Kmplayer也能播放幻灯片

同学给我一堆照片,让我帮忙给他们社团做一个宣传幻灯片。很自然的想到了Powerpoint,可是同学希望能够自动播放,而且没有过多的文字要求,于是,一个软件在脑海中浮现——对,就是传说中的万能播放器Kmplayer。大家都知道Kmplayer是视频播放工具中的佼佼者,其实它还有很多“不为人知“的功能,今天就要向大家介绍它的超简单的幻灯片制作和播放吧。     

运用单板机技术自行研制鹰系统简易排列助手

排列助手在野外施工中,用于改变采集站的工作方式,解决采集站与主机间的通讯问题。而这种改变占用了整个布设排列的大部分时间;另外,以往使用的排列助手主要依靠进口。因此,价格昂贵,使用复杂。针对这些问题,四川石油地调处仪器厂作了大量的调查研究,研制出了简易排列助手,简化了操作,节省了布设排列时间,在野外施工中取得较好的效果。     

3000C在路故障测试仪原理及应用

逻辑电路在路故障测试是国外80年代才逐步发展成熟的一种逻辑电路诊断技术,主要采用了在电路板上向被测元件的输入,施加时间限制得非常短,占空比非常低的低阻抗逻辑电平信号的办法,使在不损坏前级元件的情况下,克服前级输出的影响,对被测元件独立进行激励,并检测其响应来测定元件故障问题。本文以3000c为例,对逻辑电路在路故障测试设备的原理及应用问题进行叙述。     

基于因子分析的智能手机语音系统设计评估体系

目的探索智能手机语音系统任务的设计元素对智能语音交互体验的影响,研究全面性更高、通用性更强的智能语音系统设计评估体系。方法以用户调研和可用性测试为基础,使用因子分析的方法对智能手机语音系统每个任务的设计元素按贡献量进行分类,再通过聚类分析将各个任务的因子分析结果进行综合,得到智能手机语音系统全局的设计元素体系。结论因子分析能够定量的分析在单个语音交互任务中设计元素的贡献情况,并将大量的设计元素总结为少量的具有代表性的因子。聚类分析能够综合因子分析结果中元素类的亲疏关系,得到涵盖各个任务的设计元素之间的亲疏程度,从而获得智能手机语音系统全局的设计体系。研究智能手机语音系统的设计评估体系能够帮助设计人员在设计语音产品时更容易把握设计效果,也能够用于评估智能语音系统设计方案的可行性。     

基于改进YOLOv5的路面病害检测模型

针对路面病害检测中由于病害形态多样、种类繁多以及背景灰度值相似造成噪声干扰导致识别与分类精度不高的问题,采用卷积神经网络YOLOv5为主干框架,提出一种基于改进YOLOv5的路面病害检测模型YOLOv5l-CBF。引入坐标注意力机制,调整网络的注意力权重使模型对病害纹理特征更加关注,并在主干网络的残差结构中引入Transformer构建BotNet网络结构,在减少参数量的同时提高对病害图像中全局依赖关系的捕捉能力。同时,在颈部网络中构建双向加权特征金字塔网络,学习每个特征层的重要性分布权重,并对提取到的病害特征进行双向交叉尺度连接和加权融合。在真实路面病害数据集上的实验结果表明：与YOLOv5l模型相比,YOLOv5l-CBF模型精度与召回率分别提升7.4和8.7个百分点,mAP达到90.8%,在对多种病害的检测与分类上具有显著的性能优势。     

主绝缘劣化对变频电机宽频开关振荡特性的影响

为研究主绝缘劣化对变频电机开关瞬态宽频振荡特性的影响,建立了计及功率器件开关暂态过程和主绝缘状态的变频调速系统宽频域模型,分析了宽频开关振荡电流的主导模态及其传导路径,探索主绝缘电容变化对开关振荡电流幅频响应特征的作用规律。仿真和实验结果表明：开关振荡电流主要包含高频差模、高频共模和中频共模3个主导模态分量。开关振荡中频共模分量电流可以渗透进电机绕组内部,其幅频响应特征与主绝缘电容参量有关：共模串联谐振频率随主绝缘电容增加而减小,靠近串联谐振点的幅值特征随主绝缘电容增加而增加,从而为变频电机绝缘在线状态监测提供了一种新的思路。     

多源多播服务功能链优化部署算法

在软件定义网络和网络功能虚拟化环境下,针对多播中的服务功能链（SFC）部署,探究了多源多播中的联合虚拟网络功能（VNF）部署和流量路由问题,目的是最小化节点资源消耗和链路资源消耗总成本。同时考虑到节点、链路及带宽延迟限制,建立了整数线性规划模型,并提出一种名为多源多播树优化的启发式算法。该算法旨在为所有用户找到最近的源节点,获得多个源、目节点组,为每个组构造一棵多播服务功能树,然后优化多播服务功能树。实验仿真结果表明,与其他启发式算法相比,该算法有效地降低了总成本、链路利用率及时延。     

应用系统安全理论探讨分析事故控制途径

本文应用系统安全理论中的事故树分析法,定性地研究和探讨井下矿山事故的内、外在原因,从而找到控制此类事故的预防途径     

基于 RBF 神经网络和强化学习算法的供应链产销协同计划冲突消解研究

为提高传统协商自学习能力,利用多 agent 智能技术,建立基于黑板模型的协商框架,构建五元组协商模型,采取 Q-强化学习算法,给出一种协商策略;使用 RBF 神经网络进一步优化协商策略,预测对手信息并调整让步幅度。通过算例验证该方法的可行性和有效性,通过与未改进的 Q-强化学习算法对比,该方法可增强协商agent 的自学习能力,缩短协商时间,提高冲突消解效率。