药学专业学位硕士产教融合培养模式探讨

为培养学术知识与实践技能兼备的创新型药学专业人才,我校与珠三角地区的生物化工、生物制药企业合作,建立了以产品研发为导向的校企合作模式,并在该模式上对药学专业学位硕士产教融合模式进行了符合时代需求的改革,建立了深度合作的"校企双导师制"培养模式,为药学人才的创新性培养、高校与化工医药类企业的产学研联盟建设提供了范例。     

特高压直流入闽全寿命周期费用计算和CVaR分析

为了量化特高压的投资风险,以全寿命周期成本为指导,构建包括一次投资、线路和变压器的运行损耗、运行维护、故障损失及提出了估算公式的报废成本的LCC模型,在对费用分解成设备级、系统级和外部环境成本的基础上,将特高压直流的直流偏磁影响和交流系统故障导致换相失败等故障纳入故障成本估算中,提出了区域级费用概念,建立更为全面的特高压全周期寿命成本模型。分别从品牌价值、销售收入和减少碳排放量的角度分析特高压所带来的社会经济环境综合效益,估算特高压直流系统60年内的投资收益率。采用条件风险价值分析法,与蒙特卡罗模拟法相结合进行求解,量化直流特高压入闽的风险,预测在置信度为95%和99%的特高压直流投资的最大损失,为进一步深化特高压系统投资管理提供了参考依据。提出了满足福建直流特高压入闽的时空方案建议。     

复杂环境影响下雷达探测范围三维可视化

提出了一种复杂环境影响下的雷达探测范围三维可视化方法。该方法以雷达方程为基础,主要考虑地形和电磁干扰影响下的雷达探测范围三维可视化。首先利用均匀采样法建立自由空间中的雷达探测范围模型,然后在获取数字地形高程的前提下,基于光的直线传播原理提出一种雷达探测范围受地形影响的算法,并实现了地形影响下的雷达探测范围三维可视化;以干扰方程为基础,实现了多干扰源情况下雷达探测范围三维可视化。利用基于视点的雷达模型简化方法,有效地提高了绘制速度。实验结果表明,该方法不仅效率高,而且能真实直观地展现雷达探测范围。     

高纯石英（SiO2）评述（三）:流体包裹体的分析、活化与分离

高纯石英著以杂质极少、纯度极高,现已广泛地应用于光纤通信、光伏、航空航天、半导体显示等高新技术产业。流体包裹体,一种来源于原生成矿流体,或是在后期地质作用中被石英捕获的流体,是石英中典型的流体杂质;特别是一些被包裹于石英晶体中的微小气、液包裹体,很难有效地被常规的选矿技术分离。本文详细地阐述了高纯石英中流体包裹体的基本特性,对流体包裹体的活化与分离技术现状进行概述;基于近年来我国高纯石英基础理论研究进展,并对我国高纯石英基础理论研究提出科学建议。      

从架构看开源ERP

按行业定制、研发周期长、维护成本高、购买很多的硬件产品动辄数十万元,一系列问题都使企业对应用ERP望而却步。恩信科技开源ERP软件面向流程,针对生产型、分销型、服务型企业等不同的行业特点,对全部资源进行整合,把企业的客户关系、产品设计、生产管理、库存     

SCA：SOA的加速器

SOA近年取得了飞速的发展,已经成为各个行业IT部门关键业务的产品架构,SCA/SDO标准的发布,将大大加快SOA的发展进程。2005年,BEA、IBM、IONA、Oracle等厂商联合提出了SCA和SDO规范,并于2006年3月正式提交至OASIS,以标准的形式进行推动。这两项标准的不断发展,对SOA的进程发挥着重要的作用。     

当BPM遇到SOA

BPM与SOA,两个IT领域的热点名词,如果两个名词相结合,是否能为企业的IT部门创造更多新的价值呢?近年来业界经常谈论SOA和BPM,因为两者都能够保证公司在原有投资的基础上增加新的价值。SOA和BPM适用于多种项目,能够通过更强的适应性达到一个新的高度,还可以降低成本。也正因为如此,SOA和BPM这两个概念经常被混淆或是被认为是可转换的,但是他们之间存     

主动网络的分析与研究

主动网络(Acdve Network)是一种新颖的网络概念，其新技术和服务将极大地推进网络的发展。本文介绍了主动网络体系结构，并结合实例对主动网络的三种实现方案进行了讨论。     

基于深度Q网络的在线服务功能链部署方法

针对5G网络资源状态动态变化和网络模型高维度下服务功能链部署的复杂性问题,该文提出一种基于深度Q网络的在线服务功能链部署方法(DeePSCD)。首先,为描述网络资源动态变化的特征,将服务功能链部署建模成马尔可夫决策过程,然后,针对系统资源模型的高维度问题采用深度Q网络的方法进行在线服务功能链部署策略求解。该方法可以有效描述网络资源状态的动态变化,特别是深度Q网络能有效克服求解复杂度,优化服务功能链的部署开销。仿真结果表明,所提方法在满足服务时延约束条件下降低了服务功能链的部署开销,提高了运营商网络的服务请求接受率。     

嵌套删失数据期望最大化的高斯混合聚类算法

针对聚类问题中的非随机性缺失数据, 本文基于高斯混合聚类模型, 分析了删失型数据期望最大化算法的有效性, 并揭示了删失数据似然函数对模型算法的作用机制. 从赤池弘次信息准则、信息散度等指标, 比较了所提出方法与标准的期望最大化算法的优劣性. 通过删失数据划分及指示变量, 推导了聚类模型参数后验概率及似然函数, 调整了参数截尾正态函数的一阶和二阶估计量. 并根据估计算法的有效性理论, 通过关于得分向量期望的方程得出算法估计的最优参数. 对于同一删失数据集, 所提出的聚类算法对数据聚类中心估计更精准. 实验结果证实了所提出算法在高斯混合聚类的性能上优于标准的随机性缺失数据期望最大化算法.