基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

改进遗传算法及其在钻井液设计中的运用

在深井、超深井以及地层复杂等条件下，为了避免或减少钻井事故的发生，达到优质快速钻井的目的，选择合适的钻井液体系至关重要。基于案例推理（CBR，Case-Based Reasoning）的钻井液设计中，钻井液体系由岩性、井型和井深等属性推理得出，但属性权重的分配会对推理结果产生显著的影响；遗传算法在优化属性权重时，存在收敛速度慢、收敛精度低的缺点。针对上述问题，提出一种解决CBR中属性权重分配问题的改进遗传算法。首先，对遗传算子进行改进：选择算子方面，利用指数尺度变换法优化个体选择；交叉算子方面，对算术交叉中的比例因子进行自适应调整；变异算子方面，改进个体变异方向，保持种群多样性。其次，从个体适应度和交叉个体的差异程度两方面实现交叉概率自适应调整。最后，通过对UCI数据集的对比实验，证明了改进后的遗传算法能改善全局收敛性能，提高CBR的准确率。将该算法运用到基于CBR的钻井液设计中，实验结果表明，所提方法能够优化属性权重的分配，进而提高钻井液设计的质量。     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

基于培养卓越应用型人才的线性代数问题驱动与案例任务教学模式改革

本文分析了现行线性代数的教学问题,提出了问题驱动与案例任务相结合的教学模式,并以两个案例来说明了此种教学模式的优越性,培养了学生的应用和创新能力,提高了学生的学习兴趣与课堂教学质量.     

新形势下形体训练课程建设与实践分析

通过笔者多年的形体训练教学经验沉淀,以及对当下与形体发展方面新形势的些许浅薄见解,个人针对于新形势下的形体训练课程之建设以及其实践进行了相关深入分析。我们认为既然处于新形势的状态之下,我们的形体训练课程不能再套用以往的体系和方式,必须深度联系当下现实生活的状况,以如今的形势为基本出发点,制定符合当下学生形体现状和发展趋势的课程体系。我们深深地认为形体训练课程的"接地气"化教学体系的制定,既可以完成形体训练课程的最基本目标,也可以满足大学生身体发展以及生理发育所需,对大学生深度体育意识的形成和其强大体魄的构建具有极其重要的现实意义。     

数形结合理性之美--《用画图的策略解决问题》教学案例

苏教版四年级下册《用画图的策略解决问题》这部分内容是在学生学习的长方形面积计算、学习用列表的策略收集和整理信息基础上教学的。对四年级学生而言，他们已经有了一定的画图基础，所以学生对具体问题情境选用恰当策略来解决问题有一定的敏感。面对数量关系比较隐蔽或稍复杂的长方形面积计算问题，相当一部分学生可能还不知道从何下手，所以教师要在教学过程中帮助学生及时梳理、提炼自己的思路并最终形成有效的策略。     

雨来张伞，鱼来撒网

经营大师松下先生说过:“经营,其实就是一种常识。就像雨天撑伞,晴天收伞”。他说的是经商也有规律。但这个规律不是一成不变的,正如兵无常势,水无常形。如何恰到好处地做到雨来张伞,鱼来撒网,须得运筹帷幄,多谋善断,方能中原逐鹿,手到擒来。     

R ＆ D STRATEGIC INVESTMENT IN AN ASYMMETRICAL CASE

This article analyzes R ＆ D investment decisions in an asymmetrical case. The investment decisions share three important characteristics. First, the investment is completely irreversible. Second, there are two kinds of uncertainties over the future returns from the investment and over technology in R ＆ D process, respectively. Third, there is strategic competition in the asymmetrical case. This article presents the optimal investment threshold values and the optimal investment rule of high-efficient firm （leader）, and shows that the investment threshold values are reduced by competition of two firms. Finally, the mixed investment strategies for two firms, the probability that each firm separately exercises the option to invest, and the probability that two firms simultaneously exercise the option are given in the paper.