改进的小脑模型神经网络及其在时间序列预测中的应用

针对小脑模型神经网络(cerebellar model neural network,CMNN)中泛化能力与存储空间容量之间的冲突这一关键问题,提出了一种改进的小脑模型神经网络——模糊隶属度小脑模型神经网络(fuzzy membership cerebellar model neural network,FM-CMNN),用于解决非线性动态系统的时间序列预测问题.首先,FM-CMNN在保留原始CMNN输入变量的地址映射方式的情况下,在CMNN存储空间中引入铃型模糊隶属度函数,从而保证在不需增加量化级数的情况下提高网络的泛化能力.然后,使用梯度下降算法对网络权值进行更新,提高网络的逼近强度.最后,通过非线性时间序列预测基准实验和污水处理中水质参数预测实验,验证了FM-CMNN性能的可靠性.     

废旧纺织品在线NIR谱库的建立及检索识别应用

为了验证废旧纺织品在线近红外谱库的实用性,利用383个未参与建库的聚酯、棉、羊毛、锦纶、真丝、粘胶、腈纶、聚酯/毛、聚酯/锦纶、真丝棉、锦纶/氨纶、聚酯/棉12类织物样品对所建谱库进行在线检索识别.结果表明该方法识别正确率达98.7％,利用该谱库可对12种常见废旧纺织品进行在线识别和自动分选,为废旧纺织品回收分选提供一种新的方法和设备.     

Method for discrimination of false targets in multistation radar systems based on the deep neural network

For the existing jamming discrimination methods for multistation radar systems,only the single feature of target echo space correlation is utilized as the metric,which leads to insufficient comprehensiveness of feature extraction,so that effectiveness and universality are insufficient for the discrimination algorithm.In this paper,an identification method in multistatic radar systems based on the deep neural network is proposed.This method combines the characteristics of multistatic radar systems cooperative detection technology,which has many available resources and strong scheduling ability in space,time and frequency domain,with the strong model learning and feature representation ability in the process of information processing on the deep neural network,so that it can effectively apply to the field of anti-deception jamming.Full use is made of unknown information about echo data to obtain more multi-dimensional,more comprehensive,more complete and deeper feature differences besides correlation,so as to achieve a better jamming discrimination effect.Simulation results show that the proposed method can effectively reduce the influence of noise and pulse number on the jamming discrimination performance.At the same time,the limitation of the target echo correlation coefficient on anti-jamming technology under nonideal conditions is alleviated,which broadens the boundary conditions of the application process.     

黔东南苗族服饰刺绣纹样的色彩规律及其特征

在纺织非遗视域下,通过文献研究、服饰纹样及图片的采集、对比与分类整理,从历史和文化层面梳理分析黔东南苗族服饰刺绣纹样色彩现象.运用NCS色彩体系对黔东南苗族五大支系典型服饰及其刺绣纹样进行色彩提取、数据分析,归纳总结黔东南苗族服饰刺绣纹样色彩呈现规律及其特征.研究发现:苗族服饰刺绣纹样色彩呈现出强烈对比色,突出纹样主体;服饰中无彩色系,易平衡画面、植物染料色彩,更具和谐韵律;通过搭配不同纯度和彩度的冷暖色调,达到服装清晰明快的整体色彩效果;服饰以中彩度和低黑度为主,且多采用纯色主色调等鲜明特征.研究思路和结论对苗族服饰文化的研究和再设计提供借鉴和参考.     

中国文学批评体系的生成——《文心雕龙》与早期文献中的文学观

对刘勰批评体系建构的探讨,是《文心雕龙》研究中最富有成效的学术领域之一.然而,从中国传统文学批评的内在连贯性或系统性出发,探讨这一系统性著作的研究却明显匮乏.用这种大视野来集中审视《文心雕龙》的文学观念,会有如下发现:从远古到汉代,中国文学批评形成了三种主要的文学观:以《尚书》为代表的宗教文学观,以《左传》和《国语》为代表的人文文学观,和以《毛诗序》为代表的教化文学观.刘勰继承了前人把文学理解为一个和谐过程的基本模式,重新认识了文学的性质、起源、思想和语言的形成及其功能,从而形成了自己的综合文学观.这四种文学观之间的联系揭示了一个复杂的批评体系.这驳斥了人们普遍认为的中国传统批评没有一个连贯体系的错误观点.     

打造吉林省红色资源IP协同高校爱国主义教育研

吉林省红色资源作为中华民族精神的重要组成部分,是吉林省得天独厚的历史与人文资源,是优秀文化和优秀民族精神的延续,对当代大学生爱国主义教育开展的作用不容小觑。通过对吉林省爱国主义教学资源的梳理和挖掘,打造吉林省红色资源IP,多渠道加以利用,从而达到提高大学生爱国主义教育实效性的教学目标,培育大学生爱国主义精神。     

氢化物原子荧光光谱法测定党参中的硒含量

为建立一种操作简便,快速,高灵敏度的氢化物原子荧光光谱法测定党参中硒的分析方法。方法 采用原子荧光光谱法对测定党参中硒元素进行含量的定量分析方法。结果 硒含量在0~40 μg/L质量范围内与其荧光强度呈现良好的线性关系（R²=0.9999）,检出限为Q=0.065 ng/mL;加样回收率为113.33%,相对标准偏差（RSD）为4.97%;精密度RSD为1.65%;准确度RSD为4.58%;稳定性RSD为6.52 %。11个不同品种党参之间的硒含量稍有不同,但都在0.1 mg/kg以下。结论 在富硒党参质量控制检测中,用原子荧光光谱法测定硒含量,其操作快速、简便,能准确测定党参硒含量。     

一种联合采样的神经网络光场

相比传统的光场绘制技术,神经网络光场(NeRF)方法可使用神经网络拟合场景的光线采样,将隐式编码输入图片的光场,合成新视图. 针对NeRF方法训练时间长,绘制视图慢的问题,提出了一种基于联合采样的NeRF方法,通过使粗糙网络和细腻网络共享均匀采样结果的方法,减少了不必要的光线采样,从而加快了网络训练和视图合成的速度. 实验结果表明,在取得近似视图合成质量的情况下,与NeRF方法相比,所提方法的训练时间减少了20%,视图合成的效率提高了25%.     

基于动态模式分解的移动用户信道容量预测算法

在多输入多输出环境下,为了能够连续预测出移动用户的信道容量并以此合理地分配用户资源,提出了一种基于动态模式分解（DMD）的信道容量预测方法及其优化方法：基于经验模态分解的选择性归一化动态模式分解（ESN-DMD）.仿真结果表明,DMD算法只适用于预测低移速低复杂度的用户信号,ESN-DMD算法可以预测不同移速的用户信道容量.     

优化电力营商环境的问题及策略研究

适应当前社会经济发展及用电客户对营商环境的高要求,加速电力企业的服务模式转型,提升客户办电与用电的感知度,本文首先明确优化电力营商环境的必要性,剖析电力营商环境发展现状,通过分析电力营商环境优化过程中存在的协同不足、创新不足及可视化不足等问题,细化提出从组织结构、内部协同方面强化组织协同力度,从差异化服务、政企服务及网格化服务方面创新客户服务模式,从信息资源共享及资讯透明方面打造资源信息可视化,全面促进电力服务向精准化、差异化、智能化转型升级,提升"获得电力"指标及客户服务满意度,着力优化电力营商环境的"硬实力"与"软实力".