基于目标高斯分布的定位系统节点最优部署方法

针对三维空间定位系统中目标位置服从高斯先验分布假设条件下节点最优部署问题, 分析了纯方位目标定位算法中估计误差的费希尔信息矩阵, 推导出基于目标先验分布的克拉美罗界(Cramer-Rao bound, CRB)。为了解决目标位置在任意高斯分布时, 协方差矩阵为非对角阵的问题, 提出了基于三维坐标旋转的最大后验概率估计方法, 将协方差矩阵转化为对角阵以实现最小化CRB的迹, 从而得到定位系统中节点的最优部署。最后, 通过梯度下降算法对节点最优部署问题的理论推导进行仿真, 验证了该部署方法的有效性，同时仿真结果中不同节点部署方法的对比也表明了该方法可有效降低定位误差。     

后疫情时期宁波抢抓机遇招引科技人才的对策建议

人才资源是战略资源,人才工作是事关城市经济社会发展的大事要事.近年来宁波政府扎实落实人才强市战略,不断吸引集聚高端人才、释放人才活力,为科技创新提供了源源不断的新动能,2019年宁波人才净流入率居全国城市第二位,制造业人才净流入率居全国城市第一位.针对后疫情时期科技人才流动的新趋势及对宁波招引科技人才提出的新要求,本文基于当前国内外疫情背景,就后疫情时期政府如何创新人才招引模式展开思考,并提出相关对策建议.     

液罐车后防护装置的结构优化设计

针对液罐车被追尾这一事故形态,对其现有的单横梁后部防护装置防护性能不足的问题,设计了一种新型的双横梁后部防护装置.通过有限元受力分析确定其各横梁结构的厚度尺寸,根据确定的尺寸进行整车静力加载试验,验证了其防护性能满足国家相关标准要求.设计的双横梁后防护装置,结构简单、防护范围和防护距离大、加工制造方便、成本低,可广泛应用于工程实际中,具有推广价值.     

“后真理”、对称性与反科学

"后真理"是一种"个人信念比科学事实更具说服力"的怪象,"后真理"与SSK的对称性原则联手,就会在"认知平等与民主化科学"的幌子下,让伪科学与政治派别或利益集团之间形成强大的反科学同盟,从内容与体制上诋毁科学。这种诋毁不可能产生真正的认知平等,因为科学的本质是以事实为依据,这是认知平等的先决条件。"后真理"现象反映出在哲学上重审划界问题的重要性与迫切性。     

锂电池异常状态监测的FEKF方法研究

为了保障锂离子电池的使用安全，提出了基于带渐消因子的扩展卡尔曼滤波 （Fading Extended Kalman Filter，FEKF）的电池状态在线监测方法. 建立锂电池一阶等效电路模型，利用递推最小二乘法进行锂电池状态参数在线辨识，建立状态方程；引入最优渐消因子，构造FEKF，得到端电压残差；使用端电压残差序列构造χ2分布的诊断函数，计算误检率与状态参数异常阈值. 实验结果显示利用FEKF生成的残差能更早对异常状态进行告警，证明FEKF能够显著提高χ2检验对锂电池内部缓变型异常状态判断的准确率.     

一类具有毒素和状态依赖时滞的离散种群模型的持久性

研究一类具有毒素和状态依赖时滞的离散种群模型,运用一些引理,得到了保证系统永久持续生存的充分条件。最后通过举例子验证了所得结论的可行性。     

三喻文化视角下“95后”高校毕业生就业观念问题研究

影响高校毕业生就业行为的关键因素是就业观念,"95后"高校毕业生就业观念发生了根本的转变。为有效引导高校毕业生就业,家长要主动转变就业观念,发挥前喻文化的引导示范作用;学校要构建全方位的就业指导体系,鼓励并喻文化的实践导向;公众应理性看待慢就业,接受后喻文化的反哺教育。     

Z网络下新的推理算法在不确定决策中的应用

针对Z-number的模糊不确定性和概率不确定性推理,在Z网络模型的基础上对其推理算法上做出了一些改进.首先,在Z-number理论基础上对离散Z-number在if-then规则下进行最大熵方法处理的算法过程做出了一些改进,由于算法过程中优化模型获取的区间值概率随着给定数据的变化并不一定能满足最大熵方法中的约束条件,所以对这些区间值概率进行了优化.其次,基于Z网络的结构和概率推理过程,对利用Z网络获取区间值概率然后应用最大熵方法获得约束部分最可能的潜在概率分布过程作出了同样的改进.最后利用一个实例来说明改进后的方法的有效性和可行性.     

浅谈沿黄河一级公路公路涵洞台背等载预压处理技术

通过对西北湿陷性黄土地区一级沿黄河公路涵洞台后变形及不均匀沉降产生的原因分析,指出了高水位下构造物台北处理的重要性,并针对性地提出处理方法和思路。     

改进GA-BP神经网络在高校教学质量评价中的应用

为了提高高校教学质量评价的有效性和准确性,提出了一种基于混合智能优化算法的教学质量评价模型。引入熵值法客观地确定教学质量评价体系的指标权重及初始评价结果,利用自适应变异的遗传算法(Genetic algorithm)优化BP神经网络(Back propagation neural network)的参数,建立教学质量评价模型。实验结果表明,与BPNN(Back propagation neural network)、GA-BPNN(Genetic algorithm-back propagation neural network)模型相比,预测精度分别提高15.04%和5.41%,收敛速度明显提高,说明基于自适应变异的GA-BPNN教学质量评价模型能够及时有效地完成教学质量评价。