自动化与仪器仪表行业的技术发展趋势

该文指出了自动化与仪器仪表行业在国民经济和科技领域中的重要地位,着重介绍了中国自动化与仪器仪表行业的现状和国际自动化与仪器仪表行业的发展趋势。     

适逢其时任重致远——访中国仪器仪表行业协会理事长奚家成

仪器仪表行业是为国民经济各部门提供计量、检测、调节和控制等技术装备的一个重要行业,涉及到国民经济重要产业与高新技术的结合、独立自主和产业安全问题,虽然产业本身规模在国民经济中所占比重不大,但拉动的相关经济产值极高,地位重要。2005年,仪器仪表行业发展速度超乎预想,行业产值增幅为近十年之最,斐然业绩见证了仪器仪表行业在“十五”期间的快速稳步发展。“十一五”是我国发展承上启下的关键时期,也为仪器仪表行业发展带来了难得的机遇,适逢其时,仪器仪表行业的发展目标主要包括哪几个方面?我国的仪器仪表厂商如何才能在激烈的竞争中占有优势?企业又要如何做到走中国特色的自主创新道路?带着这些问题,记者专程采访了中国仪器仪表行业协会理事长奚家成。     

我国惯性仪器仪表的技术特点及发展综述

惯性仪器仪表技术已成为衡量一个国家科学技术水平和国防实力的重要标志之一。现今,国防领域和民用市场的旺盛需求极大的促进了惯性仪器仪表的发展,需求牵引成为惯性仪器仪表发展的源动力。本文简述了我国惯性仪器仪表的发展历史,总结了我国惯性仪器仪表的最新发展现状,分析了该行业的行业特点,并对未来市场需求进行了预测。     

重庆市自动化与仪器仪表行业的现状及发展趋势

仪器仪表是人类认识世界、创造文明的工具,而重庆市是中国最大的仪器仪表生产基地。本文分析了重庆市自动化与仪器仪表行业的发展现状,阐述了重庆市自动化与仪器仪表行业未来的发展趋势及焦点,供同行参考。     

仪器仪表行业科技发展的几个问题

文总结了仪器仪表行业“六五”科技发展情况,提出了“七五”期间仪器仪表行业的任务、目标和科技发展重点。     

扩大学会影响,促进行业创新

从用户的角度,对我国仪器仪表行业的现实问题和中国仪器仪表学会在行业中的作用及影响做了较深入地分析,同时阐述了用户在当前形势下需求的变化。为此,建议学会进一步扩大影响,加大对技术开发和技术创新的宣传和鼓励,加大评奖和推广方面的工作力度,并在仪器仪表行业知识产权保护方面提供必要的服务。仪器仪表学会应进一步发挥在鼓励创新工作上的优势,倡导行业根据企业自身特点,打造一流企业品牌的氛围。     

我国仪器仪表行业发展已进入快车道

2007年,我国仪器仪表行业的表现令人振奋,总产值一年提升了近千亿元,产销双破3000亿元,创下了我国仪器仪表发展史上的最高纪录。据统计,2007年仪器仪表行业总产值达3078亿     

向中国自动化界先驱朱良漪、周春晖先生致敬!

原机械部国家仪表总局总工程师,中国仪器仪表学会分析仪器分会名誉理事长,我国仪器仪表事业的创始人之一,分析仪器行业的主要创始人和学术带头人、业界泰斗朱良漪先生因病医治无效,于2008年1月10日下午五点在北京逝世,享年88岁。朱良漪,仪器仪表工程技术专家。是我国仪器仪表行业、自动化控制技术行业最早和始终不渝的开拓者之一。60年代主持完成了我     

仪器仪表的防雷设计技术

随着我国科学技术的飞速发展,仪器仪表行业也发生了较大的变化。作为人类认识世界的重要工具,仪器仪表在当今社会逐步朝着智能化、多功能化的方向发展。雷电是一种非常常见的自然现象,极易对仪器仪表造成严重影响与破坏,因此从这个角度来说,非常有必要对仪器仪表进行防雷设计。鉴于此,本文拟从我国仪器仪表行业发展现状、仪器仪表防雷设计的必要性以及仪器仪表防雷设计技术等几个方面来进行分析与阐述,以期加深对这一问题的认识与理解程度。     

