乙醇浓度预测的多元线性回归模型建立及验证

设计了由光源、气室、探测器和控制器等组成的非分散红外吸收系统，往气室内通入不同浓度的多组分气体（含有乙醇、二氧化碳和水蒸气），采用红外光谱仪进行光谱数据采集，得到多组分气体混合光谱图。根据数据集样本求解回归系数，建立了多元线性回归模型，并进行干扰修正以降低二氧化碳和水蒸气对乙醇浓度预测的影响。对建立的多元线性回归模型进行评价，结果表明:模型真实有效且具有良好的线性回归效果，可以用于预测气体浓度，乙醇、二氧化碳和水蒸气浓度预测误差均在可接受的范围之内，其中乙醇浓度预测误差最小，不超过2.0×10-4。通过干扰修正尽可能排除二氧化碳和水蒸气的干扰，能够较准确地预测乙醇浓度。     

结合句法依存信息的方面级情感分类

引入句法依存信息到原方面术语,提出一种新的方面术语表示方法,利用Glove词向量表示单词以及单词与单词之间的依存关系,构造出包含句法依存信息的依存关系邻接矩阵和依存关系表示矩阵,利用图卷积神经网络和多头注意力机制将句法依存信息融入到方面术语中,使得方面术语表达与上下文结构高度相关。将改进后的方面词术语表示替换到现有模型后,模型泛化能力得到有效提升。对比试验和分析结果表明:该方法具有有效性和泛化性。     

面向多数据流的车厢拥挤回归分析方法

公交车拥挤度分析对维护公共交通安全起着重要的作用.针对在传统的目标检测方法中使用单个摄像头导致无法获取完整的车厢图片信息,以及在高密度场景下乘客与乘客之间的遮挡或者乘客被车厢内的座椅等物体遮挡的问题,提出了一种借助两个前后车厢的摄像头面向多数据流的车厢拥挤回归分析方法.首先,定义一个线性方程;其次,获取相对可见信息:公交车最大核载人数、根据人眼标记出的总人数、以及通过YOLOv3和ResNet50分别检测出车厢内人头数和拥挤率;然后,将包含已知信息的样本数据矩阵和期望值向量代入所定义的方程中,拟合出隐含信息:系数向量和偏置项,构建出一个多元一次线性回归方程,在高密度环境中狭窄和遮挡严重等情况下能够获得更为精确的车厢内总人数;最后,通过人数估计线性回归算法,获得最终的车厢内总人数.实验结果表明,所提方法能够预测出公交车上的人数,实时获得公交车上的人群流量,并且通过平均绝对误差(MAE)和均方误差(MSE)对数据进行误差分析后,验证了该方法能够正确地反映公交车拥挤度.     

老年人医疗保障满意度影响因素分析——基于中国社会状况综合调查(CSS2017)数据

本文基于中国社会科学院"中国社会状况综合调查"(CSS2017)数据,运用Logistic回归分析老年人医疗保障满意度影响因素.结果显示:老年人对医疗保障满意度处于中等偏上水平(x?=6.21),45.5％的老年人表示医疗支出压力大;社会支持变量显著影响老年人医疗保障满意度,家庭经济状况好、家庭关系状况好、社交生活状况好、居住环境好、医疗支出压力小会显著提高老年人对医疗保障的满意度;政策保障变量显著影响老年人医疗保障满意度,无养老保险、无医疗保险、无城乡最低生活保障、医疗就诊满意度低、医院信任度低、医疗保障公平度低会显著降低老年人对医疗保障的满意度.得出结论:社会支持与政策保障是影响老年人医疗保障满意度的重要因素.因此,为了更好地提高老年人医疗保障满意度,政府应提高老年人医疗保障政策水平,发挥老年人社会支持的作用.     

基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.     

CHINAPLAS携4000+展商强势回归上海 橡塑创新解决方案蓄势待发,一起先睹为快

全球橡塑高科技大展——"CHINAPLAS 2022国际橡塑展"重磅回归上海,启用36万平方米展示面积,携手4 000+家海内外的优质展商,以前沿创新科技迎接橡塑行业的全新挑战与时代机遇。第二波展品倾囊放送,助行业人士及早把握行业发展风向标。     

书介: 财税支持视域下促进能源结构转型的政策和建议研究

<正>能源结构转型既要适应能源绿色低碳转型的要求,也需满足生态文明建设,它是维护全人类共同利益的必然选择。新时期,我国能源结构转型和能源安全进入稳步前行的阶段,可再生能源发展也进入大规模、高比例、市场化和高质量发展的新阶段。在能源发展方面,我们要立足已有的优势,提高能源安全的保护,实现能源结构的合理布局,这些实施的前提是需要有全方位的支持和保障;再者是财税政策,它可以从中发挥激励的作用。在促进能源结构顺利转型和维护能源安全方面,世界各国尤其是经济发达国家拥有相对成熟的财税政策,其根本是将政策作为支持与激励的手段,促进市场经济的发展和引导能源结构转型,从而推动可再生能源的发展,这些经验是值得我国借鉴的。在此基础上,我们需要结合我国的基本国情,形成具有针对性的可再生能源财税支持激励政策,促进我国的可再生能源高效的发展。《能源结构转型、能源安全与财税激励机制—主要发达经济体能源财税政策的比较与借鉴》由李向军著,2021年1月由经济科学出版社出版。     

改进FasterRCNN模型的布氏硬度检测方法

自动提取布氏压痕轮廓是提高布氏硬度检测效率的关键一步，针对传统机器视觉算法提取布氏压痕轮廓算法的不足，本文通过FasterRCNN模型实现了布氏硬度压痕直径的自动化检测。针对检测布氏硬度压痕圆的特点，提出对FasterRCNN模型的改进。在classification网络中的边框回归损失函数中加入预测检测框的长与宽的方差，在改进的边框回归函数优化目标修改为真实检测框与预测检测框差距最小且预测检测框宽与高之间差距最小，使得基于改进的FasterRCNN模型布氏硬度检测能够提供更加准确的目标预测检测框，取得更精准检测效果。同时引入数据增强的方法扩充有效数据大小。实验结果表明，基于FasterRCNN的布氏硬度模型检测方法适用于锈蚀和光滑金属表面工况。改进的FasterRCNN网络模型准确率为97.08%，较原模型提升0.73%，归一化均方误差（nMSE）为0.001226，较原模型降低40.31%， 改进的效果明显，并弥补机器视觉算法提取压痕轮廓的不足。     

英特尔换帅回归技术的大反攻?

2021年1月13日,英特尔公布的一则消息令这家公司获得业界的极大关注。当天,英特尔宣布任命帕特·基辛格(Pat Gelsinger)为新一任CEO,帕特·基辛格将在2月15日接替现任CEO司睿博(Bob Swan)。我们知道,前任CEO布莱恩·科再奇(Brian Krzanich)离职后,财务出身的司睿博临危受命,到目前也才上任两年,为什么在这个节骨眼上英特尔又换帅了呢?帕特·基辛格又是何许人?他能带领英特尔发起大反攻吗?