专注TMT领域,形成线上线下专业孵化服务闭环——上海孵化器30年专访上海浦东软件园孵化器总经理邹家瑾

正2018年,上海孵化器迎来成立30年,第一财经广播联合上海市科技创业中心、上海科技企业孵化协会,合作推出系列访谈节目《厚积薄发创未来》,展现上海孵化器30年发展历程与成就。上海浦东软件园孵化器成立于2008年7月,位于中国(上海)自由贸易试验区、张江国家自主创新示范区核心区,由上海浦东软件园投资建设,上海浦东软件园创业投资管理有限公司运营管理,是中国电子     

基于关键变量的OPLS预测方法

产品的最终质量主要是由生产过程中的关键变量决定的,因此,回归模型的质量预测能力与过程变量的选择密切相关。本文提出了一种新的基于关键变量(CV)的OPLS预测方法(CVOPLS),用于输出变量较多过程的质量预测。首先,根据关键变量选取准则,为每个质量变量选取建模所需的关键过程变量。为了减少最后需要建立的模型个数,将由质量变量及其相应的关键过程变量组成的数据阵进行重组,并用OSC算法去除重组后的数据阵中与质量变量无关的干扰信息。然后,对校正后的数据阵建立PLS模型,求取相应的模型回归系数,得到最终的质量预测结果。与传统的PLS及OPLS方法相比,该方法能够在保证模型较好预测精度的前提下,有效地简化模型结构。最后,通过Tennessee Eastman(TE)过程的实验仿真验证了CV-OPLS方法的有效性。     

基于多代理的异构系统存储模型研究

数据存储技术是数据备份中的核心技术,随着数据备份技术的广泛研究,数据存储也得到越来越多的应用.然而,目前的数据存储技术,不能很好地对不同系统,不同平台间的数据进行处理,不能很好的整合异构系统间的存储问题.提出一种基于代理技术来实现的异种系统的数据间存储模型,连接不同平台、系统,将异种系统间的数据存储问题进行整合.提供更加有效、更具扩展性的存储模型.     

“上海模式”擎起创业梦想——上海孵化器30年专访上海市科技创业中心主任朱正红

正2018年,上海孵化器迎来成立30年,第一财经广播联合上海市科技创业中心、上海科技企业孵化协会,合作推出系列访谈节目《厚积薄发创未来》,展现上海孵化器30年发展历程与成就。欢迎扫码关注电台节目记者:从1988年到2018年,上海科技企业孵化事业已经走过30年的历程,以人的成长阶段来衡量应该是到了而立之年。这30年来,上海孵化器的发展经历了哪些变化?朱正红:上海孵化器走过30年,经历了几个阶段,     

做好创新企业的专业“店小二”——上海孵化器30年专访上海聚科生物园区有限责任公司总经理张炯

正上海聚科生物园区是2003年徐汇区政府联合中科院上海生命科学研究院创办的生物技术产业孵化园区。目前,聚科园区已在上海及周边地区建成3个产业培育基地,一个产业拓展基地,产业培育场地面积超过15万平方米,为园区内400多家各类生物技术创新企业服务。近年来,园区中已有2家企业被列入全国最具潜质的十大免疫细胞治疗企业之列。其中一     

基于SAX模型的XML文档更新算法研究

XML作为交换资料的标准,广泛应用于分布式系统中,但是在使用XML DOM来处理大型XML文件时,会占用过多的存储器资源并需要更多的CPU时间.提出一种基于SAX模型的XML 文档更新算法,利用SAX模型占用时间和空间少的优点进行文档的更新.形式化地定义了XML文档的更新脚本,使用X-Path来表示所更新的文档节点,在XML文档的SAX扫描过程中,生成XML文档的节点的X-Path,从而判断文档节点是否需要更新,然后通过将更新脚本应用到需更新文档实现文档更新.     

基于高斯混合模型的多模态过程监测

本文针对多模态复杂过程的多变量、多工序、变量时变性以及模态转换时间不确定等多种特性,提出基于高斯混合模型的多模态过程监测算法;针对离线数据没有模态标签的问题,提出离线数据分类算法;针对在线数据无法对应模态类型的问题,提出在线数据模态识别算法.并在以上方法的基础上建立多模态过程监测模型,以连续退火机组为背景,利用实际生产...     

浅谈消防部队119接警调度员应具备的基本素质

本文从几个方面论述了消防部队119电话接警调度员应具备的基本素质，阐述了如何才能履行好接警调度员这个岗位的职责，从而更好地服务于部队的灭火救援工作。     

基于T-TSNPR的动态过程质量监控

针对动态过程的质量监控,提出了一种全时间序列邻域保持回归(Total Time Series Neighborhood Preserving Regression,T-TSNPR)算法。首先,考虑到无关变量对构造特征空间的影响,对过程变量进行相关性分析,利用贡献度方法进行变量优化。在数据降维过程中考虑到数据间的时序相关性,T-TSNPR在一定长度的移动时间窗内进行邻域点挑选并构造目标函数,通过全投影回归提取出质量相关特征空间,并建立相应的T2统计量进行质量监控。最后,通过数值仿真和TE过程(Tennessee-Eastman process)仿真实验验证了T-TSNPR算法的有效性。     

基于多数据结构的集成质量监控方法

考虑到工业过程中不同数据结构特征的提取方式可能会影响质量监控性能,提出了一种融合过程数据集全局与局部结构特征的集成质量监控(Ensemble Learning based Multiple Data Structures Quality Monitoring,E-MDSQM)方法。首先,构建偏最小二乘(Partial Least Square,PLS)、邻域保持回归(Neighborhood Preserving Regression,NPR)、局部全局主成分回归(Local and Global Principal Component Regression,LGPCR)3种基础模型,分别描述过程数据的全局结构、局部拓扑及局部全局混合结构信息;然后,基于一种新的监控指标,采用遗传优化算法求得最优权重,集成融合各统计量并确定控制限;最后,通过田纳西-伊斯曼(Tennessee-Eastman Process,TE)过程仿真,评估集成模型的监控效果,并与PLS、NPR、LGPCR 3种基础算法比较,实验结果表明该集成模型取得了较好的综合效果。