酒钢铁路运输优化研究

在市场经济高速发展的今天,如何在市场竞争中求生存、谋发展,已成为各方面研究的重点问题。本文结合酒钢的实际,通过与其他内陆同行业先进运输指标作对比,从企业内部铁路运输存在的不足和矛盾入手,对运输优化进行了研究,目的就是在做好运输服务的同时,解决好存在的各种矛盾。通过优化,将为降低企业生产成本起到重要的作用,进而提高企业产品竞争优势,为酒钢做大做强创造基础的条件。     

论登杆作业教学培训中的安全保障措施

登杆作业是电力系统新员工岗前培训必学项目,学员的身体条件、自我控制能力存在很大差距,对于作业中同样的技术要求,实现起来也不尽相同,并且时常有危险状况发生。保障每个学员的安全成了培训教学中的重中之重。本文根据实际情况,提出解决办法,采取高于法规的安全措施,从根本上保障培训学员人身安全。     

基于AP-HMM混合模型的充电桩故障诊断

确定性的相似性传播(AP)聚类方法和统计性的隐马尔可夫模型(HMM)是2种常用的设备故障诊断方法,但电动汽车充电桩结构设计复杂且目前积累的故障样本不多,使用上述2种方法均不够理想。针对充电桩故障诊断本身具有的特点,结合AP聚类快速、准确提取故障的特征和HMM强大的故障分类能力,本文提出一种基于AP-HMM混合模型的充电桩故障诊断方法。为了研究充电桩长期工作的状态性质,采用马尔可夫平衡方程组求得充电桩发生故障的稳态概率值。实验结果表明,与传统模型相比,AP-HMM混合模型的充电桩故障诊断学习精度提高了3%以上。本文提出的混合模型具有一定的可行性与普适性,可在一定程度上用于速度要求低但精度要求高的其他电子设备故障诊断。     

基于八叉树优化的MoM-PO/PTD混合算法分析目标电磁散射及辐射问题

在综合利用矩量法(method of moments, MoM)和物理光学(physical optics, PO)方法的过程中, 要精准识别和划分PO位置处于点光源照射情况下的暗区和亮区。传统的识别划分手段的时间复杂度为O(N²), 当面片数量N增多时, 所需的时间呈现出急剧增长的趋势。文中应用八叉树和后向追踪算法, 对PO亮区判断过程进行加速, 可将时间复杂度由N²降为NlgN。由于计算PO区域电流时没有考虑边缘绕射造成的影响, 导致计算误差较大。鉴于此, 本文在计算过程中引入物理绕射理论对混合算法加以改进, 并通过与FEKO中的MoM相比较, 说明了修正后的混合算法能够有效提升计算精度。     

一种提高样品放射性活度测量准确度的新方法

在使用高纯锗γ谱仪测量样品的放射性活度时,探测器对γ射线的探测效率是影响测量准确度的一个重要因素.目前使用的两种得到探测效率的方法——标准样品法和蒙特卡洛法,因为各自的局限性,都存在一定的系统误差.结合两种方法,提出并建立了一种能够消除前两种方法系统误差,获得更准确的探测效率的新方法,即用蒙特卡洛方法计算待测样和标准样的探测效率的比值,再乘以实验测量得到的标准样的探测效率,得到待测样品的探测效率.所建方法的正确性通过蒙特卡洛软件计算的模拟实验得到了验证,并证明了新方法能够完全消除标准样品法的系统误差,并且在绝大多数情况下消除了蒙特卡洛法的系统误差.     

学习资源精准推荐模型及应用研究

根据属性特征推荐资源,由于存在冷启动和稀疏性问题,限制了在线学习资源推荐的性能.基于知识表示和协同过滤,将学习者的学习水平和学习风格等特征融入推荐过程,进行协同过滤个性化推荐,提出了一种学习资源精准推荐模型,构建了学习者和学习资源知识表示模型;通过实验表明知识表示-协同过滤相结合的推荐算法在个性化推荐和推荐准确度方面优于传统的CF算法.     

基于时滞观测的神经网络的随机镇定

研究神经网络的随机镇定问题.通过在扩散项中加入含时滞项的状态控制,利用随机稳定性理论,镇定一类循环神经网络.同时,利用It公式及多种不等式性质,证明解的几乎必然指数稳定性,并给出数值例子.     

英、美国立医学科研机构绩效评价体系的比较及借鉴

 国立医学科研机构指由国家建立并资助的医学科研机构,其有组织、规模化地开展科研活动,如美国国立卫生研究院（NIH）和英国医学理事会（MRC）。2013年以来,中国也相继在11个疾病领域建设起32个国家临床医学研究中心（NCRC）,旨在强化中国医学创新能力、加快卫生健康科技成果转化、提升基层医疗服务水平。科学的绩效评价是引导和推动国立医学科研机构建设、发展的重要手段。本研究概述了NIH与MRC的绩效评价体系,介绍了两种评价体系的评价内容与指标框架,在对比的基础上,提出了中国临床医学研究中心的绩效管理工作的建议。     

基于生成对抗网络的细胞形变动态分类

提出了一种基于生成对抗网络的细胞形变动态分类方法,以活细胞视频中的细胞形变动态为对象,引入分类器辅助的生成对抗网络结构同步训练生成对抗网络和分类网络,通过生成对抗网络产生的数据提高了原本分类网络分辨细胞形变动态的性能.首先,细胞动态图像被用于将活细胞视频中的时间维度进行压缩,使其从视频域映射到图像域以方便生成对抗网络的构建.其次,基于分类器辅助的生成对抗网络结构,将分类网络的分类信息作为辅助信息来改善生成对抗网络对多类样本的生成,同时生成网络生成的多类样本可以反过来优化分类网络对于细胞动态形变的分类性能.在构建的活细胞视频数据库上,可以验证提出方法能有效地捕获细胞视频中的空时细胞形变动态,并且其分类的性能优于其它主流方法.     

基于视频特征聚合的细胞形变动态建模

提出了一种基于图像处理架构对活细胞视频中细胞动态进行建模的方法.在这个架构下,视频中两帧间的细胞动态被表示为细胞轮廓形变和细胞内部运动的动态特征.其中,前者细胞轮廓形变利用形状上下文进行度量,而后者细胞内部运动则通过尺度不变特征变换（SIFT）流进行建模.为了更好的刻画细胞质流动,基于SIFT流的细胞运动场进一步构建细胞外观变化场.在获得上述帧级细胞动态特征之后,引入时间序列建模的方法来生成视频级的细胞动态特征.具体地,基于紧凑编码的时序特征聚合方法可以捕获整个视频中的细胞动态演变过程.活细胞视频数据库被建立以用于验证提出方法的有效性,实验结果表明提出方法对于细胞形变动态度量和分类的性能优于其它主流方法.