排序方式: 共有17条查询结果,搜索用时 15 毫秒
1.
2.
随着我国改革开放的深化,工农业生产发展速度加快,对电力建设的需求更加强烈。由于高参数,大容量发电机组,高电压等级输变电工程的建设,要求仪表自动化程度高了,对调节精度,仪表等级,测试技术的要求也越来越高了。我们在公司试验室原有条件的基础上,建立七项电测最高计量标准,制定了量值传递系统图,包括: 相似文献
3.
本文主要从“最后一公里”的视角,结合对北京市18个区县的科普社区的实地考察调研,对我国基层社区在科普内容建设方面的基本现状、主要问题进行了探讨和分析,进而针对未来发展提出一些政策建议。 相似文献
4.
随着现代城市化进程的加速,超高层建筑越来越普遍。然而,这些建筑物面临着诸多挑战,其中之一就是如何确保在地震、火灾等紧急情况下人员的安全疏散。因此,避难层的设计和施工显得尤为重要。本研究介绍了一种新型的超高层建筑避难层外凸结构施工技术,并对超高层建筑避难层外凸结构施工技术展开了研究和应用。阐述了避难层的定义、作用和设计要求,分析了现有避难层结构的优缺点,并针对超高层建筑的复杂性,特殊性,提出了一种新型的避难层外凸结构施工技术,可大幅提高施工效率和质量,有效降低施工难度和保证施工安全。 相似文献
5.
Gromacs是一个大型的分子动力学模拟软件。国家超算济南中心拥有两套高性能计算系统,分别为基于Intel CPU构建的高性能计算集群(理论峰值超过100T),以及基于国产SW1600 CPU构建的MPP超级计算系统(理论峰值超过1P)。本文介绍了Gromacs软件包在两个高性能计算平台的移植、部署,并以生物大分子作为实例在两个平台上进行了分子动力学模拟测试。 相似文献
6.
5月15日上午,北京通州区装饰一新的科技馆里一片欢声笑语,通州区书画研究会与区科协在这里共同举办了首次科普书画展,作为通州区2008年科技周的主题活动.平常看似深奥难懂的科学通过书法家、画家们的艺术之手居然变得如此生动形象、情趣盎然,人们在一幅幅精美的书法、画作面前驻足欣赏,相互谈笑着,一同讨论起科学问题来了!…… 相似文献
7.
随着高层商业住宅越来越普遍,对地下室的功能要求也日益增加,通常采用加腋板(梁)结构形式来满足地下室空间大、框柱间距大所需的结构承载力,在加腋区域的施工过程中质量安全管控成为施工重要任务,需要一种定型加固的方式来改善加腋区域因具有一定的倾斜角度的情况下传统模板支设困难、精准度不够高且材料浪费,无法周转使用的问题。本研究以广州新塘东洲项目A地块为例,此工程中加腋板(梁)施工是该项目建设过程中的重点。项目针对以上内容进行了相关的科技研发与创新,旨在探索总结此类工程施工与管理经验,以期为今后同类工程提供可靠的技术支持。 相似文献
8.
提出了一整套矢量地图叠加分析算法:提出了大量点与多边形关系的包含性测试方法,首先对多边形进行预处理,然后采用射线法对单个点进行包含性测试;提出了基于双索引的大量线裁剪方法,分别以线、线段为基础建立两层索引,有效去除不必要的求交运算;面面叠加,基于改进的扫描线方法求取交点;通过对过同一点的线段分布情形的完备分类,涵盖了所有特殊类型的交点;在构造环的过程中,保存整型ID信息,并利用ID完成内环外环的匹配以及属性继承。以上几何计算方法及对应的叠加分析功能都已经实现,与最新研究成果的对比以及与ArcGIS对应功能的对比,都证明了其正确鲁棒、高效可用。上述实现已经应用于实际的GIS系统中,取得了良好的效果。 相似文献
9.
10.
点击欺诈是近年来最常见的网络犯罪手段之一,互联网广告行业每年都会因点击欺诈而遭受巨大损失。为了能够在海量点击中有效地检测欺诈点击,构建了多种充分结合广告点击与时间属性关系的特征,并提出了一种点击欺诈检测的集成学习框架——CAT-RFE集成学习框架。CAT-RFE集成学习框架包含3个部分:基分类器、递归特征消除(RFE,recursive feature elimination)和voting集成学习。其中,将适用于类别特征的梯度提升模型——CatBoost(categorical boosting)作为基分类器;RFE是基于贪心策略的特征选择方法,可在多组特征中选出较好的特征组合;Voting集成学习是采用投票的方式将多个基分类器的结果进行组合的学习方法。该框架通过CatBoost和RFE在特征空间中获取多组较优的特征组合,再在这些特征组合下的训练结果通过voting进行集成,获得集成的点击欺诈检测结果。该框架采用了相同的基分类器和集成学习方法,不仅克服了差异较大的分类器相互制约而导致集成结果不理想的问题,也克服了RFE在选择特征时容易陷入局部最优解的问题,具备更好的检测能力。在实际互联网点击欺诈数据集上的性能评估和对比实验结果显示,CAT-RFE集成学习框架的点击欺诈检测能力超过了CatBoost模型、CatBoost和RFE组合的模型以及其他机器学习模型,证明该框架具备良好的竞争力。该框架为互联网广告点击欺诈检测提供一种可行的解决方案。 相似文献