客户心中的“格日勒”

“格日勒”,蒙语是“光明”“希望”之意。在国网辽宁省电力有限公司阜新供电公司,有这样一支服务队,他们穿行于塞北大漠,针对少数民族特点和风俗习惯细化服务,赢得了广大客户的信赖,被称为蒙族人民的“格日勒”。     

浅析赫哲族鱼皮技艺传承与民宿发展的共生建构

鱼皮技艺作为赫哲族宝贵的非物质文化遗产承载着巨大的文化价值和民族特色。但是伴随社会的发展、生态环境的破坏、思想观念的改变,曾经薪火相传的鱼皮技艺传承现状堪忧。本文将鱼皮技艺作为切入点,以其在少数民族民宿的应用为例,着重探讨如何保护赫哲族的地域文化、民族文化,使文化保护与开发利用实现良性互动,走全面、协调、可持续的发展道路,实现鱼皮技艺传承与少数民族民宿发展的共生共荣。     

铈改性吸附材料去除水体中磷酸盐的研究进展

铈被证明具有去除磷酸盐的巨大潜力,将铈应用于常规吸附材料改性可提高其吸附磷酸盐的性能,可用于缓解日益加剧的水体富营养化。归纳了国内外有关铈改性吸附材料除磷的相关研究,总结了铈改性吸附材料的吸附机理,介绍了铈改性的不同种类吸附材料,并指出了当前研究的不足和对未来的展望,为铈改性吸附材料去除水体中磷酸盐的发展提供了理论基础...     

薪火相传父子情

葛占民深一脚浅一脚跟在父亲葛春的后面,不时地抬头看着眼前沙漠中那条孤孤单单地绵延着伸向远方的路。     

SI基本单位与时间计量

讨论了SI"秒"在量子基准中的重要性和坐标时在时空统一及其他物理量基准统一中的作用,以史瓦西场为例说明了"原时"与"坐标时"的关系以及引力场对"原时"的影响,认为时间单位秒的不确定度决定了其他物理量单位的不确定度.只有"坐标时"的适用范围是全局的,涉及到大尺度时空的物理量必须用也只能用坐标量进行表征.SI"秒"定义的是...     

基于多网融合的测发网络架构研究

现役火箭型号现阶段仍是基于以太网的冗余交换机模式,火箭测发应用的网络架构在节点数量、传输速率和实时性、安全性等方面已经不能满足对于当前数据通信需求;随着智能终端大规模运用及发展,火箭通信设备也向智能化、模块化和集成化前进;为满足又多又快的需求,现开展多网融合架构设计,将有线与无线网络有机结合,充分发挥各自的优势,优化设计全网架构,并在实时性、安全性等方面进行深入研究,解决了箭上及地面等各个复杂电气系统之间高可靠性、高效率、高实时性、建立复杂数据集成网络的需要,进而为全箭飞行试验成功奠定技术基础.     

国际单位制变革下的量子自主溯源技术展望

2019年5月20日，国际单位制（SI）七个基本单位全部正式采用自然常数定义，取代传统的实物基准。随着国际单位制量子化进程推进，以量子计量为代表的量子自主溯源体系逐渐建立。围绕量子自主溯源体系，文章首先分析SI量子化对计量体系的深远影响；其次，分析量子自主溯源的意义，详细论述量子自主溯源的现状；最后，重点展望量子自主溯源的应用前景。     

基于半监督生成对抗网络的恶意代码家族分类实现

随着互联网的发展,恶意代码呈现海量化与多态化的趋势,恶意代码家族分类是网络空间安全面临的挑战之一。将半监督生成对抗网络与深度卷积学习网络相结合,构建半监督深度卷积生成对抗网络,提出了一种恶意代码家族分类模型,通过恶意代码家族特征分析,对恶意代码进行特征提取,转化为一维灰度图像;然后基于一维卷积神经网络1D-CNN,构建半监督生成对抗网络SGAN,形成恶意代码家族分类模型SGAN-CNN。从特征提取优化、半监督生成对抗训练算法优化等方面进行恶意代码家族分类能力提升。为了验证SGAN-CNN模型的分类效果,在Microsoft Malware Classification Challenge数据集上进行实验。5折交叉验证测试显示,本文提出的模型在样本标注标签占80%的情况下,分类的平均准确率达到98.81%;在样本标注标签仅有20%的情况下,分类的平均准确率达到98.01%,取得了较好的分类效果。在小样本数量情况下,也能取得不错的分类准确率。     

基于Portunus的系统级接口设计与验证系统研究

随着航天领域电气系统复杂程度以几何级数的速度增加,难以在样机制造之前发现诸如系统中设备之间的干扰、匹配问题,造成样机试制一轮一轮展开,研发周期和研发成本都急剧上升,急需通过有效的手段缩短研发周期、降低研发成本.因此,开展了系统级接口设计与验证系统相关研究,在Por-tunus软件基础上进行适应性二次开发,建立供电线路仿真模板、载荷设备突变仿真模板和电缆模型库,用于系统供配电线路设计时的评估与指导,改进之前在线路设计中通常需要依靠经验,需要通过系统匹配实验才能对供电性能进行评估的被动设计方式.     

基于一维卷积神经网络的恶意代码家族多分类方法研究

为了提取有效的恶意代码特征,提高恶意代码家族多分类的准确率,提出一种改进模型.该模型将恶意代码的特征映射为灰度图,使用改进的恶意样本图像缩放算法进行图像的规范化处理,基于VGG模型构建一维卷积神经网络分类模型ID-CNN-IMIR.实验结果表明,恶意代码特征的提取和处理提升了分类效果;对比经典的机器学习算法、二维卷积神经网络、其他基于深度学习的恶意代码分类模型,ID-CNN-IMIR分类准确率是最好的,达到98.94％.