管理史对MBA的边际效用

近年来 ,我国MBA的社会评价不高 ,其根本原因是MBA毕业生不能满足市场要求。本文通过分析管理史的功能 ,得出学习管理史对MBA的边际效用大 ,MBA培养方案中有必要增设管理史类的课程。     

数据中心计算环境应用承载能力评价

随着新型计算服务模式在数据中心的普及,针对如何有效评价其承载能力的问题,提出一种新的应用承载能力评价体系和评价模型,具体分析了网络、计算资源对服务环境的影响度,并给出了实例分析。实例分析结果表明,新的评价体系和评价模型可以有效评估计算服务模式对各类信息服务系统部署运行的应用承载能力,进而提升信息服务保障整体效益。     

国外武器装备电磁环境适应性试验与评价技术及能力发展综述

武器装备的电磁环境适应性已成为制约武器装备能打仗、打胜仗的一个重大问题;西方军事强国非常重视面向复杂电磁环境的武器装备试验与评价技术研究和能力建设,通过相关投资计划的长期持续投入,支持突破其中的关键技术、方法,以及构建相应的试验与评价设施能力;文章从标准规范和研制程序、技术方法、试验设施、科研和能力建设投资计划等几方面综述了国外武器装备复杂电磁环境适应性试验与评价技术和能力发展情况,并在此基础上,提出了对我国武器装备电磁环境适应性试验与评价能力的发展建议.     

基于改进FAHP的电力通信网可靠性评估方法研究

论文阐述了可靠性的一般评估方法,在借鉴TMN管理模型的基础上,对电力通信网可靠性进行了分层,构建了可靠性综合评估指标体系.为减少指标体系权重的主观性,提高评估结果的客观性和可信性,提出了一种改进的FAHP综合可靠性评估方法.该方法基于对数最小二乘法(LLSM)进行模糊权重计算,利用限位系数法来实现评估结果的解模糊过程,实例评估验证了该方法的有效性和可行性.最后对电力通信网可靠性的研究方向给出了建议.     

A note about the complexity of minimizing Nesterov's smooth Chebyshev–Rosenbrock function

This short note considers and resolves the apparent contradiction between known worst-case complexity results for first- and second-order methods for solving unconstrained smooth nonconvex optimization problems and a recent note by Jarre [On Nesterov's smooth Chebyshev–Rosenbrock function, Optim. Methods Softw. (2011)] implying a very large lower bound on the number of iterations required to reach the solution's neighbourhood for a specific problem with variable dimension.     

基于模糊决策的风力发电产业评价研究

根据风力发电技术产业的特点,构建改进层次分析与模糊一致矩阵相结合的方案决策数学模型,该模型既可以减少确定判断矩阵的盲目性,又可以避开评价体系中各等级间的隶属度确定问题,使评价结果更加可靠,适合于信息尚不完整、受主观因素影响较强的评价。实例验证了这一模型的合理性、可行性和有效性,具有实用价值。     

锦屏二级水电站3#引水隧洞有盖重防渗固结灌浆试验

本文介绍了锦屏二级水电站3#引水隧洞有盖重防渗固结灌浆试验的施工方法和试验参数。通过防渗固结灌浆试验,总结出在灌浆施工中应及时采集的相关信息和采取的施工工艺,既保证了施工质量又保证了施工速度     

高职计算机专业学生评价体系的探索

在德国职业教育的影响下,高职计算机专业教育开始推行任务驱动,工作过程导向的教育模式,但是其教育评价体系还没有与教学模式相统一,实现与对应就业岗位需求的完美结合。高职计算机专业教育评价体系包含了很多方面,本文主要从学生学习效果的评价体系进行探索。     

关联规则挖掘在教学评价中的应用研究

教学评价是院校最重要的工作之一,而科学的评教方法又显得尤为重要。本文介绍一种更适合于关系型数据库关联规则挖掘的、基于SQL的频繁项关联规则挖掘算法,并将其应用于教学评价。通过对大量的样本数据进行试验,得出了应用以往传统的教学评价方法所无法得到重要的教学参考信息。     

Web proxy cache replacement scheme based on back-propagation neural network

Web proxy caches are used to reduce the strain of contemporary web traffic on web servers and network bandwidth providers. In this research, a novel approach to web proxy cache replacement which utilizes neural networks for replacement decisions is developed and analyzed. Neural networks are trained to classify cacheable objects from real world data sets using information known to be important in web proxy caching, such as frequency and recency. Correct classification ratios between 0.85 and 0.88 are obtained both for data used for training and data not used for training. Our approach is compared with Least Recently Used (LRU), Least Frequently Used (LFU) and the optimal case which always rates an object with the number of future requests. Performance is evaluated in simulation for various neural network structures and cache conditions. The final neural networks achieve hit rates that are 86.60% of the optimal in the worst case and 100% of the optimal in the best case. Byte-hit rates are 93.36% of the optimal in the worst case and 99.92% of the optimal in the best case. We examine the input-to-output mappings of individual neural networks and analyze the resulting caching strategy with respect to specific cache conditions.