序列角度对大量协议直接进行聚类.本文方法首先将原始二进制报文转化成四进制基因形式，使用快速聚类方法计算碱基两两组合的k-seed值生成距离矩阵，并用UPGMA计算最小距离生成树得到初始分簇；其次，将每一簇四进制协议报文转化成十六进制蛋白质链，得到序列更有语义的方式并采用基于改进mBed算法的聚类方法将其进行高精度聚类.通过对已知和未知协议单纯和混合场景下的测试表明，该方法能够对二进制协议实现高效并且高准确率的聚类，具有较高的应用价值.     

基于机器阅读理解的商品属性识别

属性抽取的目标是从非结构化文本中抽取与文本实体相关的属性和属性值，然而在电商场景下基于序列标注的模型缺少应对大规模属性抽取任务的可扩展性和可泛化性能力。本文提出基于阅读理解的商品属性抽取模型，通过额外加入问句来强化模型对属性的理解，结合双仿射注意力机制捕获问句和文本之间的语义特征，进一步提高模型的抽取性能。本文在电商数据集上对不同类型问句和不同解码器进行了对比实验，结果表明本文提出的方法优于多个基线模型，相较于OpenTag和SUOpenTag模型，属性抽取的F1值分别提升7.70%和3.26%，未登录词识别的F1值分别提升15.51%和8.12%。