以交际为中心的英语教学模式浅论

网络时代的学习将打破传统的以学校为中心的限制,走向社会，走向人的生活。英语课堂上的交际也应是自由而随意的活动，不再仅依靠教科书、教室、实验室等教学设施。通过英语课堂的交际性学习。打破原来的学校与社会、学习与生活相互封闭的状态，加强它们之间的联系。采用交际化教学法。能显著地促进学生运用英语交际的能力。     

浅谈酚醛包封料的使用

主要探讨了酚醛包封料的使用及包封过程出现的问题与对策。     

300MW机组直吹式制粉系统跳闸情况及其防范措施分析

介绍了300MW机组直吹式制粉系统保护跳闸的逻辑,对温州发电厂近两年制粉系统的跳闸情况做了统计,并对跳闸原因从煤粉异常、热工测量信号或设备状态信号故障、磨煤机油站PLC系统异常、给煤机运行异常、人为因素及其他因素等方面进行了较详细地分析。同时针对性地提出了减少制粉系统跳闸次数的防范措施,以提高机组运行的安全性与经济性。     

室外"书房空间"的营造——浙江林学院东湖校区图书馆周边绿地的设计

结合浙江林学院东湖校区"书房空间"的布局要求,从分析图书馆周边场地现状的景观视线、人流分布、环境舒适性等出发,阐述了学习空间的行为价值取向、层次性、生态环境等设计理念,围绕学习活动的中心功能,从舒适性、学习活动特征等要求来营建学习空间,并结合警示寓意、生态环境等功能要求,进行统一布局和设计,从而形成环境优美、层次布局有序的"书房"空间领域.最后从工程措施、植物种植设计等方面对各个不同学习空间的营造提出了具体建议,从实施运用过程中提出了要求.     

乡村产业绿道选线适宜性评价研究

乡村产业绿道是在现有乡村绿道或美丽乡村精品线规划建设的基础上,以乡村产业融合发展为导向的线性空间规划设计,而乡村产业绿道规划建设的关键步骤就是规划选线。为探究乡村产业绿道规划选线的内在机制,在研究有关乡村产业绿道文献的基础上,提出了乡村产业绿道选线的基本特征,在GIS技术辅助绿道选线的思路下,选取产业资源层、服务需求层、设施基础层和生态基底层作为选线要素,进而确定选线因子,通过层次分析法(AHP)、德尔菲法(Delphi)构建了乡村产业绿道的适宜性评价体系。最后以浙江省嘉兴市油车港镇为例进行GIS应用与乡村产业绿道选线实践探索,验证评价体系的可行性,从而为乡村产业绿道选线提供理论指导。     

一种应用于智能变电站的多功能测控装置研究

提出数字化装置智能平台的概念,详细探讨了多功能测控装置中测控及同步相量测量的模块功能及算法实现。     

窄带辐射高温计新的标定方法

本文介绍了一种基于波长函数ＰＷＦ的标定方法,由于该法以光学标定简化窄带辐射高温计的温度分度,故障低辐射高温计的标定成本,标定精度高,可用于标准器的标定,因而有广泛的应用前景。     

带电作业工器具清洗机械设备的改进PID高精度控制

针对单位阶跃扰动所引起的静态误差、电压与功率波动较大的问题，该文提出带电作业工器具清洗机械设备的自动化高精度控制方法。分析机械化清洗设备烘干柜结构，针对噪声影响控制的因素进行信号去噪，建立设备信号的滑动窗口，提取运行特征向量；根据固定时段内提取的小波包时间熵，设计PID控制器，结合BP神经网络，整定自动化控制参数，引入粒子群算法，求解控制器最优解，实现机械化清洗设备自动化控制。实验结果表明，经该方法参数整定后，适应度值明显降低，控制误差曲线幅度变小，单位阶跃扰动所引起的静态误差被消除，经该方法控制后的机械化设备测试出的输出电压值与实际输出电压相接近，设备无功功率输出值与实际机械化设备无功功率输出值相接近。可实现机械设备的自动化、高精度控制，具有较好应用前景。     

孪生网络跟踪算法并行计算结构研究

基于嵌入式平台的复杂背景目标跟踪技术在智能视频监控设备、无人机跟踪等领域有重要作用.卷积神经网络在跟踪问题上有准确率高、鲁棒性强的优点,但基于卷积特征的算法计算复杂度高,受嵌入式平台面积和功耗的限制,实时性难以满足嵌入式平台应用场景的需求.针对基于卷积特征的跟踪算法计算复杂度高、存储参数量大的难题,率先提出一种利用FPGA实现基于卷积神经网络的复杂背景目标跟踪硬件加速架构.该方法通过利用KL相对熵对目标跟踪算法Siamese-FC进行定点量化,设计了基于通道并行的卷积层加速架构.实验结果表明,定点量化后跟踪算法相比于原算法的平均精度损失不超过4.57％,FPGA部署后前向推理耗时仅为CPU的16.15％,功耗仅为CPU的13.7％.     

基于FPGA的Skynet网络结构优化及高时效实现

基于卷积神经网络（Convolutional Neural Network,CNN）的目标检测算法有着鲁棒性强、准确度高等优点，被广泛用于计算机视觉任务领域.然而，CNN参数量大、计算量大的特性使得其难以在边缘计算平台实时实现，为此，本文针对目标检测网络Skynet进行结构优化，并基于高效的层内并行流水的加速架构，在现场可编程门阵列（Field Programmable Gate Array,FPGA）上对其进行实时实现.该方法对Skynet进行剪枝，合并其卷积层与归一化层，利用（Kullback-Leibler,KL）相对熵及极大值量化方法对权重及特征图进行8 bit定点量化，同时将偏置参数及缩放系数定点化，并合并激活操作与饱和截断操作，在减少存储量和计算量的同时，加快前向推理速度.此外，以滑窗操作为基础，采用通道及像素并行计算，设计深度可分离卷积的流水策略，将串行的前向推理结构优化为并行流水的结构，极大减少了前向推理的时间.实验表明，在UA-DETRAC数据集上，本文实现的系统识别精度为0.752，在160×160的图像分辨率上，速度达到115FPS，与CPU相比，提速11倍，达到...