当前形势下深化大学生社会实践意义及方法

社会实践活动是高校培养德、智、体、美、劳全面发展的合格人才的重要途径.大学生参加社会实践活动,能够促进他们对社会的了解,实现书本知识和实践知识的更好结合,帮助其树立正确的世界观、人生观和价值观,帮助他们更好的由学校走入社会.笔者就护理专业学生进行社会实践的意义以及如何开展该项活动进行了探讨.     

流动改性剂PSAM/ZrP的制备及其对PC性能的影响

利用自由基共聚制得(苯乙烯/丙烯酰胺)寡聚体(PSAM),将其与磷酸锆(简称ZrP)熔融共混刺得流动改性剂PSAM改性磷酸锆(PSAM/ZrP),再将PSAM/ZrP和ZrP分别与聚碳酸酯(PC)熔融共混制得PC/PSAM/ZrP复合材料和PC/ZrP复合材料.利用傅立叶变换红外光谱(FTIR)仪、熔体流动速率(MFR)仪和凝胶色谱(GPC)仪对两种复合材料进行了表征,并考察了其流动性能和力学性能.结果表明,PSAM/ZrP和ZrP均能明显改善PC的流动性能,其中PSAM/ZrP的改善效果更为明显,并且ZrP用量不大于3份时,其并未引起PC相对分子质量或相对分子质量分布的变化;随着ZrP用量的增加,复合材料的拉伸弹性模量和弯曲弹性模量不断升高,弯曲强度和拉伸强度有所提高,冲击性能有所下降.当ZrP用量为1份时,PC/PSAM/ZrP复合材料的综合性能较佳.     

基于分支标记的数据流模型的代码生成方法

模型驱动开发以其低错误率,易仿真,易验证的特点在嵌入式软件开发中被广泛应用.近年来,基于模型的嵌入式软件开发方法及相应工具也在逐渐发展和完善.数据流模型是各种建模工具中使用最为频繁的语义模型,然而各种工具对于数据流模型的代码生成能力却参差不齐,特别是对于数据分支组件的支持,当前主流的建模工具都采用各种方式来回避复杂的分支建模及对应的代码生成.但是,分支建模是非常重要的,使用分支组件可以更清晰地表现出数据流的数据传递逻辑.为了解决复杂分支建模带来的代码生成难题,本文针对具有复杂分支组合的数据流模型提出了一种基于分支调度标记的代码生成方法.在本文提出的算法中,首先通过拓扑排序确定模型的调度顺序,再根据不同分支的影响对组件进行分支标记,之后根据组件的分支标记构造一个基于控制流的代码生成位置表,最后即可根据代码生成位置表进行各种主流语言的代码生成.本文通过构造四个具有复杂分支的数据流模型实例进行代码生成,并在生成代码行数和运行时间等方面与Simulink和Ptolemy进行对比,进一步说明了我们的代码生成方法在复杂分支组合情况下的通用性以及本文工作的价值和意义.     

深度多模态融合服装风格检索

目的 服装检索方法是计算机视觉与自然语言处理领域的研究热点,其包含基于内容与基于文本的两种查询模态。然而传统检索方法通常存在检索效率低的问题,且很少研究关注服装在风格上的相似性。为解决这些问题,本文提出深度多模态融合的服装风格检索方法。方法 提出分层深度哈希检索模型,基于预训练的残差网络ResNet（residual network）进行迁移学习,并把分类层改造成哈希编码层,利用哈希特征进行粗检索,再用图像深层特征进行细检索。设计文本分类语义检索模型,基于LSTM（long short-term memory）设计文本分类网络以提前分类缩小检索范围,再以基于doc2vec提取的文本嵌入语义特征进行检索。同时提出相似风格上下文检索模型,其参考单词相似性来衡量服装风格相似性。最后采用概率驱动的方法量化风格相似性,并以最大化该相似性的结果融合方法作为本文检索方法的最终反馈。结果 在Polyvore数据集上,与原始ResNet模型相比,分层深度哈希检索模型的top5平均检索精度提高11.6%,检索速度提高2.57 s/次。与传统文本分类嵌入模型相比,本文分类语义检索模型的top5查准率提高29.96%,检索速度提高16.53 s/次。结论 提出的深度多模态融合的服装风格检索方法获得检索精度与检索速度的提升,同时进行了相似风格服装的检索使结果更具有多样性。     

浅谈中医院校辅导员应县有的素质

中医院校辅导员素质的好坏,直接关系到医学院校能否培养出合格的接班人.文中结合作者从事中医院校辅导员的工作经验,对中医院校辅导员应具备的素质进行了探讨.     

