浅谈电视新闻记者的构思

电视作为一种传播媒介,以其快捷的传播方式和生动直观的视觉效果,成为大众获取信息,了解世界的主要方式之一.电视新闻记者要作好采访的前期构思,才能拍出能表现新闻事实特征,真正具有新闻价值的电视新闻片.     

基于角色的权限代理模型及其实现*

提出了一种基于角色的授权代理模型——SBDM,讨论了SBDM的基本思想、体系结构、组成要素以及权限代理约束和判定,并提供了一种有参考价值的实现权限代理模型的设计思路,它将在大型分布式网络、工作流管理系统中有广泛应用。     

9-(4-叔丁基苯氧基)-并四苯[5,6-bc]吡喃-2,8-二酮的合成及其紫外光谱研究

利用6-(4-叔丁基苯氧基)-5,12-萘并萘醌为原料,合成了9-(4-叔丁基苯氧基)-并四苯[5,6-bc]吡喃-2,8-二酮并进行了表征。研究表明:在365 nm紫外光照射下,9-(4-叔丁基苯氧基)-并四苯[5,6-bc]吡喃-2,8-二酮可以发生类似于苯氧基萘并萘醌的光异构化反应,trans-form的最大吸收峰出现在421 nm处,而ana-form在490 nm和524 nm处显示出特征双峰。     

苯氧基萘并萘醌类光致变色化合物的合成研究进展

介绍了苯氧基萘并萘醌类化合物的合成方法及光致变色性能特点,并对该研究领域进行了展望。     

基于TMS320C54X DSKplus的实时ADM语音编解码

在TM5320C54X开发套件上,实现了在普通微处理器上难以实现的最优ADM算法。     

基于机器学习的交通网络级联失效态辨识与预测

随着交通路网拥堵的问题加剧,道路交通拥堵又会演变成交通网络级联失效的问题。为有效缓解交通堵塞造成的级联失效问题,准确的短时交通流预测与级联失效态预测可以为交通路网提供可靠预警信息。首先,针对机器学习训练样本不精确的情况,提出了基于KNN-BPNN交通流预测模型,对短时交通流数据进行在线预测;其次,用机器学习的K均值聚类方法和KNN算法对交通状态进行判别,在此基础上给出级联失效态的识别方法对级联失效态进行识别;最后,提出基于BPNN的交通网络级联失效态模型进行预测。实例分析验证模型的结果表明,本文提出的KNN-BPNN组合预测模型可以为级联失效态预测提供可靠的交通流数据信息;BPNN在交通网络级联失效态预测方面也表现出较好的预测精度,可以准确的为道路交通网络级联失效提供预警信息。     

如何保障现场作业安全开展

无论生活还是企业生产都需要现场作业,只要作业都有安全风险,不存在没有风险的作业,只有风险高低之分。作为安全管理人员,需要做的就是尽可能多的消除风险,把控风险所带来的后果。下面从企业生产角度分析一下怎样才能有效的避免事故,保障作业安全。通过多方手段,促使施工作业安全有序进行。     

颗粒形状、含量和基体特性对金属基复合材料压缩力学行为的影响

通过建立轴对称体胞模型,用数值分析手段研究了在变形速率范围10－4~105/s内,陶瓷颗粒增强铝合金复合材料的压缩塑性流变特征,讨论了不同颗粒形状(圆柱形和球形),不同颗粒体积含量(10％~50％)和不同铝合金基体(LC4、LY12CZ和7075)对金属基复合材料流动应力、应变率敏感性等的影响,构造了可以描述高应变率下金属基复合材料压缩行为的本构模型,并考虑了基体特性、颗粒形状、体积含量及应变率的影响,得出了与试验相吻合的结果。     

云模型在测井曲线分层中的应用

针对由模糊信息导致测井曲线人工分层的不准确,提出了一种基于云模型的测井曲线自动分层方法.而云模型能同时体现概念的随机性和模糊性,利用云变换从测井曲线中提取定性概念,然后对提取的概念进行概念跃升,使得算法输出的概念层次更符合实际.实验表明,该方法能够较准确地提取和表征定性概念,所提取的概念中心与传统测井曲线分层方法得到的概念中心吻合较好,验证了算法的有效性,提高了测井曲线分层的准确性.     

一种改进的人工神经网络模型

提出一种新型人工神经网络模型,称为“基于模式神经元的人工神经网络（Pattern Neuron Based Artificial Neural Network,PNBANN）”。与现有的神经计算网络不同,PNBANN是一种完全基于神经元连接的网络模型。网络中的每一个神经元都唯一代表一种模式,每当接收新模式时,自动建立一个新的连接,把信息存储在网络中;而接收已有的模式时,已有的神经元连接得到加强。当模式神经元的输出达到所设定的感觉阈值时,对应模式的信息被记忆。因此,PNBANN就是不断地接收、存储各种信息,并把感觉足够强的模式记忆下来,这一过程更接近于人脑的学习、记忆过程。实验结果证明,PNBANN学习效率高,在学习新知识时不会影响已有的知识,同时具有很强的识别能力。