作者须知

作者向本刊所投稿件一经本刊录用,则该论文的复制权、发行权、信息网络传播权、翻译权、汇编权等权利视为自动转让给本刊。本刊为国内各主要数据库收录刊,本刊所发表的稿件将同时通过因特网进行网络出版或提供信息服务,本刊一次性支付作者著作权使用费(包括印刷费、光盘版和网络版等各种使用方式的费用)。如有异议,请来稿时声明,本刊将做适当处理。     

短视频时代方言文化传播路径探析——以抖音为例

移动互联网时代,短视频的兴起为方言文化的传播提供了新契机.抖音作为"短视频浪潮"中的典型代表应用,以新兴传播方式与特有传播机制,给方言文化提供了灵活有力的发展机遇.本文以"抖音"平台为案例,对短视频时代下方言文化视觉传播的生成机制进行了分析,然后剖析了方言文化视觉传播当前存在的问题,进而提出了相应的发展策略.     

基于MATLAB灰色Elman网络中长期电力负荷预测

良好的负荷预测模型能够精准且快速地计算预测值,有利于合理地规划分配电能,提升电网运行稳定性.基于MATLAB搭建灰色Elman网络电力负荷预测模型,参考安徽省淮南市"十三五"能源规划[1],以对淮南市进行中长期电力负荷预测为例,同时设置基于MATLAB搭建的Elman网络和灰色理论中的GM(1,1)模型为对照组进行对比仿真实验.提出灰色Elman网络相比对照组具有更高的运算精度,灰色Elman网络对比Elman网络有更好的训练效果.     

基于像素偏转模型和机器学习的室外图像天空像素检测

图像中的天空区域对于基于视觉的地面机器人导航具有重要意义,为了识别图像中的天空部分,本文提出了一种基于像素偏转模型的BP神经网络天空识别方法.首先,制作天空图像集和非天空图像集,天空图像集由各种天气情况下的天空提取而成,非天空图像集由非天空的景物构成,主要包括建筑、汽车、树木、植物等;其次,使用提出的像素偏转模型提取天空图像集和非天空图像集的像素特征并进行处理,对天空像素点和非天空像素点进行标注,利用BP神经网络对像素特征进行训练,得到权重文件;最后,使用得到的权重文件进行天空的识别.为了更好的说明本文算法和模型的优越性,使用本文算法与Otsu算法、YeHu算法、Graph-cut算法和Mask-Rcnn算法模型进行了比较,并设计了两组组对比实验,第一组实验进行识别效果的主观评价,第二组实验利用CamVid数据集的天空类进行算法精度的定量分析.     

多跑必有效

2020年以来,面对疫情冲击和复杂市场环境,古越龙山人坚定信心,迎难而上,以变应变,围绕“创新、变革、拓展”,持续推进产品结构优化、新品开发,品牌传播,终端建设,招商品鉴,消费培育,跨界合作,模式创新,与众多经销商携手共拓市场,在品牌推广、招商推广、渠道拓展、聚焦高端等方面取得了一定的业绩。     

妈祖文化视域下的表情符号设计研究

目的 基于妈祖文化的视角,探究妈祖文化与表情符号设计融合的可能性,打造表情文化产业链,为表情符号的设计开发提供更多的机遇,推动了妈祖文化的对外传播.方法 以妈祖文化为切入点,分析表情符号设计与妈祖文化跨界融合发展的优势.同时,借助具体的案例来阐述两者结合所产生的积极意义,表明巧妙应用妈祖文化的可行性.结论 妈祖文化的融入为表情符号的发展增添了浓墨重彩的一笔,对于增强文化气息及开拓设计思路都发挥着重要作用,易于激发受众的情绪、记忆,引起受众情感和心理的共鸣,从而创造符合受众审美情趣和思维方式的设计作品.由此可见,深入把握两者的关联性,有助于催生新的文化产业形态、传承妈祖文化、开辟表情符号设计新路径.     

地铁机电安装绩效领先指标自动预测方法

目前的绩效领先指标的预测中对样本数据的平稳性考虑不足,样本数据波动性大,影响最终的预测准确性.因此提出地铁机电安装绩效领先指标自动预测方法,首先对影响项目绩效的指标进行拟定描述,确定指标后使用Lasso方法来确定其中变量对绩效指标影响程度,然后使用ADF单位根检验法对相关波动数据进行平稳化处理,运用BP神经网络技术来实现自动预测.为了验证设计方法是否满足设计目的 ,设计实验,使用某地铁机电安装工程的数据作为样本数据并进行自动预测,预测结果显示:本文设计方法对比其他方法结果更接近实际值,设计满足设计要求.     

基于GA-BP的汽车风振噪声声品质预测模型

目前对于汽车风振噪声的优化研究主要以声压级（Sound pressure level，SPL）作为单一评价指标，既不能全面反映噪声的物理属性，也无法考虑人耳对噪声的主观认知过程。为准确评价风振噪声，引入声品质，运用大涡模拟（Large eddy simulation，LES）对风振噪声进行数值仿真，根据实车道路试验判断仿真的准确性；对仿真结果进行声品质客观评价与主观评价，综合声品质客观评价参数与声品质主观评价试验结果建立BP神经网络预测模型；利用遗传算法（Genetic algorithm，GA），进一步对BP神经网络的结构参数进行优化，建立GA-BP声品质预测模型。研究结果表明，GA-BP声品质预测模型在训练速度和预测精度上都优于BP神经网络预测模型。预测模型基于声品质主客观评价结果，其预测值可以代替传统的声压级评价指标，为风振噪声提供更为准确合理的评价。     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

销售企业怎样在疫情中掘金

疫情当下,抓住机遇助力企业高质量发展;克服挑战使其成为业务增长点,是销售公司需要关注的。当前,国内新冠肺炎疫情虽然整体得到控制,但仍然无法根绝疫情传播,给国内实体零售业带来了冲击的同时,也会给成品油零售行业带来新的发展机遇。如何抓住机遇,助力企业实现高质量发展提速?是当下销售公司需要关注的问题。