人机博弈技术展示——下棋机器人

本文介绍融合了人工智能技术、人机交互技术等新技术的下棋机器人。下棋机器人系统的设计与实现是对提升科技传播吸引力方式的一种探索,增强了传播过程的自主性、互动性、趣味性。系统设计从硬件和软件角度都采用模块化方法,并针对机器人同时进行4盘棋局对弈的多任务处理需求对机器人末端执行机构和棋局清盘算法进行了独特设计,大幅度提高了系统运行效率。     

电子政务在政府管理创新中的应用

随着网络技术的快速发展,电子信息的应用变得越来越广泛,电子信息技术在很多领域都有应用,比如银行、政府管理、信息产业等,这些行业的发展都离不开电子信息的支持。电子政务是在信息化时代背景下产生的一种全新的管理模式,对于政府管理效率和水平的提升有十分重要的意义。本文对电子政务的相关问题以及在政府管理中的创新应用进行分析和探讨,旨在促进政府管理的改革。     

穿孔轧卡试样剖析

研究了穿孔变形区中毛管的几何尺寸和表面质量。     

基于AUTOSAR架构的通信系统的研究与实现

AUTOSAR是汽车开放系统体系结构,已成为汽车电子软件的工业标准,在汽车电子控制器系统开发过程中具有重要地位,其中AUTOSAR COM通信规范为汽车电子通信系统的构建提供了依据和参考;介绍了AUTOSAR体系架构,对AUTOSAR COM规范基于信号的通信机制及其特有的传输模式切换系统进行了研究,并实现了一种基于AUTOSAR架构的通信系统,试验结果表明该系统能够提供基本通信服务,且符合AUTOSAR COM规范。     

基于Windows CE的仓储管理系统的设计

某超市因为发展的较好,原来已经有的配货中心不能满足要求,这在一定程度上影响了超市的经济收入并限制了该超市发展.本文旨在探讨基于Windows CE的仓储管理系统的应用研究,以某个超市的仓储中心为背景,研究了仓储管理系统的分析、设计及系统功能的结构.     

显微组织对TC16钛合金棒丝材冷镦成形性能的影响

TC16钛合金棒材在冷镦成形方面具有较大的加工和应用优势,棒材组织形貌对最终紧固件冷镦成形性有直接影响。采用不同加工方式、不同变形温度和热处理制度获得了不同组织状态的TC16钛合金小规格棒丝材,通过紧固件冷镦成形实验,研究了显微组织对冷镦成形性能的影响。结果表明,TC16钛合金丝棒材冷镦过程中的组织变形主要是纵向金属扁平化和破碎挤压的过程;纵向为等轴组织或者网篮组织的TC16钛合金棒丝材,在冷镦过程中纵向变形均匀,冷镦过程顺利;纵向为拉长组织的TC16钛合金棒丝材在冷镦过程中易产生裂纹。     

某高硫铅锌矿选矿生产工艺流程考查及改进措施研究

为挖掘某高硫铅锌矿选矿生产技术指标提升的方向及潜力,对入选原矿进行了化学成分、矿物组成、嵌布特征等矿石性质研究,测定了精矿产品及尾矿中主要目的矿物的单体解离度和粒度分布等。结果表明,矿石中目的矿物方铅矿、闪锌矿及黄铁矿的嵌布粒度粗细不均匀,且共生关系密切、包裹关系复杂,属于难解离矿石;精矿互含高是导致精矿质量不高及金属回收率低的主要因素,方铅矿损失的主要原因是单体解离不充分,闪锌矿损失的主要原因除单体解离不充分外,还受到浮选分离工艺的严重影响。并在此基础上,针对性地提出了降低选矿处理量、强化细磨分级、优化药剂制度、合理调整矿浆浓度等改进措施及建议,为提升选矿技术指标提供了技术参考。     

开展智慧城市建设提升城市治理能力的策略探索

随着互联网等现代高新技术的发展,城市智慧化趋势明显,智慧城市建设已经成为各个城市进行高质量发展的不二选择。在智慧城市建设的过程中,我国各城市的治理能力也在不断强化,更加便捷人民群众的生活,更加满足人民群众的物质文化需求,更加努力提升城市居民的幸福生活指数。基于上述研究,本文以开展智慧城市建设提升城市治理能力为主题进行分析。首先,概述智慧城市的起源、发展历史及本质内涵;然后分析当前我国城市治理中存在的问题;最后对开展智慧城市建设背景下提升城市治理能力的策略进行探讨。     

一种半监督对抗鲁棒模型无关元学习方法

元学习期望训练所得的元模型在学习到的“元知识”基础上利用来自新任务的少量标注样本，仅通过较少的梯度下降步骤微调模型就能够快速适应该任务。但是，由于缺乏训练样本，元学习算法在元训练期间对现有任务过度训练时所得的分类器决策边界不够准确，不合理的决策边界使得元模型更容易受到微小对抗扰动的影响，导致元模型在新任务上的鲁棒性能降低。提出一种半监督对抗鲁棒模型无关元学习（semi-ARMAML）方法，在目标函数中分别引入半监督的对抗鲁棒正则项和基于信息熵的任务无偏正则项，以此优化决策边界，其中对抗鲁棒正则项的计算允许未标注样本包含未见过类样本，从而使得元模型能更好地适应真实应用场景，降低对输入扰动的敏感性，提高对抗鲁棒性。实验结果表明，相比ADML、R-MAML-TRADES等当下主流的对抗元学习方法，semi-ARMAML方法在干净样本上准确率较高，在MiniImageNet数据集的5-way 1-shot与5-way 5-shot任务上对抗鲁棒性能分别约提升1.8%和2.7%，在CIFAR-FS数据集上分别约提升5.2%和8.1%。