员工持股计划在我国国有企业中的重要性分析

想要有效保证国有企业的机制进行合理的转化,使之能够从单一股权完全转化成多元股权,其中一定要做的就是进行合理的改革。从我国当前阶段国企改革的大形势上能够看出来,绝大多数国企员工能够成为国企的所有者最主要的方式是进行股票购买。伴随着当前改革的不断深入和细致,国有企业员工持股方面显现弊端,因而为了保证发展,这些问题已然成为亟待解决的首要问题。本文就针对员工持股计划在我国国有企业当中的重要性进行透彻的分析与研究,旨在能够促进国有企业发展。     

公民水素养评价表征因素模型构建与分析

针对我国水资源紧缺、水生态损害、水环境污染等相关水问题,以提升全民爱水惜水节水护水的意识和能力为目标,从水素养概念出发,通过扎根理论质性研究方法对公民水素养评价的表征因素进行筛选和提炼,最终得出包含水知识、水态度、水行为为主范畴的10个表征因素并运用解释结构模型(ISM)深入剖析各因素之间的内在联系。在此基础上建立了3级多层次递阶结构模型,进一步精确描述系统各要素两两之间的直接关系。结果表明:公民水素养评价的表征因素自上而下形成了表象层、中间层和根源层等3个层级,可直观、清晰地反映表征因素之间的递阶、层级关系;水态度在各表征因素中具有调节作用以及各表征因素之间存在内在逻辑关系。研究成果为提高公民水素养水平提供一定的科学依据和政策参考。     

类别均衡与局部中值损失联合监督的自然场景人脸表情识别

近年来,卷积神经网络在实验室控制环境下的人脸表情识别任务中取得了很大进步,但是在自然场景中人脸表情识别方面仍然存在一些挑战.针对自然场景中人脸表情数据分布不平衡,以及由姿势、光照和性别等因素引起的类内差异大的问题,提出类别均衡与局部中值(class-balancedandlocalmedian,CALM)损失函数.CALM损失函数包含类别均衡Softmax损失函数和局部中值损失函数2个部分.其中,类别均衡Softmax损失函数将数据量较少且容易错分的害怕和厌恶2种表情标记为难样本,将其余5种表情标记为易样本;在网络训练过程中对难样本自适应地增大权重,以提高难样本的识别准确率,进而提高表情识别的平均准确率.此外,在每个类别中会有一些离类别内大多数样本较远的样本,它们的存在会导致用均值方法计算出的类别中心偏离类内大多数样本.在局部中值损失函数中,采用与每个样本属于同类别的若干近邻的中值作为类别中心,在一定程度上减弱离群样本对类别中心选择的影响.在RAF(real-worldaffectivefaces)数据集上进行实验,与局部子类方法相比,该方法的平均识别准确率提升了1.32%,证明了该方法的有效性.     

投稿须知

一、投稿要求及注意事项1.投稿方式。请登录《计算机与现代化》网站(http://www.c-a-m.org.cn)"作者区"在线投稿,并填写作者或通信联系人姓名、手机号码、工作单位、E-mail、作者简介、通信地址、邮编、论文获基金项目资助情况等。2.文章题目一般在20个字以内(包括中英文数字及符号);中文摘要不少于250字,包括目的、方法、结果、结论等4个要素;文章名、姓名、单位(所在省、市及邮政编码)、摘要、关键词(不少于3个)需要译成英文,且中英文务必严格对应;图、表要求有图号、图名、表号、表名,并且须在文中引用。3.来稿中请注明基金资助情况(基金类别、基金项目名称及编号)、论文获奖情况(重要奖项的论文将优先处理),获专利的文章请注明专利名称及专利号。     

智慧校园分层走班制课程管理系统的设计与实现

智慧校园建设背景下,针对分层走班制教学模式进行课程管理系统设计和实现,以提高分层走班这种流动性学习模式的课程管理效率,为学校教务部门进行分层走班运行管理、任课教师进行课程和学生信息管理、学生在线选课并实时查看分层课表等分层教学工作服务。     

煤矿智能监测与预警技术研究现状与发展趋势

从物联网、大数据、云计算及人工智能方面综述了我国煤矿智能监测与预警技术的研究现状。针对煤矿智能监测技术的实际应用情况,指出了煤矿智能监测与预警存在井下煤矿监测设备前兆信息采集可靠性差、云端平台集成应用融合深度不够、数据库安全性较弱、人工智能技术在煤矿监测中的应用尚不成熟等问题。展望了煤矿智能监测与预警技术的发展趋势:煤矿智能监测系统应用石墨烯/氧化石墨烯光纤传感器可实现多源信息感知,提升前兆信息采集的可靠性;研究多技术深度交叉融合技术,以探究监测数据的深层价值;构建基于区块链技术的煤矿监测数据库,保证数据库不可篡改,且具有较好的读写性能;研发具备自适应和深度学习的煤矿智能安全监测预警系统,实现矿井自动监测、智能预警。     

矿用带式输送机智能监测系统研究

针对矿用带式输送机运行过程中存在的托辊、滚筒等关键部件与输送带摩擦发热,钢丝绳芯输送带内部损伤与撕裂,运行功耗大等问题,设计了一种矿用带式输送机智能监测系统。该系统包括基于弱磁检测法的钢丝绳芯输送带损伤监测系统、基于红外热成像温度检测法的带式输送机关键部件故障诊断与预警系统和基于视觉检测法的煤流监测、异物监测、胶带撕裂监测及人员安全监测系统,详细介绍了各系统的实现原理。对钢丝绳芯输送带内部损伤识别及带式输送机关键部件故障诊断预警进行了实验验证,结果表明该系统对钢丝绳芯输送带损伤识别的准确率约为98%,且可准确识别带式输送机关键部件故障并发出预警。