考虑碳配额回购融资的再制造企业生产决策

以资金约束的再制造企业为研究对象，分析了碳配额回购融资下的再制造生产决策问题。分别建立了资金约束下有无碳配额回购融资的再制造生产决策模型，利用Kuhn-Tucker条件得到了不同情形下的最优解，并对两种情形下的最优解进行了比较；通过算例分析初始生产资金、消费者偏好和碳配额回购量对最优产量和利润的影响。研究表明：当初始生产资金较低时，再制造企业选择碳配额回购融资会提高新品产量和总产量；若消费者对再制造品的偏好较高，采取碳配额回购融资提高再制造企业的利润；随着碳配额回购量的提高，再制造企业的利润先提高后降低。另外，存在唯一的最优碳配额回购量使得利润最大。     

基于卷积神经网络的心律失常分类方法

使用一种组合式心拍分割方法，利用带通滤波对原始心电数据进行降噪处理，实现QRS波群定位和心拍截取；设计7层的一维卷积神经网络（convolutional neural network，CNN）模型，对正常搏动（N）、左束支传导阻滞（L）、右束支传导阻滞（R）、室性早搏(V)4类心拍数据自动分类检测，从而完成4类心律失常的分类。以MIT BIH心律失常数据库47条数据进行训练，结果显示，其准确度为9900%，召回率为9908%；与相关文献的研究方法对比，本方法具有较高识别精度，能有效解决人工对心电图识别的误诊、错诊问题。     

基于空间自适应和混合损失对抗网络的乳腺肿块图像分割方法

在乳腺癌筛查的计算机辅助诊断过程中，乳腺肿块的精确分割至关重要.然而，乳腺肿块在X光成像中与背景灰度接近、形状不规则，使得精确分割面临很大挑战.为进一步提升分割性能，提出一种基于空间自适应和混合损失对抗网络的乳腺肿块分割新方法.首先，提出可分离卷积U-Net模型作为对抗网络中的生成器，以减少参数量和计算量；然后，在判别网络中添加空间自适应归一化层来获取分割掩码中蕴含的语义信息；最后，综合考虑类别不平衡、语义一致性等因素的影响，提出一种融合对抗损失、分割损失和感知损失的混合损失函数以提升模型学习效果.实验结果表明，新方法在INbreast和CBIS-DDSM两个乳腺分割公开数据集中分别取得99.35%和99.72%的准确率，以及81.27%和82.01%的集合相似度，获得优于现有方法的分割性能.     

共筑安全防线 共建平安岳麓

"消防设施每天都有检查吗?万一发生火灾应该怎么做?"连日来,岳麓街道对辖区内艺术培训学校进行安全生产检查,进一步消除校园安全隐患,确保师生生命财产安全。为认真贯彻落实安全生产工作要求,确保春节期间安全和稳定,岳麓街道各村(社区)及驻街职能部门展开安全生产隐患自查自纠自改工作,按照分区域明确责任人的方式,确保整治到位。"打非治违"确保防治结合"此次检查。     

基于营业中断保险的企业中断模型研究

营业中断保险可以补偿企业中断造成的巨大经济损失.在制造类企业存在生产中断风险的情况下,建立了企业生产中断模型,并研究了营业中断保险对该模型的影响.研究表明,营业中断保险可以代替部分产品库存,进而提高企业的期望利润.     

本质安全型矿井构建分析研究

安全生产是矿井持续发展的基础,矿井现阶段的安全管理模式有待进一步的提升和完善。人们要不断加大本质安全型矿井建设研究力度,夯实矿井安全生产基础,提升安全保证能力和矿井生产保障能力。本文阐述了本质安全的概念,并重点分析了矿井本质安全特征、本质安全性矿井建设目标及实施原则、本质安全矿井具体实施措施等,以期更好地促进矿井安全生产。     

桉树生态营林的理论探索与实践

桉树生态环境问题是世界性难题,迫切需要开展生态营林理论的探索与实践。本文通过系统地研究营林措施与人工林生态服务功能关系的变化规律,分析不同营林措施对桉树人工林生态服务功能的作用机制,并通过桉树生态营林实践,建立起现代桉树生态营林理论体系。文中提出生态营林的定义、生态营林原则和生态营林的理论体系。6年的生态营林实践表明,采取"低干扰、低投入、低污染"的生态营林方式,获得"高产量、高价值、高效率"的营林效果,实现长短结合、一般用材与珍贵用材结合、木材生产与生态服务协同提升的生态营林目标。该理论是解决当今桉树人工林木材生产和生态服务失衡以及生物安全、土壤安全、生态安全问题,实现高质量发展的重要理论基础,对推动我国现代林业高质量发展具有重要的指导作用。     

人机融合的智能装配系统的研究①

产品装配在产品的整个生产流程中占有极为重要的位置。目前,由于消费者对产品个性化、定制化的需求越来越高,传统手工装配方式的低效和纯自动化装配的高难度、高费用难以满足企业的生产需求。因此,人机融合的智能装配系统应运而生。通过数据采集、无线通信、机器视觉等技术,人机融合的装配系统充分利用人的主动性和机器的可靠性、高效性,实现产品装配的高质量和高效率。     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。