“戴伟工作室”获南京市委宣传部资金支持

根据《关于加快建设文化人才资源高地推动南京文化高质量发展的实施意见》(宁宣通[2018]90号)和《南京市文化人才工作室引进管理细则》相关规定,为加强全市文化人才队伍建设,推动文化高质量发展,南京出版传媒集团积极与科普领军人物展开深度合作,经过多次酝酿,充分沟通,引进英籍人士戴伟,在宁成立“戴伟工作室”,致力于科普工作。2020年11月,“戴伟工作室”得到南京市委宣传部资金支持,成为南京出版传媒集团承担的重点项目。     

李炜代表:主动转变能源结构将是解决电解铝行业碳排放问题的关键

在全国“两会”期间,本刊记者就电解铝行业有关问题采访了全国人大代表,河南神火集团有限公司党委书记、董事长李炜。“目前国内电解铝行业经过供给侧改革后,合规指标产能上限4500多万吨,目前运行产能3930万吨,未来仍有一定的增长空间。但电解铝也将面临耗能增长与碳控目标的矛盾,属于高排放行业,如何降低碳排放实现绿色低碳生产是摆在电解铝行业未来几年的关键问题。”李炜说,今年总理在政府工作报告中也提出,加快发展方式绿色转型,协同推进经济高质量发展和生态环境高水平保护,这对于铝行业未来发展提出了更高的要求。     

基于多维异构特征与反馈感知调度的SDN内生安全控制平面

为弥补现有研究在软件定义网络(Software-Defined Networking,SDN)控制平面未知漏洞防御方面的空白,本文提出了一种基于多维异构特征与反馈感知调度的内生安全控制平面的设计方案.该方案以"冗余、异构和动态"为切入点,通过组合执行体冗余集构建策略、多维异构元素着色策略和动态反馈感知调度策略,有效增加SDN控制平面对攻击者所呈现的执行体时空不确定性(逆转攻防不对称性).相关仿真结果表明该方案可以收敛全局执行体数目、增加执行体之间的多维异构度并降低系统全局失效率.     

《起重运输机械》投稿细则

《起重运输机械》杂志于2017年8月开启了试行改版工作,在改版推进过程中,为进一步提升期刊质量,并基于当前新媒体的需要,特制定本投稿细则,作者如有建议和意见请联系编辑部,对有价值的建议随时采纳。     

天津:持续推进“五大体系”建设计量工作取得新进展

一、深化计量法律法规贯彻执行,加强计量技术规范建设1.加强制度建设。一是结合计量领域"双随机、一公开"监管要求,完善随机抽查工作细则,建立健全检查"两库",全面实施计量领域7个"双随机"监管项目。二是为推进服务业诚信计量体系建设,提高服务业诚信计量管理水平,有序推进我市服务业诚信计量分类监管工作.     

多特征检测人形识别安防摄像机设计

针对高准确率和快速跟踪摄像功能的需求,基于机器视觉设计了人形识别安防摄像机。首先,确定了整体工作方案;其次,提出一种多特征组合人形识别方法,通过训练3个分类器,分别识别人形正身、侧身和背身,并采用haar特征+adaboost算法实现人形识别和定位功能,再利用PID算法控制步进电机和舵机实现人形跟踪;最后,开发了安卓手机端APP。测试结果表明:多特征组合识别方法能够快速识别人形目标,帧率不低于20Hz;与单特征人形识别方法相比,识别准确率提高27.3%;人形目标追踪时间不超过1.7s;摄像机能够流畅实现WiFi控制、无线监视和录像下载等功能。     

全球腐蚀控制工程领域绽放的大国智慧之花——回眸国际腐蚀控制工程全生命周期标准化技术委员会之成立

提案申报成功中美两国申报成立国际腐蚀控制工程全生命周期标准化技术委员会提案(ISO/TS/P254),在2016年6月15日-16日国际标准化组织ISO/TMB技术委员会第66次会议上,被批准成立腐蚀控制工程全生命周期标准化分技术委员会(SC),开展腐蚀控制工程全生命周期标准化工作,由中国国家标准化管理委员会(SAC,下文简称国标委)承担秘书处工作,将来根据市场需求和工作进展.     

聚焦两会继续攻坚克难

政府工作报告描绘了今年、今后五年的蓝图,中华民族的伟大复兴,正在改革开放四十多年的基础上,继续迈向新的高度。今年两会如期在春天拉开大幕,全国人民和莅会的代表委员,无不感到欣慰。放眼全世界,在新冠肺炎疫情的无情冲击下,唯有中国成功扼制住病毒蔓延,保持了难能可贵的一方净土。     

新媒体时代大学生教育与管理对策探究

近年来,我国信息技术领域发展迅速,给大学生日常教育、管理环节工作的开展带来了一定的影响.为保证教学质量,相关教师在授课期间应该引导大学生合理使用新媒体技术展开学习活动.目前新媒体技术在大学生日常教学工作中,应用效果较为理想,为使相关教育、管理环节工作开展得愈加顺利,高校教师应该不断寻找更为有效的应用措施.     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.