工业工程本科生培养模式研究

本文通过对比国内外部分知名高校工业工程专业人才的培养模式,分析了我国高校工业工程专业本科生培养模式的不足之处.根据目前企业对工业工程专业人才知识的需求,对国内高校人才培养模式进行了分析和研究,最后提出几点改革建议和措施.     

动摇苹果的几款MP4

苹果iPod号称是随身听业界的王者,这个系列的播放器曾经帮助苹果扭转大局,开创出新的事业。也许是树大招风,近期关于苹果产品的“质量门”事件再次引起了媒体的强烈关注。苹果的产品,无可否认,在外观设计和理念上都带给业界很大的启发,但一款再好的产品,无论其功能多么强大,外形多么漂亮,概念多么前卫,但如果在质量存在隐患,     

新款PSP GO PSP-N1000正式发布

如图1所示,索尼终于在E3前发布了最新款的PSP掌上游戏机-全新的PSP GO掌上游戏机,型号为PSP—N1000。全新的PSP GO掌上游戏机在北美售价249．99美元,在欧洲售价249．99欧元,日本售价26800日元。如图2所示。     

D20发动机连杆螺栓失效分析

从化学成分、硬度、断口宏观形貌、显微组织等对断裂失效的D20发动机连杆螺栓进行了分析。结果表明,发生在螺纹处断裂的螺栓是由于热处理后滚丝成型不当造成表面加工缺陷,在交变载荷的作用下,产生微裂纹,进而至螺栓完全断裂;在头部支承面处断裂的螺栓因无圆角过渡、加工制造粗糙,在交变载荷的作用下,发生应力集中,致螺栓断裂。建议严格控制热处理工艺过程,提高螺栓加工精度。     

印度软件业崛起探因

印度是世界上五大软件供应国之一，是仅次于美国的第二大计算机软件出口大国，软件产品已远销世界133个国家。印度软件业迅速崛起的原因主要有：大力兴建软件科技园区；高等教育的国际化；高水平的英语和国际化人才；质量管理的国际化和出口导向战略。     

萘甲酰三氟丙酮-2,2'-联吡啶钐配合物的合成、表征及荧光性能研究

以氯化钐与β-萘甲酰三氟丙酮(TFNB)和2,2'-联吡啶(bpy)反应,合成了钐及掺杂钐配合物。经C、H、N元素分析和稀土络合滴定及差热-热重分析,推测配合物的组成分别为Sm(TFNB)3bpy.H2O和Sm0.5RE0.5(TFNB)3bpy.H2O(RE3+=Y3+、La3+、Gd3+),配合物在500℃以下稳定。摩尔电导率表明,所有配合物均为非电解质。红外光谱及核磁共振氢谱表明,TFNB通过烯醇式氧负离子与稀土离子螯合配位,bpy的两个氮原子也与稀土离子的配位成键。荧光光谱和荧光寿命测定表明,该类配合物激发波长接近可见光,均可发出钐的特征荧光,荧光寿命也比较长,Y3+、La3+、Gd3+对Sm3+的敏化作用不强。     

一类具有时滞的线性区间动力系统的鲁棒稳定性

研究了主对角线上不含零点的线性区间动力系统和该系统带有时滞情况的稳定性。通过构造Lyapunov函数,得到了主对角线上不含零点的线性区间动力系统的鲁棒稳定与不稳定的判定定理,以及其带有时滞的区间动力系统的鲁棒全局稳定,鲁棒稳定,鲁棒不变的充分条件,所得结论只需判断一个常数矩阵是否为M矩阵。最后给出了上述结论的应用实例。     

带有时滞的区间动力系统的鲁棒稳定性研究

给出了区间动力系统稳定性的相关概念,讨论了带有时滞的区间动力系统的鲁棒稳定性.通过构造控制矩阵和迭代相结合的方法,给出了一类带有时滞的区间动力系统鲁棒稳定的判别方法,并且给出了系统鲁棒稳定时参数取值的最大区间.将含有时滞的区间动力系统的稳定性转化为判别一个矩阵的稳定性,推广和改进了已有的结论.     

也谈Authorware中背景音乐的控制

笔者在许多杂志和网站上都看到一些关于Authorware中如何控制背景音乐的文章,但关于在Authorware中如何实现背景音乐一直循环播放与背景音乐被其他声音打断后自动重新播放的功能以及如何通过添加背景音乐控制按钮增加文件的交互性和随机选曲功效等问题探讨得不够深入.结合笔者自身的教学和创作经验,特提出自己的一些观点,和广大Authorware爱好者商榷交流.     

提高图像篡改检测区域选取性能的FCR-CNN模型

图像篡改检测不同于目标检测,篡改检测更加关注篡改伪像这一目标而非图像内容本身,需要学习更加丰富的特征.为提高图像篡改检测区域选取性能,提出一种将特征金字塔网络(feature pyramid networks, FPN)模型与级联区域卷积神经网络(cascade region-convolutional neural networks, Cascade R-CNN)模型相结合的FCR-CNN模型.首先将FPN模型提取的多尺度篡改特征输入到区域建议网络(region proposal network, RPN),然后由RPN输出篡改分类分数和区域建议框,最后将区域建议框输入到3阶段Cascade R-CNN进行检测.此外,系统地对FCR-CNN模型的损失函数进行了分析.基于CASIA, Columbia和NC2016数据集,与其他算法进行对比实验,结果表明, FCR-CNN模型能够有效地检测与定位篡改区域;其中,在CASIA数据集上,其与FPN模型和Cascade R-CNN模型相比, F1分数分别提高了6.0%和7.5%.