预拌轻骨料混凝土配制及施工技术

预拌轻骨料混凝土对于拓展混凝土的使用空间具有特别重要的意义，本文通过大量的试验数据，研究了预拌轻骨料混凝土的配制技术，并简要介绍了轻骨料混凝土的施工技术。     

关于企业职工体育活动的实践与思考

职工体育活动是企业文化的重要组成部分,它对于丰富职工文化生活,提高职工身体素质和人文素养,激发职工积极向上、勇于奉献的精神,对于弘扬集体主义精神,增强企业向心力、凝聚力,进而促进企业的经济发展,都有着特殊的、不可替代的作用。近年来,中国建筑材料集团有限公司(以下简称中国建材集团)认真贯彻落实全民健身纲要,结合企业的实际,在开展体育活动方面进行了一些实践和探索,也     

基于支持向量机的钢结构焊接质量安全评价方法

目前我国对钢结构焊接质量安全鉴定主要依赖于经验判断,这种方法具有较大的不确定性。本研究借助现代检测仪器和测试技术,综合考虑现代统计学理论和凸二次规划理论,运用优秀的机器学习算法,对钢结构焊接质量进行全面分析,提出基于支持向量机的钢结构焊接质量安全评价方法,建立了钢结构焊接质量安全评价数学模型并进行仿真实验。理论分析和仿真试验结果表明,支持向量机解决了神经网络的局部最优问题,它的数学模型中样本仅以点积形式出现,其优良特性表明该方法在钢结构焊接质量安全评价中具有很大的应用潜力。     

浅谈多媒体在体育教学中的作用

随着科学技术突飞猛进的发展,多媒体技术,被更多地运用到体育教学中,并成为当前衡量学校教学水平的重要标志之一。作为体育工作者,怎么样把多媒体教学手段合理、正确的运用到体育教学中来,发挥其作用,已经受到人们广泛的关注。     

自然发酵香肠中亚硝酸盐残留量的变化规律

对自然发酵香肠加工成熟过程中的亚硝酸盐残留量、pH值和水分含量进行了测定。结果表明，按照肉制品生产的标准剂量添加发色剂，广味香肠自然发酵成熟过程中亚硝酸盐残留量在2．59～27．25mg／kg范围内，均未超过国家标准。亚硝酸盐残留量的变化规律是：先下降后上升，在第5天时达到最大值，然后从第9天开始下降，至第30天时达到最低值。第30-60天期间略有轻微升高；水分含量总体呈下降的趋势，在第30d后其水分含量与亚硝酸盐残留量基本趋于稳定；pH值总体呈下降的趋势，pH值和亚硝酸盐残留量的变化具有一定的相关性。     

泵站计算机监控系统

我国目前大量的泵站在国民经济中承担着农业抽水灌溉、城市供水排水等任务,发挥着巨大的作用.目前大部分泵站自动化水平低,设备运行安全问题较突出,运行管理和技术分析受技术条件限制较大,借助计算机技术对泵站进行监控为泵站的安全、经济运行提供强有力的保障,并为事故分析提供坚实的资料基础.在经过一定的调研和分析的情况下,结合我国泵站的实际,提出了泵站计算机监控的方案及功能要求,结合工程实际开发了一套经济实用、技术先进的泵站计算机监控系统,并介绍了应用案例.     

PPSM嵌入式RTOS中的窗口系统开发

PPSM是Motorola为M68K系列提供的实时嵌入式操作系统.本文介绍在PPSM嵌入式RTOS上开发窗口及控件系统的体系和方法.     

一种混沌神经网络的混沌时间序列预测

混沌是一种普遍存在的非线性动力学行为，针对混沌时间序列预测问题，提出了一种新颖的混沌对角递归神经网络模型，然后，给出了易实现的动量梯度学习算法。为了验证网络的预测性能，采用该神经网络预测模型对Mackey—Glass混沌时间序列进行了仿真。结果表明，所提出的混沌神经神经网络模型能快速、精确地预测混沌时间序列，并能在一定精度上满足多步预测需要，是研究复杂非线性动力系统辨识和控制的一种有效方法。     

面向无人机的无线网络应用场景分析

UAV(unmaned aerial vehicle无人机)因其移动性、灵活性和高度适应性等便捷优势,在各行业应用中得到迅速发展,与此相应的给无线网络系统也帶来系列关键的潜在应用。一方面,无人机可以作为空中基站,以提務无线网络的覆盖范围、容量、可靠性和能源效率。另一方面,无人机可以作为移动终端在蜂窝网络内规模组网,将现宥的实时视频流业务扩展到其他应用服务连接。对基于无人机的无线通信网络应用场景进行了研究探讨。     

基于主动迁移学习的电力系统暂态稳定自适应评估

基于深度学习的暂态稳定评估模型通常需要大量的有标注样本用于离线训练。一旦电网的运行方式和拓扑结构发生较大变化,预训练模型的性能将劣化甚至失效,使得在线评估时存在一定的空窗期。为了解决这一问题,以深度置信网络（DBN）为研究载体,将深度学习、迁移学习和主动学习相结合,提出一种基于DBN模型的主动迁移学习方法。首先,训练DBN来挖掘输入特征和暂态稳定评估结果间的映射关系,得到更好的暂态稳定评估效果。其次,当拓扑结构和运行方式发生较大变化时,通过短期仿真生成大量的无标注样本,利用主动学习来筛选少量最富有信息的样本,并通过长期仿真对这部分样本进行标注,显著减少了样本的生成时间。最后,计算源域和目标域数据分布的最大均值差异,选择不同的迁移路径,在确保迁移效果的前提下进一步缩短了迁移时间。采用新英格兰10机39节点系统、NPCC 48机140节点系统和中国华中电网进行了仿真,结果验证了所提方法具有高精度、快速性和鲁棒性,有效缩短了深度学习模型在线应用时的空窗期。