民事审判事实认定中经验法则的运用初探

民事审判以事实为根据包括三类事实:当事人无需举证证明的事实;需要当事人举证证明达到事实清楚或者高度盖然性的事实;介于两者之间的需要当事人举出一定的证据但又达不到高度盖然性的标准根据经验法则可以认定的事实。民事审判中运用经验法则认定事实容易造成对案件事实的误认且比较混乱。正确运用经验法则认定案件事实需要立法和司法解释,也需要进行广泛宣传达成共识。     

浅析民事抗诉中的“新证据”

2008年实施的新的《民事诉讼法》不仅将新证据作为再审事由保留了下来,并将纳入检察机关抗诉的法定事由。这就要求无论是法院还是检察院都应对再审新证据的认定和适用有统一的标准。虽然相关司法解释对新证据的情形进行了进一步明确,但对其具体适用问题并未涉及。检察机关作为法律监督机关,在办理民事抗诉案件时对新证据的认定与适用直接关系到其监督职能的实现,因此检察机关对新证据的认定与适用应当有一个宽严适中的标准,以实现实体正义与程序正义、司法公正与司法效率之间的平衡。     

通过执行倒闸操作标准化程序预防误操作事故的发生

分析了误操作事故发生的原因,阐述了违章行为的主要表现,提出了倒闸操作的标准化程序存在的危险点及防范措施。     

GA-BP网络与D-S证据相结合的多传感器信息融合

针对反向传播(back propagation,BP)网络与D-S(dempster-shafer)证据理论各自在处理不确定性信息方面的不足,提出了一种遗传算法(genetic algorithms,GA)优化的BP网络与D-S证据相结合的多传感器信息融合方法。一方面利用GA-BP网络获取D-S证据理论所需的基本概率赋值,另一方面通过D-S证据理论对GA-BP网络的输出进行融合。将此方法应用于高压电器设备故障诊断,仿真结果表明,该方法能克服传统BP网络易陷入局部最优问题,同时具有更好的识别结果。     

一种修正的DS合成法则及其近似算法

文章对DS合成法则中焦元可信度重新分配及合成法则的复杂度问题进行了探索和研究,提出了焦元在融合时信质部分转移的思想,据此确定了焦元可信度转移度的概念,进而提出了一种修正的DS合成公式.为了解决DS合成法则计算复杂度存在的np难题,论文提出了一种新的近似算法,并进行了实例分析,结果显示了新方法具有一定的合理性.     

论民事案件管辖证据规则的适用

民事审判管辖是民事纠纷系属于特定人民法院进行解决的首要条件之一,依据我国现行民事诉讼法,管辖权审查立足于立案程序,展开于起诉审查。但是,由于对管辖之属性存在误解,加之管辖与起诉制度本身存在缺陷,导致了管辖权审查司法实践矛盾丛生、程序虚无,应当对之进行改革与完善。其思路是：调整起诉制度、将管辖权之审查移至审判程序中进行、构建一个可以适用证据规则来约束当事人与法官的管辖权审查程序等。     

人类学的文学转向及“写”文化的多种叙事

将20世纪的人类学在"写文化"方法上的文学转向,同文学研究的人类学转向两相对照,揭示学科互动带来的研究视野和方法更新契机。通过对儒道两家共同推崇的远古圣人传统的知识考古学发掘,昭示对华夏文明发源起到关键作用的物质符号编码——玉礼器与青铜器组合的由来,彰显四重证据和五种叙事的立体研究范式。     

基于Dempster-Shafer证据理论的数据融合技术研究

系统地研究了Dempster-Shafer（D－S）证据推理的数据融合技术,分析了传感器基本概率分配函数（basic probability assignment-BPA)的构造方法,分别对双传感器随参数分布的几种情况进行了检测融合,利用红外场景生成器生成的3－5μm和8－12μm双通道的红外背景及目标的序列图像,仿真了融合对探测操作特性（receiver operating character-ROC)曲线的性能改进,对AGEMA THV900型双通道红外热像仪的小目标图像也开展了实验处理,均取得了预期的结果。     

基于D-S证据理论与嵌入式传感器的监控与故障诊断

在水电站的故障监控与报警系统中一般都采用实时采集传感器数据并进行处理分析的方法,这不仅增加了通信的负担而且由于恶劣的电磁环境也容易造成数据的误传;为了克服这些缺点,提出了一种采用嵌入式传感器与数据融合理论相结合的故障监控与诊断的方案,并且在吉林丰满水电站的发电机线圈温度的监控系统中得到了实际应用     

多深度学习模型决策融合的齿轮箱故障诊断分类方法

针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于卷积神经网络(convolutional neural networks, CNN)和改进堆叠降噪自动编码器(stacked denoising autoencoders, SDAE)的混合网络模型,根据改进的Dempster-Shafer(D-S)证据理论实现决策级融合诊断。以时频信号作为CNN的输入,以频域信号作为SDAE的输入,采用Adam优化算法和dropout、批量归一化技术训练该混合模型。实验结果表明：利用该融合方法对齿轮进行故障诊断相比单个的网络模型CNN和SDAE诊断正确率有所提高,为齿轮故障智能诊断分类提供了新路径。