屈肌腱损伤术引导回缩肌腱方法82例临床分析

目的 探讨改进屈肌腱损伤手术中回缩肌腱的引导方法.方法 采用医用输液管导引法对82例患者102条屈肌腱损伤进行修复,引导回缩屈肌腱至损伤平面进行修复,术后随访2～9个月,观察手部功能恢复情况.结果 手术操作简便,易于肌腱修复,术后TAM法评定疗效优良率达92.0%.结论 该改进方法优点突出,方便实用,值得推广.     

基于孤立森林算法和BP神经网络算法的电力运维数据清洗方法

在电力系统的大数据背景下,对电力运维数据进行数据清洗可以有效地改善数据质量,为数据分析做好基础。在数据清洗过程中,电力数据异常检测准确度低与数据修正误差大等问题一直是技术难点。针对这些问题,提出一种基于改进的孤立森林(Isolation Forest)算法和BP神经网络算法的数据清洗方法。该方法构造孤立森林对训练数据集的特征进行提取,并检测出数据集中的异常数据,再使用改进的BP神经网络模型对异常数据处进行预测修改。试验结果表明,基于改进方案的电力运维数据清洗程序在异常数据定位准确性、数据修正准确率、训练时间和资源占用等方面都得到了有效的优化。     

基于混合频谱信号编码的网格纹理平滑

网格纹理平滑技术要求既能保持模型大尺度结构特征又能去除模型小尺度纹理.然而当模型小尺度纹理与噪声相差较大时,大多数网格光顺算法会将网格纹理识别为特征加以保持,而无法有效将其去除;现有的基于谱分析的网格光顺方法尽管能有效去除网格纹理,但又无法同时保持模型大尺度结构特征.为解决该问题,本文提出一种基于混合频谱信号编码的低通过滤网格纹理平滑算法.首先采用基于视觉感知的特征识别方法,准确区分模型大尺度与小尺度特征.然后,基于顶点特征尺度,采用差异性频谱信号编码的方式进行几何信息重建,最终实现在保持网格模型大尺度结构特征的同时有效去除小尺度纹理.算法解决了现有网格光顺方法在模型小尺度纹理特征与噪声有明显区别时,无法有效去除纹理的问题;并且也解决了现有基于谱分析的网格光顺方法无法在去除模型小尺度纹理的同时,又能保持模型大尺度特征的矛盾.实验结果验证了算法的有效性.     

基于开放式排队网络模型的4G无线中继系统

针对高速率以及高载频带来基站小区边缘的收缩问题,在现有排队模型的基础上,提出一种适用于4G无线中继资源管理的分析模型,采用多级的开放式排队网络模型进行建模,并支持多种QoS业务。相比传统的分析方法,该方法能反映不同的QoS服务流模型。     

图像超分辨率重建中的细节互补卷积模型

目的 现有的超分辨卷积神经网络为了获得良好的高分辨率图像重建效果需要越来越深的网络层次和更多的训练,因此存在了对于样本数量依懒性大,参数众多致使训练困难以及训练所需迭代次数大,硬件需求大等问题。针对存在的这些问题,本文提出一种改进的超分辨率重建网络模型。方法 本文区别于传统的单输入模型,采取了一种双输入细节互补的网络模型,在原有的SRCNN单输入模型特征提取映射网络外,添加了一个新的输入。本文结合图像局部相似性,构建了一个细节补充网络来补充图像特征,并使用一层卷积层将细节补充网络得到的特征与特征提取网络提取的特征融合,恢复重建高分辨率图像。结果 本文分别从主观和客观的角度,对比了本文方法与其他主流方法之间的数据对比和效果对比情况,在与SRCNN在相似网络深度的情况下,本文方法在放大3倍时的PSNR数值在Set5以及Set14数据下分别比SRCNN高出0.17 dB和0.08 dB。在主观的恢复图像效果上,本文方法能够很好的恢复图像边缘以及图像纹理细节。结论 实验证明,本文所提出的细节互补网络模型能够在较少的训练以及比较浅的网络下获得有效的重建图像并且保留更多的图像细节。