基于熵值修正G1法江西省智慧旅游建设水平评价研究

文章基于熵值修正G1法对智慧旅游建设水平进行研究,构建城市智慧旅游建设水平评价指标体系和模型,对江西省11个地级市进行实证研究,结果显示,11个城市的智慧旅游建设水平整体较低,其中基础设施建设水平、经济发展水平、科技创新和硬件支撑上城市间差异较大,在智慧旅游环境支撑总体差异小,保持在较高水平。并依据评价结果对江西省11个城市分为三个类别,对每一类别城市的特点进行了分析,以期能够指导江西智慧旅游的规划建设。     

浅析弯矩调幅法

本文根据框架梁弯矩调幅原理,通过对两跨连续梁中是否考虑弯矩调幅的计算结果比较,对认识弯矩调幅法和实际工程设计均具有一定的指导意义,从而更加合理的对框架结构进行设计。     

“五常法”在护理学实验室开放管理中的应用

运用"五常法"提高护理学开放实验室管理效果。根据护理学实验室开放过程遇到的问题,按常组织、常整顿、常清洁、常规范、常自律的原则,制定符合本专业要求的管理方法和制度。"五常法"实施后,实验设备损坏少,低值易耗品损耗率显著下降;学生慎独意识增强,逐渐养成良好的实验习惯,实验室卫生环境明显改观。"五常法"管理护理学开放实验室效果好,值得推广。     

利用ARGO实验寻找GRBs的本底研究

位于西藏羊八井宇宙线观测站(海拔4300 m)的ARGO-YBJ实验具有高海拔、大视场、全覆盖特点,其阈能约几百个GeV,在探测高能GRBs方面具有独特的优势.ARGO-YBJ实验不能分辨光子和质子,要在大量的宇宙线事例中找出光子信号,就必须正确地估计背景事例率,这是寻找高能GRBs的关键.本文采用"等天顶角法"对ARGO实验中寻找GRBs的宇宙线本底进行了分析.由于地球的自转,天顶角随着时间的变化而变化.本文重点分析了长暴在其持续时间内天顶角的变化,从而更加准确地进行了本底估计.     

跨界合作在电专业大学生创新训练初探

针对大学生创新训练项目存在的宣传、教师指导、学生参与和实施过程中的诸多问题,提出了意见建议和解决办法.其中所提出的跨界合作法融合不同专业的教师资源、学生团队、教学场地和设备,共同完成电专业大学生创新训练项目,并依托该项目逐步参与各级各类大学生创新比赛、成果展.该方法通过首届常州工学院大学生创新训练成果展的实施,结果表明该方法拓宽了学生的专业视野、极大地调动了学生投身科研的积极性、实现教师教学和科研的有效结合.     

血清miRNA提取方法的优化

利用正交试验法优化血清miRNA的提取方法,为进一步研究血清miRNA作为生物标记物提供方法学基础.本文以hsa-miRNA-223-3p,hsa-miRNA-483-5p和hsa-miRNA-16为检测目标,通过比较Trizol法和Trizol+酚/氯仿法的miRNA提取效率和qPCR检测结果,应用正交试验选择出最优实验方案.结果表明血清miRNA的最优提取方法为:血清用DEPC水4倍稀释,离心条件为4℃,12 000r·min-1,离心时间为10min,Trizol法提取.     

宁波市公共自行车服务满意度评价模型构建研究

以宁波市公共自行车为例，将因子分析法与二项logistic法相结合，对采集的1 688份居民满意度有效问卷展开分析。利用因子分析法筛选出6个因子，利用二项logistic法剔除并筛选出5个有效因子构建公共自行车服务满意度评价模型，合理评估当前宁波市公共自行车服务满意度。同时，利用随机抽取并不参与建模的5%问卷样本对评价模型进行校验，以确保模型的准确性与合理性。该研究有助于合理评价当前宁波市居民对公共自行车的服务满意度，同时适用于对未来一段时间内公共自行车服务满意度的预测。     

如何成长为高层次科技人才?——基于“双一流”建设高校校长的履历分析

探究高层次科技人才的成长路径与流动规律有助于正确、高效地培养和引进高层次科技人才。基于137位中国"双一流"建设高校校长的履历数据,通过利用统计手段与社会网络分析法对其成长规律进行实证研究。研究发现,高层次科技人才普遍拥有境外成长经历,但博士阶段的学习主要在国内完成;博士后经历并不是高层次科技人才的必备经历;高层次科技人才普遍拥有在政府和其他高校工作的经历,行政因素是影响其职业成长的重要因素;高层次科技人才主要围绕中国、美国、德国、日本和英国进行流动;美国是高层次科技人才境外流动的主要目的国家和中介国家。为此建议:①科技人员应避免过分追逐境外经历,要积累丰富的行政、教学与科研经验,切实提升综合能力与素质;②政府部门在行政任免时应遵循"选贤任能,人尽其才"原则,不断完善人才国际交流合作机制;③开发、成立专门的科技人才管理系统和部门,着手建设精细化管理的高层次科技人才数据库。     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.