仪器仪表业上半年增幅低开高走

据中国仪器仪表行业协会名誉理事长奚家成介绍,今年以来,仪器仪表行业的产销形势总体正常,上半年行业利润增幅有所回升,主营利润率持续上升,进出口走势强于预期,增幅达到了两位数。他判断说,预计仪器仪表行业全年的产销可以达到15%左右的预定目标,保持中高速增长。     

基于深度学习的数据融合方法研究综述

数据融合是最大程度发挥大数据价值的关键,深度学习是挖掘数据深层特征信息的技术利器,基于深度学习的数据融合能够充分挖掘大数据潜在价值,从新的深度和广度拓展对世界的探索和认识。综述了近几年基于深度学习的数据融合方法的相关文献,以此了解深度学习在数据融合中应用所具有的优势。分类阐述常见的数据融合方法,同时指出这些方法的优点和不足。从基于深度学习特征提取的数据融合方法、基于深度学习融合的数据融合方法、基于深度学习全过程的数据融合方法三个方面对基于深度学习的数据融合方法进行分析,并做了对比研究与总结。总结全文并讨论了深度学习在数据融合中应用的难点和未来需要进一步研究的问题。     

多媒体技术研究:2014——深度学习与媒体计算

目的 海量数据的快速增长给多媒体计算带来了深刻挑战。与传统以手工构造为核心的媒体计算模式不同,数据驱动下的深度学习(特征学习)方法成为当前媒体计算主流。方法 重点分析了深度学习在检索排序与标注、多模态检索与语义理解、视频分析与理解等媒体计算方面的最新进展和所面临的挑战,并对未来的发展趋势进行展望。结果 在检索排序与标注方面, 基于深度学习的神经编码等方法取得了很好的效果;在多模态检索与语义理解方面,深度学习被用于弥补不同模态间的“异构鸿沟“以及底层特征与高层语义间的”语义鸿沟“,基于深度学习的组合语义学习成为研究热点;在视频分析与理解方面, 深度神经网络被用于学习视频的有效表示方式及动作识别,并取得了很好的效果。然而,深度学习是一种数据驱动的方法,易受数据噪声影响, 对于在线增量学习方面还不成熟,如何将深度学习与众包计算相结合是一个值得期待的问题。结论 该综述在深入分析现有方法的基础上,对深度学习框架下为解决异构鸿沟和语义鸿沟给出新的思路。     

深度光流估计方法研究进展

结合深度学习模型实现光流端到端的计算是当前计算机视觉领域的一个研究热点.文中对基于深度学习的光流估计方法进行总结和梳理.首先,介绍了光流的起源与定义;其次,总结了现有的数据集合和评价指标;最重要的是,着重从3个方面回顾了深度光流估计方法,包括有监督的深度光流估计方法、无监督的深度光流估计方法以及对现有光流估计方法的性能对比分析.分析表明,参照传统方法设计小而轻且泛化性能好的深度光流网络是未来的研究方向.在此基础上,进一步分析和介绍了当下光流估计与视频分析任务联合学习的一系列代表性方法,指出了设计由任务驱动的深度光流网络是很有应用价值的研究方向.最后,总结了深度光流估计存在的问题和挑战,并对未来工作进行展望.     

基于元算子的深度学习框架缺陷检测方法

在用于构建深度学习模型的深度学习框架中,算子的正确计算对于深度学习模型的正确预测至关重要.然而,已有的深度学习框架缺陷检测方法只能通过比较和推测的方式找到不同深度学习框架之间计算结果相差较大的算子,而且无法检测深度学习模型在训练过程中产生的计算错误,具有很大的局限性.针对此问题,本文设计并实现了基于元算子的深度学习框架...     

