浅谈加强会计基础工作的重要性

我们国家目前正面临发展的全新时期,新时代的经济发展对会计工作有许多全新的规定,我们都知道会计基础工作是基本要素,同时还是当前经管活动的关键根基。在当前的这种社会背景之下,我们国家的各类企事业组织都应该切实的认识到会计基础工作的关键意义,要将基础工作和别的要素有效的联系到一起,要运用合理的方法,不断的完善和强化该项基础工作,进而确保它能够在单位的管控活动中体现出重要的价值和意义。     

数码照相技术在水上无名尸体案中的应用研究

目的：为了解决水上无名尸体拍摄登记中存在的开支大、保存难、查阅难等问题。方法：运用数码技术对水上无名尸体进行拍摄及存档处理。结果：采用数码照相方法对水上无名尸体拍摄。并利用Windows操作系统的树状目录结构分别保存不同情况的照片。结论：无名尸体数码照片存档方便、层次分明、查询方便。     

展现创意家纺，魅力生活——上海国际家纺园将亮相杭州休闲博览会

本月底26日，上海国际家纺园形象展馆作为“世界百座城市休闲风情馆”之一，首次亮相休博会。     

物联网6LoWPAN技术研究

由于物联网的迅速发展,无线通信系统中终端节点数量迅速增加。基于此,国际标准化机构IETF组织专门制 定了适用于物联网通信的6LoWPAN标准。该标准将IPv6 协议运行在传统IEEE802.15.4 标准之上,使得系统能够容纳海量的 终端,同时基于不同底层硬件节点能够通过IP 协议进行互联。本文对6LoWPAN标准在物联网中的应用场景和框架以及 6LoWPAN中分片重组、报头压缩、路由转发和安全性进行了研究分析。     

电子闪光灯在物证近距摄影中的应用

电子闪光灯具有适合于物证近距摄影的基本要求的光线特点。电子闪光灯运用于物证近距摄影时，可以灵活控制照度强弱及曝光量；通过多种手段控制平均配光；可以用预闪功能或借用手电筒预览照明效果。     

并联螺杆式压缩机组的PLC控制技术

随着外界负荷大幅度的变化，虽然螺杆式缩机可以采用滑阀来调节其输气量，但是，对于用单台压缩机组成的单级系统来说，其在低负荷下的功耗仍然要比多联机组构成的系统高得多．在同一系统中采用多台螺杆式压缩机并联来代替单台压缩机运行，在冷负荷发生动态变化时，并联压缩机组将通过PIE和各种传感器所组成的控制系统，调节整个制冷系统中压缩机的减载、启动、停机，使得并联压缩机组的吸气压力保持在恒定和正常的工作范围内工作，从而大大提高了系统的工作效率，节省能源；特别是在制冷量较大，而且制冷量波动明显的系统中，节能控制的效果更为明显，PIE是一种具有高可靠性的控制，以其和触摸屏组成的监控系统，对多台螺杆式压缩机并联的运行进行控制是一种最优的选择，并最终能够通过现场总线整合各个设备的控制系统来实现冷库系统的DCS控制模式。     

MPLS网络下基于兄弟节点备份的聚合多播故障恢复方案

提出一种基于兄弟节点备份的MPLS聚合多播故障恢复方案SBAMM,一方面,能够以快而准的方式绕过单链路和单节点故障,另一方面扩大了保护范围;最后优化了保护树的开销。另外,由于该方案是基于MPLS网络提出的,此方案也具有MPLS所具有的优点。结果分析表明,此方案具有更好的保护率、减低多播分发树的开销等优势。     

半胱氨酸对模拟体系中丙烯酰胺的抑制作用研究

以葡萄糖/天冬酰胺模拟体系为对象,研究褐变度及丙烯酰胺含量的变化规律,进一步探究半胱氨酸(L-cysteine,Cys)对模拟体系中丙烯酰胺的抑制作用.将葡萄糖与天冬酰胺溶液混合并在不同时间(0～40 min)和不同温度(160℃～220℃)下进行反应,通过测定模拟体系的褐变度及丙烯酰胺含量,分析时间和温度对模拟体系的...     

基于RoBERTa-ATTLSTM新闻分类方法研究

针对解决新闻文本如何有效提取关键主题信息进行归纳分类的问题,提出一种基于RoBERTa-wwm与注意力机制混合的深度学习文本分类模型RoBERTa-ATTLSTM。模型首先采用RoBERTa-wwm预训练语言模型获取文本的动态特征信息;利用双向长短期记忆网络Bi-LSTM进一步提取文本更深层次的语义关系,将最后一个时序输出作为特征向量输入到注意力机制层;最后通过全连接层神经网络得到文本分类结果。在今日头条与新浪新闻THUCnews数据集上的实验表明,模型RoBERTa-ATTLSTM的准确率、精确率、F1值、召回率均为最高,且模型可有效提取文本中字词特征信息,提高新闻文本分类效果。     

GM-FastText多通道词向量短文本分类模型

在针对短文本分类中文本特征稀疏难以提取、用词不规范导致OOV (out of vocabulary)等问题, 提出了基于FastText模型多通道嵌入词向量, 和GRU (gate recurrent unit)与多层感知机(multi-layer perceptron, MLP)混合网络结构(GRU-MLP hybrid network architecture, GM)的短文本分类模型GM-FastText. 该模型使用FastText模型以N-gram方式分别产生不同的嵌入词向量送入GRU层和MLP层获取短文本特征, 通过GRU对文本的特征提取和MLP层混合提取不同通道的文本特征, 最后映射到各个分类中. 多组对比实验结果表明: 与TextCNN、TextRNN方法对比, GM-FastText模型F1指标提升0.021和0.023, 准确率提升1.96和2.08个百分点; 与FastText, FastText-CNN, FastText-RNN等对比, GM-FastText模型F1指标提升0.006、0.014和0.016, 准确率提升0.42、1.06和1.41个百分点. 通过对比发现, 在FastText多通道词向量和GM混合结构网络的作用下, 多通道词向量在短文本分类中有更好的词向量表达且GM网络结构对多参数特征提取有更好的性能.