基于人工神经网络的焊接接头力学性能预测系统

对神经元网络在焊接接头力学性能预测上的应用做了探索,训练了焊接方法包括焊条电弧焊、气体保护焊、埋弧焊和TIG焊的抗拉强度、屈服强度、断后伸长率和断面收缩率模型.并在此基础上设计完成了基于人工神经元网络的焊接接头力学性能预测系统.利用可视化界面编程技术和数据库技术制作了友好的人机用户界面.焊接接头力学性能预测系统包括添加...     

试论如何做好工程造价中的资料积累工作

1引言 工程造价管理是工程建设管理的重要部分,是业主提高投资效果、施工企业提高经济效益,以及政府部门做好工程建设投资管理的体制、方法还不能满足当前建筑市场发展的需要。建立和完善科学合理的工程造价管理的体制仍有很长的路要走。工程造价管理工作应当在规范建筑市场的基础上,以正确的政策引导和科学的管理方法实现市场形成价格的机制。新形势下,工程造价管理是采用科学的方法、完整的管理体系下形成的工程造价信息的收集、整理、发布以及工程造价的咨询、     

浅谈工程造价的全过程控制

1引言 随着社会主义市场经济体制的建立与完善和改革的不断深化,工程造价领域改革的步伐也在不断地加快,原有的工程造价管理体制已不能适应社会主义市场经济体制的需要,特别是我国加入WTO之后,这种体制已不适应参与国际工程咨询市场的经营和竞争。     

杜邦公司预言突破性的利润增长

杜邦公司预测在未来两年里其农业和营养品业务的销售将会逐步增加,且其收益会有突破性的增长。与2004～2007年的5％的年平均增长率相比．该公司计划在2007年和2010年间实现6％～8％的年平均增长率。在此期间,税前经营利润的年平均增长率仅2％。但杜邦公司期望在2007～2010年间．这个数字可以猛增到15％．大约三分之二的增加将来自杜邦公司的种子业务．作物保护及营养品业务。     

基于迁移权重的条件对抗领域适应

针对条件对抗领域适应(CDAN)方法未能充分挖掘样本的可迁移性,仍然存在部分难以迁移的源域样本扰乱目标域数据分布的问题,该文提出一种基于迁移权重的条件对抗领域适应(TW-CDAN)方法。首先利用领域判别模型的判别结果作为衡量样本迁移性能的主要度量指标,使不同的样本具有不同的迁移性能;其次将样本的可迁移性作为权重应用在分类损失和最小熵损失上,旨在消除条件对抗领域适应中难以迁移样本对模型造成的影响;最后使用Office-31数据集的6个迁移任务和Office-Home数据集的12个迁移任务进行了实验,该方法在14个迁移任务上取得了提升,在平均精度上分别提升1.4%和3.1%。     

活性炭吸附技术对VOCs净化处理的研究进展

介绍了VOCs的概况,简述了各种治理方法,包括热破坏法、吸附法、吸收法、光催化降解法、冷凝法和生物控制法.在此基础上,以活性炭吸附为重点,探究了活性炭吸附技术的应用和发展现状.     

基于自适应Kalman滤波的FPSO生产水流量在线估计

作为大型的海上油气生产、储油、卸油平台,FPSO平台大量使用的流量测量仪表面临高温、高压及液体携沙等复杂工况下,测量往往不准确,对现场的操控安全带来严峻挑战.提出依据现场相对准确的液位以及压力数据结合卡尔曼滤波算法构建生产水流量的软测量模型,并利用时变噪声统计估计器自适应动态调整输入和测量噪声协方差矩阵.基于某FPSO...     

车辆路径问题的改进的双种群遗传算法

提出了一种基于车辆路径问题的改进双种群遗传算法.该改进双种群遗传算法主要通过两个种群同时进行进化操作,并结合新交叉算子和种群交叉策略,以克服传统双种群遗传算法在求解车辆路径问题上所存在的不足.通过仿真实验,将改进的双种群遗传算法与其它几种遗传算法进行比较,改进的双种群遗传算法比其它几种遗传算法显著提高了优化效果.实验结果表明,该算法可以有效求得该问题的优化解,是解决车辆路径问题的好方法.     

论以人为本的图书馆管理与服务

经济社会和教育的不断进步与发展,图书馆也在这个大环境下不断发展,在新的历史条件下,图书馆的服务管理理念和方法不仅面临着巨大的挑战,很多的职能也都在不断的发展转变和变化,在这种情况下如何更好的发挥图书馆的积极作用,更好的提高图书馆的管理和服务水平已经成为了社会广泛关注的话题。科学发展观的核心就是以人为本,而以人为本的核心价值观对于图书馆的管理和服务也产生了直接的影响,坚持以人为本的管理和服务理念,是促进图书馆实现跨越式发展和科学发展的重要基础。图书馆的以人为本的主要对象包括对于馆员和图书馆的读者,因此坚持以人为本就是努力提高馆员的服务水平,不断的满足读者的多样化需求。本文也将对于以人为本的图书馆管理与服务进行分析和论述,希望给读者一定的启示。     

FedSharing：一种双区块链激励驱动的数据分享联邦学习框架

联邦学习（federated learning,FL）能够在不丢失数据所有权的同时依托隐私保护技术实现安全的分布式模型训练,但是其也具有中心化、缺乏公平激励等问题。区块链（blockchain）本质上来说是一种分布式数据库,具有去中心化、信任公证等特点,但是其也具有网络吞吐量小、资源浪费等关键问题。针对上述技术方法的问题与特点,提出了一种双区块链激励驱动的数据分享联邦学习框架,称为FedSharing。分别构建主链与侧链：主链使用交易封装联邦学习中交换的全局参数,同时结合链上智能合约和链下扩容技术建立梯度状态通道;侧链提出了一种新型的修正Shapley值工作量证明算法（PoFS）,修正传统Shapley值计算中成员平等性前提,将联邦学习中成员合作历史诚信度这一影响联盟利益的因素纳入考量。测试结果表明：梯度状态通道较智能合约去中心化方案每轮次时间平均降低4~5 s,PoFS共识下激励分配比例更符合公平实际。