Deep Web 研究现状与展望

随着Deep Web数量和规模的快速增长,通过对其发起查询请求以得到存储在后台数据库中的相关信息,日渐成为用户获取信息的主要方式。为了方便用户有效地利用Deep Web中的信息,越来越多的研究者致力于这一领域的研究,重点之一是Deep Web后台数据库的数据集成。由于Deep Web后台数据库存储的主要是文本信息,使得从文本处理角度出发,针对Deep Web中存储的内容进行查询与检索的研究具有十分广阔的应用前景。本文对Deep Web的研究现状进行了较为详细的分析,同时对研究的发展方向进行了展望。     

主题Deep Web爬虫框架研究

为满足用户精确化和个性化获取信息的需要,通过分析Deep Web信息的特点,提出了一个可搜索不同主题Deep Web 信息的爬虫框架.针对爬虫框架中Deep Web数据库发现和Deep Web爬虫爬行策略两个难题,分别提出了使用通用搜索引擎以加快发现不同主题的Deep Web数据库和采用常用字最大限度下载Deep Web信息的技术.实验结果表明了该框架采用的技术是可行的.     

深度学习算法研究进展

深度学习是人工智能领域的研究热点,利用深度学习支持人工智能的研究工作已经是必然趋势,在图像、语音、文本等领域已经展现出性能优势。对深度学习相关文献进行了分析研究,介绍了深度学习的概念和方法框架,综述了当前深度学习模型及其应用情况,分析了深度学习需要突破的瓶颈,指出了深度学习未来的研究方向。     

基于计算机的BIM技术在地下空间深基坑工程中的应用

随着城市化进程的加快,地上空间的利用率逐渐饱满,人们不得不将目光移向地下空间,深基坑工程也因为这种趋势而变得越来越重要,深基坑的深度与面积逐渐增大。相较于浅基坑,深基坑工程更为系统、复杂,其所需要的知识学科也更多。如果深基坑系统出现坍塌或者损坏,将会造成巨大的人员伤亡和经济损失。深基坑工程的事故频发,促进了一种基于计算机的新兴技术的诞生:BIM技术。本文旨在在地下空间深基坑工程中应用BIM技术,首先阐述了什么是基坑工程,又分析了现阶段深基坑工程建设施工中的潜在问题与其形成的原因,接着介绍BIM技术,并分析BIM技术在深基坑工程中的优势,最后探讨BIM技术如何解决深基坑工程的问题,提出对策与建议。     

D-KAT: a deep knowledge acquisition tool

Abstract: This paper describes a system of shallow and deep knowledge acquisition and representation for diagnostic expert systems. The acquisition system is integrated into a diagnostic expert system shell. Shallow knowledge is represented in a failure model as a set of cause-effect relations among the possible faults, while deep knowledge is represented in three deep models: a functional, a deep causal and a taxonomic model. The acquisition and the representation of all the models are fully integrated. The deep knowledge is used by the final expert system in order to provide the user with deep explanations of the cause-effect relations of the failure model.     

深度学习在化学流程工业故障诊断的研究进展

化学流程工业故障诊断（chemical process industry fault diagnosis,CPIFD）是智能制造的一个重要分支。近年来,深度学习在特征识别和分类方面显示出独特的优势和潜力,因此,基于深度学习的CPIFD研究受到了学者们的广泛关注。然而,在已发表的研究文献中,关于基于深度学习的CPIFD的论述是有限的,因此,旨在为CPIFD的研究提供最新的参考,并激励学者进一步探讨深度学习在CPIFD中的应用。介绍了CPIFD技术的发展,阐述了在深度学习中具有代表性模型的基本理论,并综述了它们在CPIFD中的应用,这些模型包括卷积神经网络、深度置信网络、堆叠自动编码器、长短期记忆网络和其他新兴神经网络模型;讨论了深度学习在CPIFD中所面临的问题,并对今后值得研究的方向提出了展望。