十大引领强党建 创新精进促发展

在金隅集团和金隅冀东水泥公司坚强领导下,天津金隅振兴公司党委始终坚持党的领导,加强党的建设,深入学习贯彻习近平新时代中国特色社会主义思想和十九届历次会议精神,树牢“四个意识”,坚定“四个自信”坚决做到“两个维护”。     

“戴伟工作室”获南京市委宣传部资金支持

根据《关于加快建设文化人才资源高地推动南京文化高质量发展的实施意见》(宁宣通[2018]90号)和《南京市文化人才工作室引进管理细则》相关规定,为加强全市文化人才队伍建设,推动文化高质量发展,南京出版传媒集团积极与科普领军人物展开深度合作,经过多次酝酿,充分沟通,引进英籍人士戴伟,在宁成立“戴伟工作室”,致力于科普工作。2020年11月,“戴伟工作室”得到南京市委宣传部资金支持,成为南京出版传媒集团承担的重点项目。     

中国石化石油化工科学研究院润滑材料进入中国商飞合格产品名录

中国石化石油化工科学研究院(简称石科院)在国产大飞机的研发过程中与民用飞机材料产业发展联盟(简称联盟)及中国商用飞机有限责任公司(简称中国商飞)积极合作,承担了大飞机配套的发动机油、液压油和润滑脂的研制工作。其中,石科院自主研发的RIPP 7260通用润滑脂成功进入中国商飞合格产品名录,成为国内第一款获得国产大型客机装机资格的润滑材料,同时也是名录首批收录产品中唯一的一款润滑油脂。这是石科院继获得中国商飞试验服务商资格证书后的又一重要突破,目前,石科院已成为国内唯一一家同时拥有中国商飞服务商资格及名录认可的润滑材料的科研单位。     

基于度量学习的意图识别和槽填充方法

人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题.本文采用基于度量学习的方法,通过计算query set中的样本与support set中样本的距离,寻找距离最近的类别样本作为分类标签,同时将两个任务联合进行训练,用以提升模型的效果.从实验结果中可以得出,本文提出的Fine-tune方法,对意图识别和槽填充任务都有一定的帮助和提升.胶囊网络在意图识别中也起到了一定的效果,可以帮助去除一部分无关信息,但对槽填充任务的帮助不明显;而任务自适应的投影网络,可以更好地将不同类的向量分开,提升了两个任务的性能.     

新时期大学英语文化与读写教学研究——评《新时代大学英语教育教学理论与实践研究》

文化是语言表达的核心内涵,读写是语言交流的重要途径,两者在英语语言学习中占据着至关重要的地位。大学作为优秀专业人才培养基地,英语教学发展一直是学术界重点关注和思考的研究课题,面对新时期的教育发展,如何提高英语文化与读写教学成为了大学英语教学研究所面临的重难点问题。在2019年四川工业科技学院教育教学改革项目(cgkjg-19028)资助下,参阅《新时代大学英语教育教学理论与实践研究》一书,深入探讨新时期大学英语文化与读写教学研究。     

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.     

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。     

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.     

CuO-SiO2气凝胶@TiO2纳米纤维无牺牲剂光催化还原CO2

采用溶胶-凝胶法制备CuO-SiO2复合气凝胶,通过在气凝胶孔道内填充TiCl4,然后将其气相水解,得到了在CuO-SiO2气凝胶表面生长了高结晶度的TiO2纳米纤维(CuO-SiO2@TiO2),纤维直径～16 nm.通过XPS、UPS、UV-Vis DRS、荧光光谱(PL)等表征了材料的结构及光电性能.结果表明,制备的CuO-SiO2@TiO2对可见光有明显吸收,且荧光强度较商用TiO2(P25)大幅降低,光生电子-空穴对更加稳定.再在纳米纤维上负载CuO,所得CuO-SiO2@TiO2/CuO在可见光区的荧光强度进一步增强.以300 W氙灯为光源,分别以CuO-SiO2@TiO2及CuO-SiO2@TiO2/CuO为催化剂,无牺牲剂条件下光催化还原CO2,4 h后甲醇产率分别为1304.0及1589.0μmol/g-cat,转换频率(TOF)分别为0.038及0.046 h–1.循环实验表明,纳米纤维具有较好的光催化稳定性,经过4次光催化循环实验后,CuO-SiO2@TiO2/CuO的保留率～94％,甲醇产率可达1472.0μmol/g-cat,TOF为0.042 h–1.     

基于数据融合与迁移学习的学生表情识别研究

学生表情逐渐成为感知学生状态的重要途径,因此准确的识别学生表情因具有重要价值而受到广泛的关注.本文针对学生表情识别这一问题,提出基于数据融合与迁移学习的识别模型,该模型融合3个数据集,以解决学生表情数据缺乏与多样性问题,同时引入迁移学习来提升预测精度.在数据集及实际学生表情图像上的实验结果表明,本文提出的模型可以准确识别学生表情,提升了预测精度.