福特制在科学技术史上的体制变革与工业效应

本文将以福特制为主线,探索人类在社会生产实践中运用科学知识和管理知识对社会生产力的改革,梳理工业革命下美国大规模生产的时代进程,从多个角度剖析福特制生产管理模式的历史意义.福特制生产管理模式产生的联动效应改变了世界,是整个人类科学技术史上的福音,并引导着人类思维方式和生活方式的转变,进而也影响社会的方方面面,同时带动其他一些相关产业的发展,对我们的现在与未来具有重要的历史借鉴意义.     

基于先验知识的文本实体识别方法

阐述文本实体识别作为医疗相关人工智能应用的关键中间任务，其效果直接决定下游任务表现上限，然而传统方法中通常忽略医学知识的应用，很难取得良好表现。提出一种基于RoBERTa与CRF并融合医学知识的医学文本实体识别方法，将医学知识作为先验引入到CRF最优路径搜索环节，极大程度地提升了标签转换的连贯性，并在相关数据集主指标上取得了改善。     

多重驱动模式下开放式知识网络的时空演化模型及治理策略

开放式复杂网络下知识的快速流转及有效分配决定着跨时空知识创新与价值创造的实现,在揭示开放式知识网络典型特征的基础上,结合网络参与主体的联合程度,针对联合式、强驱动式及无意识式多重驱动模式阐述知识结构布局的存量、流量和转量的影响要素与作用机理。建立开放式知识网络总量的二元时空交流域方程,深入挖掘网络时空分布的测度方法与演化特征。运用多层次案例研究方法,分析2012～2017年间3类知识服务网络的产生与演变过程,提出知识网络的治理策略。研究发现,不同驱动模式下的网络知识构成伴随组织形态不断演化发展,呈现为获取渗透、交换潜化、扩散倍化及转化应用4个阶段。知识市场缺口与地理缺口的时空距离不断减少,知识溢出效果不断增强,有效的知识治理方案有助于开放式知识系统的形成。     

扩展稀疏表示稳健HRRP目标特征提取方法

为提高低信噪比下高分辨一维距离像目标识别性能，提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展，实现对目标高分辨一维距离像局部特征与全局特征的提取。其中，在训练阶段利用支持向量理论与字典学习原理，对特征提取字典进行优化提高特征向量的可分性。在测试阶段，利用因子分析模型匹配方法对去噪声字典进行优化，从而实现对噪声的有效抑制，保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试，结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像，并实现较高的识别正确率。     

基于双平行互质阵列的二维非网格DOA估计

近年来,基于稀疏表示的DOA估计方法已经被广泛提出,这些方法都需预设离散的网格点,而实际信号来波方向在空间域内具有随机性,任何来波方向都是等概率出现,很有可能信号的来波方向不在网格上,因而会存在网格误差,使DOA估计结果产生较大偏差。为提高DOA估计精度,本文提出了非网格的DOA估计模型。同时,为提高测向自由度,本文应用由两个均匀线阵组成的互质阵列,并且将两个均匀线阵平行放置在同一平面。通过将两均匀线阵的互协方差矩阵向量化成互协方差矢量,可得到一维虚拟扩展的接收数据矢量,并且在稀疏表示框架下应用相应的稀疏恢复算法恢复出跟DOA参数相关的向量,从该向量中得到唯一的并且自动配对的二维DOA估计参数。仿真实验结果验证了本文算法较传统算法具有更好的DOA估计性能。     

财务共享再造油企经管体系

<正>财务共享服务,可以降低风险,进而有效提升财务管理水平。财务共享服务中心模式的出现,实现了将不同国家、地点的实体的会计业务统一到一个共享服务中心进行记账和报告,而且不需要在每个公司和办事处都设会计。现在大型跨国集团公司如壳牌、道达尔、BP等通常采用财务     

针对知识推送的因果分析方法研究

因果分析是技术创新过程中一种确定问题产生根源的方法,针对当前产品研发人员主要依靠个人经验和知识进行因果分析的现状,提出了一种基于知识推送的因果分析方法.首先,分析了因果分析过程中的知识需求及知识的表述方式.其次,提出了需求驱动的知识推送流程,并确定知识推送过程中知识匹配的方法.然后,基于知识推送方法和因果分析过程的研究,提出基于知识推送的因果分析流程.最后,以除雾器叶片堵塞为例,在知识主动推送服务的基础上完成因果分析,验证了分析方法的合理性和可行性.     

邻域谱概率协同表示的高光谱图像分类方法

为了提高高光谱遥感图像的分类精度, 通过结合像元邻域谱与概率协同表示方法, 提出了一种基于空间信息与光谱信息的分类方法。首先采用插值方法生成像元的邻域谱, 然后用概率协同表示方法将待测样本进行分类。用所提出的方法在AVIRIS Indian Pines和Salinas scene高光谱遥感数据库上进行分类实验, 并和主成分分析、支持向量机、稀疏表示分类器和协同表示分类器方法进行了比较。结果表明, 所提出的方法在AVIRIS Indian Pines数据库上识别精度比主成分分析法高约17%, 其识别精度和kappa系数都优于另外4种方法。该方法是一种较好的高光谱遥感图像分类方法。