谈淮阳民间泥玩具的直觉创造性

河南淮阳县的太昊陵庙会有着上千年的历史,淮阳＂泥泥狗＂伴随着宗教祭祀和古老的民俗而诞生并传承至今。这些造型荒怪、图形奇特的超出自然界的东西,是人们凭直觉冲动衍习下来的一种情感实体;那种创作的冲动来源于先民们对于神秘自然的敬畏,对自身的保护,对氏族图腾的崇拜。这些泥体中倾注了先民们的全部情感、生命和祝愿,完全是在一种原始的自由状态下,运用非理性的神秘感情进行的直觉创造。     

普光气田采气岗位标准化流程及量化考核

为了更好地实现高酸性气田的现场管理并深入开展三基工作,在总结前人经验的基础上,提出了普光气田采气岗标准化工作流程及员工标准量化考核新的管理办法,介绍了采气岗标准化工作流程的主要内容及岗位员工标准量化考核的实施细则,并将这两项管理办法在某集气站和普光采气区推广应用,结果表明这两项标准量化办法促进了集气站标准化建设,进一步提高了高酸性气田的现场管理水平。     

150MW机组振动处理分析

文章介绍了150 MW机组在调试期间出现的振动问题;分析了振动原因;制定了解决振动的方案;通过现场处理使机组振动满足安全运行要求.     

基于矢量量化的强化学习及其在机器人行为学习中的应用

针对强化学习(RL)中状态空间过大所引起的学习时间过长或算法难于收敛等问题,提出了一种基于矢量量化(VQ)技术的表格型强化学习方法--VQRL方法,该方法用矢量量化器的码书矢量来逼近强化学习的状态空间,从而有效地解决了强化学习的状态空间分割问题,并提高了学习的收敛速度.同时根据等失真理论将一种失真敏感自组织特征映射(S...     

悬挂抓斗起重小车的研究和设计

针对一些土建厂房的特殊要求,参考悬挂起重机应用经验,研发设计出一种用于生活垃圾协同处理及水泥窑资源综合利用一体化项目生产线上搬运预处理垃圾的悬挂液压垃圾抓斗起重小车。该小车能降低企业投资,节省运营成本,高效节能。可推广用于类似场合,同时为同类型悬挂起重小车的设计提供参考。     

基于计量自动化系统的用户用电异常预警应用研究

利用计量自动化系统采集的客户端用电数据,结合负荷分析、负荷预测方法,对电网企业用电客户的用电及负荷情况进行分析,实现用户电费、电量、负荷等客户侧用电情况的准实时监控,同时,通过与短信平台、企业信息集成平台等企业应用平台的集成应用,实现负荷超限、电费余额不足、负荷波动等客户侧用电异常情况监控与预警,减少客户侧用电异常停电事件的发生,减轻用电客户的损失,提高电力企业的用户满意度。     

基于模糊神经网络的强化学习及其在机器人导航中的应用

研究基于行为的移动机器人控制方法.将模糊神经网络与强化学习理论相结合,构成模糊强化系统.它既可获取模糊规则的结论部分和模糊隶属度函数参数,也可解决连续状态空间和动作空间的强化学习问题.将残差算法用于神经网络的学习,保证了函数逼近的快速性和收敛性.将该系统的学习结果作为反应式自主机器人的行为控制器,有效地解决了复杂环境中的机器人导航问题.     

关于陕西公共建筑能效效益监管评价体系建设的思考

<正>目前建筑领域是我国环境污染和气候变化的主要来源，发展绿色建筑是助推实现碳达峰、碳中和目标的重要抓手。系统介绍了公共建筑能效技术和能耗评价方法，针对陕西公共建筑能效管理中存在的问题，提出陕西公共建筑能效效益提升的创新思路，对陕西构建公共建筑能效效益监管评价体系具有一定借鉴意义。     

混淆查询区域下的电网多维数据聚合查询方法研究

为了降低电网多维数据查询的缺失率，研究了混淆查询区域下的电网多维数据聚合查询方法。在用户兴趣生成混淆查询区域，从生成的查询轨迹数据中收集邻接近点信息，并与查询目标保持安全距离。计算实际电网用户密度与查询样本的混淆程度，以保护数据聚合时的用户隐私。在向量化处理关键字和数据对象后，完成关键字词的匹配查询，以控制数据查询的缺失率。在此基础上，构建了多维数据聚合查询的控制树，量化评估了多维数据，以减少多维点查询的响应用时，实现了高隐私行业的电网数据聚合查询。仿真结果证明：该方法在不同数据查询缺失率下的查询结果始终保持在35个类型；多维点查询的平均响应用时最短为38.2 s。该方法数据查询过程中需要的节点成本更低、查询性能更好。     

融合 CNN 和 Transformer 的机器人室内场景识别

为了提高机器人在复杂的室内环境中场景识别的准确率，本文提出一种融合卷积神经网络(convolutional neural network, CNN)和视觉Transformer结构的机器人室内场景识别模型。本文模型利用CNN提取场景局部特征，然后使用视觉Transformer结构捕捉特征中远距离依赖关系，其中提出的视觉Transformer结构包括3个部分，分别是特征编码结构(Attention Embedding)、Encoder结构和一个将高层语义特征转化成像素级特征的结构(Attention Project)。本文研究的机器人场景识别模型利用CNN提高视觉Transformer局部细节特征的描述能力，同时通过视觉Transformer帮助CNN构建远距离特征的依赖关系，从而能够有效的表征和利用机器人工作场景图像的视觉特征。最后，通过机器人在实际工作环境中采集的数据集和开源的COLD数据集进行实验，验证了本文研究模型的有效性，场景识别精度更高。