对梅山技工培训工作方向之浅见

根据梅山公司发展的需要，以提高技工岗位绩效和缩小技工现有技能水平与理想绩效行为差距为目的，对技工培训的今后工作方向提出了个人的看法。要想促进技工培训工作更上一层楼，必须进一步完善培训体系，遵循ADIE进行运作；按需求分析，确立培训目标，制定切实可行的计划，编制针对性和可操作性强的技工培训教材，以“请进来、送出去”的方法培训和优化师资力量，不断改进教学方法。     

守望春天

2004年12月22日，北京降下了这一年的首场大雪，整个北京城银装素裹。与此同时，人民大会堂里热气腾腾，中国室内设计学会成立15周年的庆典正在举行。作为个新型的学会，中国室内设计学会发展的进程紧紧跟随着我国改革开放和经济发展的步伐，我们用了二十年的时间达到了别的国家上百年时间才能达到的规模。中国室内设计学会已经逐步走入它的辉煌时代，正呈现着副朝气蓬勃的春天景象。     

公共娱乐场所消防安全现状及对策

从消防安全管理的角度,论述了公共娱乐场所消防安全存在的主要问题和如何进一步加强公共娱乐场所的消防安全工作     

人工神经网络A／D变换器

本文对［５］的４位人工神经网络Ａ／Ｄ变换器进行了研究．指出按其方法推广实现多位Ａ／Ｄ时存在突触电阻大小以至无法实现且抗干扰能力也不好的问题并给出了解决办法．同时对如何改善神经元转移特性的硬限幅曲线作了简单讨论．     

浅谈国企改革中的内部财务集中控制问题

一个完善的公司治理结构 ,应该是在明晰产权的基础上的三权 (决策权、监督权、经营权 )分立 ,各司其职 ,相互制衡的运行机制。财务总监委派制是近年来大型集团公司所实行的一种较有效的管理方式 ,是在企业财产所有权与经营权相分离情况下 ,集团公司通过委派财务总监参与企业重大经营决策 ,组织和监控企业日常财务活动 ,实现企业内部财务集中控制。使所有者及时获悉企业经营情况 ,确保了会计资料的真实性 ,提高了企业的竞争力     

我国车用无铅汽油的质量状况及分析

对1998－2001年间生产领域和流通领域的近500批次汽油产品检验数据进行了总结和分析，表明我国汽油的实物质量正在不断提高，但从环保要求出发还需不断向国际水平靠扰，尤其应进一步降低烯烃含量，硫含量。     

Feature Reduction via Generalized Uncorrelated Linear Discriminant Analysis

High-dimensional data appear in many applications of data mining, machine learning, and bioinformatics. Feature reduction is commonly applied as a preprocessing step to overcome the curse of dimensionality. Uncorrelated Linear Discriminant Analysis (ULDA) was recently proposed for feature reduction. The extracted features via ULDA were shown to be statistically uncorrelated, which is desirable for many applications. In this paper, an algorithm called ULDA/QR is proposed to simplify the previous implementation of ULDA. Then, the ULDA/GSVD algorithm is proposed, based on a novel optimization criterion, to address the singularity problem which occurs in undersampled problems, where the data dimension is larger than the sample size. The criterion used is the regularized version of the one in ULDA/QR. Surprisingly, our theoretical result shows that the solution to ULDA/GSVD is independent of the value of the regularization parameter. Experimental results on various types of data sets are reported to show the effectiveness of the proposed algorithm and to compare it with other commonly used feature reduction algorithms.