产教融合视阈下机器人生产性实训基地建设的研究与实践

本文主要对产教融合视角下的机器人生产性实训基地建设过程中的建设目标与建设定位予以探讨。在此基础上,从建设基础性实训室、建设生产性实训室等方面阐述了产教融合下的机器人生产实训基地的建设,并分析了建设产教融合的机器人生产性实训基地的经济效益以及社会效益。     

复合跟踪微分器在电容式位移传感器中的应用

针对从含噪原始信号中提取位置以及速度信息,经典跟踪微分器存在不能很好兼顾相位滞后和噪声放大问题、参数多,调试复杂等不足.在跟踪微分器等效线性分析基础上,提出复合形式跟踪微分器,用于电容式位移传感器位置信号跟踪以及速度信号估计,通过MATLAB\SIMULINK仿真以及实验平台测试,结果表明:在跟踪频率1 Hz、幅值1含噪声正弦信号中,复合跟踪微分器能光滑逼近原始位置信号,且能有效进行速度估计,相较于经典跟踪微分器,复合跟踪微分器跟踪相位滞后小0.03 rad,能更好兼顾跟踪信号相位滞后及速度信号噪声放大.     

几乎无偏刘估计的不可容许性

考虑了线性回归模型中,在Fisherian和Mahalanobis损失函数下,几乎无偏刘估计对于最小二乘估计的不可容许性;结论表明:几乎无偏刘估计在Mahalanobis损失函数下是不可容的;最后进行了数值模拟来表明结果.     

基于加权局部梯度直方图的头部三维姿态估计

在实时估计人的头部三维姿态时,基于局部梯度方向直方图的面部特征表示方法容易受到背景和环境的影响,其检测精度无法满足实际需求。为了减少图像或视频序列中背景和环境的影响,提出了一种新的对面部特征进行描述的方法,即基于肤色权值和高斯权值加权的局部梯度方向直方图特征表示方法。在具体计算时,首先进行人脸检测并将人脸区域缩放到统一大小,然后计算人脸区域每个像素点对应的梯度方向,接着计算肤色权值并利用肤色权值和高斯权值对梯度方向进行加权得到加权局部梯度方向直方图,从而强化面部特征在直方图中的比重,有效减小背景对头部三维姿态估计的影响,最后利用非线性支持向量回归机求解加权局部梯度方向直方图与头部三维姿态之间的关系。实验结果表明:该特征表示方法具有更高的检测精度。     

一类奇异 Volterra 积分方程在 L^p (p ≥1) 空间中的适定性

受分数阶微分方程定性理论的启发，本文利用不动点定理研究了一类奇异Volterra积分方程在L^p（p≥1）空间中的适定性，推广改进了已有结果.特别地，Riemann-Liouville分数阶微分方程适定性问题可以作为本文结果的特例.     

迹为整数的3×3阶正交矩阵的谱

讨论了3×3阶正交矩阵的特征值和迹的关系,证明了迹为整数的3×3阶正交矩阵的谱可由迹确定,为应用广泛的3×3阶正交矩阵的谱的计算提供了简单实用的方法.     

基于分层贝叶斯模型的损失准备金估计

传统的准备金模型主要是通过加总个体数据得到聚合损失三角形数据建立的,然而,这种数据的加总对原始个体数据产生不可避免的信息浪费.虽然这种方法简单,但可导致准备金估计的较大偏差.近年来提出的个体数据准备金模型中大都没有考虑保单合同之间的相依性.本文假设相同事故年的保单产生的索赔具有某种共同效应导致的相依情形,通过建立个体数据准备金的分层贝叶斯模型,利用信度理论的思想,得到每个事故年的准备金估计,从而得到总准备金的估计.进而,讨论了发展因子和结构参数的估计及其相应的统计性质.最后,给出数值例子表明本文给出的准备金估计的计算方法,并且比较了个体数据和聚合数据下准备金估计的均方误差.     

“一般混合型”体教结合模式中的问题与对策研究

体教结合是学校体育与竞技体育结合的重要方式，而“一般混合型”是高校体教结合模式中的重要类型。“一般混合型”模式尽管在我国有快速的发展，但存在着管理模式不到位、学生训练和学习时间冲突、师资队伍建设力度不够、教练员的心理压力大、训练积极性不高以及经费投入等后勤保障不力等问题，制约着高校体教结合工作的进一步发展。未来应该采用多种措施，健全管理制度、保障训练时间、加大师资投入、挖掘自身优势、缓解经费问题，从而进一步促进高校体教结合工作的健康发展。     

应用型人才培养模式下学前教育专业实践基地建设探究——以绥化学院为例

实践基地建设是培养学前教育专业应用型人才的必要举措,是培养准幼儿教师专业技能与实践智慧,促进其尽快适应幼儿园岗位要求的有效途径。应用型人才培养模式下的学前教育专业实践基地建设的有效途径包括:明确办园定位,加强专业建设,彰显教学示范作用,最终实现产教融合。     

中立型分数阶微分控制系统能控性

研究一类分数阶中立型微分控制系统的能控性问题,对系统状态方程的分析,利用拉普拉斯变换通过基本控制系统的基础解给出了控制系统通解的表达式,并且通过构造格拉姆矩阵,研究了控制系统能控性的充分必要条件;最后通过举出一个格拉姆矩阵的计算举例来进行验证。