推进农业经济管理信息化势在必行

农业经济管理信息化是指充分运用信息技术的最新成果,全面实现各类农业信息与知识的获取、处理、传播和合理利用,加速传统农业的改造,大幅度提高农业生产效率和管理决策水平,促进农业持续、稳定和高速发展的过程.将现代信息技术引入到农业科研、生产、经营管理系统中,对传统农业进行改造,加速农业产业的升级,走农业信息化的道路是我国农业产业化发展的必然趋势.     

An Improved S-Random Interleaver Design for Turbo Code Based on Chaos Model

A new method to design interleaver based on Henon chaos model is presented. The designed interleaver is with rather random behavior. Experimental results show that the proposed S-henon interleaver make a magnitude of im provement in bit error rate （BER） performance by 0.4 dB compared with the S-random interleaver for AWGN channel respectively. The S-henon interleaver may be adapted to 3G mobile communication systems.     

一类优美有向图的充要条件

研究了由恰有一个公共顶点的有向回路→／Ｃｍ和→／Ｃｎ（ｍ，ｎ≥３）组成的有向图→／Ｗｍ，ｎ的优美性，给出了→／Ｗｍ，ｎ是优美有向图的充要条件。     

主成份分析法评价功能浅析

本文针对许多文献作者运用主成份分析法进行综合评价的情况，通过分析主成份分析的理论及综合评价的特点，论述了主成份分析法的评价功能在实现中较难恰当地发挥作用，应在使用中注意，以免滥用。     

Borda社会选择方法中的一种投票合作问题研究

本文分析和研究了Ｂｏｒｄａ社会选择方法中的一种投标行为，探讨了其中有关合作的一些问题，给出了该合作的一种寻找方法，并证明了有关结论。     

模糊集合论在矿山控制网布设和图纸质量评定中的应用

应用模糊数学方法研究和处理矿山测量中存在的具有“模糊性”的问题。例如控制网布设方案及矿山测量图纸质量的综合评判。它能更准确地描述用精确数学模型难以描述的问题。     

面向不完备单值中智信息的三支决策模型

首先,给出了单值中智信息系统和不完备单值中智信息系统的概念,在此基础上,利用平均值法将一个不完备单值中智信息系统补全为完备的单值中智信息系统;然后,基于补全的单值中智信息系统给出了对象间的相似度的定义,进一步建立了面向不完备单值中智信息的三支决策模型;最后,通过例子阐述了模型的具体应用,并讨论了模型中的参数对决策结果的影响.     

考虑产品质量决策的平台销售契约和物流模式选择策略

结合制造商关于产品的质量决策研究电商平台关于销售契约和物流模式的最优组合策略.根据平台运营实际结合不同的销售契约和物流模式提出4种组合策略：代理销售-物流外包(direct selling and outsourcing, DO),代理销售-自建物流(direct selling and self-logistics, DS),批发转售-物流外包(reselling and outsourcing, RO)和批发转售-自建物流(reselling and self-logistics, RS).通过构建不同策略下的顺序博弈模型,求解制造商和平台关于产品质量、销售价格和物流服务水平的最优决策,探讨物流模式和销售契约对制造商产品质量决策的影响.对比均衡结果发现：相比于物流服务外包,由平台的自建物流系统提供配送服务不仅可以激励制造商提升产品质量和降低销售价格,还有助于提高双方收益;平台的最优组合策略与收取的佣金比率密切相关,当佣金比率低于某一阈值时,其最优策略为DS策略;反之,最优策略为RS策略;此外,该阈值与产品的质量成本系数呈正相关.     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。