生长军官学员政治能力内涵探究与训练模式构设

军校生长军官学员是部队未来指挥和技术军官,其政治能力影响着部队战斗力．为加强学员政治能力训练,提升学员政治能力,探究生长军官学员政治能力内涵要义、内在特性;根据生长军官学员政治能力训练现状,构设了生长军官学员政治能力训练模式,意在为决策者提供一定的参考．     

加速冷却对热轧C－Mn钢力学性能的影响

三种试验用Ｃ－Ｍｎ钢热轧及轧后的加速冷却实验表明，典型组织为多边形铁素体＋粒状贝氏体；这种组织不会恶化钢材的塑性指标；贝氏体相变强化效果远高于各种组织因加速冷却而产生的自身强化效果。     

某车型发动机转速信号异常失效模式的研究

某车开启雨刮时由于快速变化的电流会产生磁场,对周边的回路中产生感应的电场,周围的其它低压信号异常,导致发动机偶发出现掉转速信号的故障.通过零部件对标、接地布置、信号压降、电磁干扰等方面逐一分析其失效模式.确认了提高转速传感器电容、整改雨刮电机EMC,从而解决开启雨刮导致发动机掉转速信号的故障.     

静叶片钢冷轧变形的研究

本文对１Ｃｒ１１ＭｏＶ静叶片钢进行了冷轧变形的研究。确定了宽展面积与压缩面积的关系，各道次的宽展面积与压缩面积比值，宽展与压下量的关系，以及压下量沿轧件宽向的分布。为选择坯料外形和尺寸，孔型设计以及制定压下制度提供依据。     

我国首个GSM-R系统工程项目的监理实践

由北京全路通信信号研究设汁院设计、北京现代通信信号工稗咨询公司（以下简称现代公司）监理、中铁电气化局集团施工、华为技术有限公司提供设备的我田首个GSM—R工程项目，经过近一年的施工安装调试，已在大秦线上成功投入运营。在北京局和太原局的大力关怀、支持和帮助下，现代公司对此监理项目，直面困难，高度重视，集思广益，认真监理，严守承诺，根据该项目特点和工程实际，制定并落实各项针对性措施，顺利完成了该项目的监理工作，并获得铁道部领导好评。以下就该工程项目的监理实践谈些体会。     

浅谈船舶调研对水下采油树设计的影响

为了对水下采油树设计进行输入,更好的进行水下采油树的详细设计和安装方案的设计,本文采用结合预调研和进行现场船舶调研的方式,对南海深水项目番禺35-2／35—1气田水下采油树的作业支持船舶的预调研和船舶调研过程和结果进行了研究,得到使用海洋石油706通过钢丝吊装从舷边安装番禺35—2／1水下采油树,南海五号作为完井作业支持船舶的方案。结论认为进行水下采油树的设计,必须有水下采油树安装／完井支持船舶的各种界面技术参数和吊装能力作为输入。船舶调研的数据和调研结果可能影响／改变水下采油树作业支持船舶的选择。在进行水下采油树作业支持船舶预调研的基础上,应及早准备现场船舶调研的内容,并尽早进行船舶调研,锁定所需的船舶资源。     

图与图学

图与文字、数字一样,在人类的社会进步、经济建设和科技发展过程中起着不可替代的作用。但图与图学的定义与地位从历史和当前角度来看,仍是一个没有深刻和系统阐明的问题。现在的工程图学、计算机图形学、计算机图像学等各有自己的学科定义、定位以及各自独立的发展道路,但由于没有与图和图学相关联,致使这些学科呈现出某种分散性和局限性。从形(几何)的角度揭示图的本质,给出了形与图的科学表述。提出"大图学"概念,整合分散在其他学科中的与图相关的科学与技术。重新认识与定位图学的地位和作用,给出它的定位与定义,构建了图学学科的整体框架和三级学科分类体系。认为文学、数学、图学三者构成了科学与工程发展的基础,昭示了图学的基础性和重要性。     

嵌入式RFID中间件数据过滤模型研究

为了能够筛选有效数据,大幅降低数据冗余度,从而达到提高系统处理效率,减轻系统负荷和满足上层应用的效果,以过滤器为基础提出了一种数据过滤模型.分析了数据过滤模块,并着重强调了标签数据的特性,在此基础上建立了总体设计模型,对各种过滤器的实现进行了详细的论述.最后在基于嵌入式Linux平台的中间件中实现了这种设计,并通过实例结果表明了该方法的准确性和有效性.     

一个基于协作Agent的分布式入侵检测系统

为提高分布式入侵检测系统的效率,提出了一个基于协作Agent的分布式入侵检测模型(CADIDs),设计并实现了一个基于该模型的入侵检测系统。本文详细讨论了系统的体系结构、通信及实现技术等。     

基于BERT的心血管医疗指南实体关系抽取方法

实体关系抽取是医疗领域知识问答、知识图谱构建及信息抽取的重要基础环节之一。针对在心血管专病知识图谱构建的过程中尚无公开数据集可用的情况,收集了心血管疾病领域的医疗指南并进行相应的实体和关系类别的专业标注,构建了心血管专病知识图谱实体关系抽取的专业数据集。基于该数据集,首先提出双向变形编码器卷积神经网络（BERT-CNN）模型以实现中文语料中的关系抽取,然后根据中文语义中主要以词而不是字为基本单位的特性,提出了改进的基于全词掩模的双向变形编码器卷积神经网络（BERT（wwm）-CNN）模型用于提升在中文语料中关系抽取的性能。实验结果表明,改进的BERT（wwm）-CNN在所构建的关系抽取数据集上准确率达到0.85,召回率达到0.80,F₁值达到0.83,优于对比的基于双向变形编码器长短期记忆网络（BERT-LSTM）模型和BERT-CNN模型,验证了改进网络模型的优势。