风险导向皮革企业内部审计与人工智能技术融合研究

文章对风险导向皮革企业内部审计与人工智能技术融合展开研究,采用全新的技术使审计风险降到最低并提升审计质量,审计流程各大优化对现实发展有着重大的意义。     

基于VA与FOS的专利规避方法设计

为突破专利壁垒,利用现有专利技术快速衍生出新的专利方案,研究了可有效规避侵权的系统化专利规避方法。通过需求-目标-功能分析模型寻求创新设计方向,经过检索及数据清洗得到目标专利群,利用专利价值评价方法来得到高价值度的目标专利,然后通过TRIZ理论功能树建立目标专利的结构-功能模型,寻找并分析问题组件,针对问题组件利用改进后的功能导向搜索方法进行创新设计,经过侵权判定得到新的专利方案。通过将价值分析(Value Analysis, VA)和功能导向搜索(Function Oriented Search, FOS)相结合,形成了一种新的专利规避设计模型,应用此方法对药品包装机械进行了创新设计案例分析,验证了此专利规避方法的有效性。     

成果导向模式的传热学教学改革及实践研究

传热学是建筑环境与能源应用工程专业重要的专业基础类课程。根据工程教育认证要求和成果导向理念,以传热学课程为研究对象,结合近几年课程教学效果及现状,研究了传热学课程的教学目标和目标达成度计算方法;从工程知识、问题分析和研究能力分别开展相应的教学方法改革,注重理论教学联系工程实际,以及学生团队协作和解决复杂工程问题能力的培养;对课程产出效果进行了分析,发现工程知识、问题分析和研究能力课程目标的达成度分别为0.77、0.68和0.8;建立持续改进机制,确保教学改革始终与毕业要求密切结合。研究成果为工程教育认证背景下传热学课程教学改革和课程质量标准修订提供参考。     

江苏油田三种典型钻具组合复合井导向力计算分析

结合江苏油田导向钻井技术现场试验中采用的三种典型的滑动导向钻具组合,在计算复合钻井导向力的基础上,探讨了两个主要因素对复合钻井导向力的影响规律,理论计算结果与现场试验结果基本吻合,通过设计钻具组合的结构和施工参数,可以提高井眼轨迹控制精度。     

一种楔式闸阀的导向控制

本文论述了楔式闸阀导向控制的理论及实现方法,详细阐述了GB/T12234-2019及API600-2015(2021)标准对此相关内容的要求与规范,并做了深度分析与解读,并从本阀的安装方位与运行过程还原了阀门可能产生卡阻的原因及制造商应从设计、铸造、加工、检验等多方位管控以消除影响,最大限度保障阀门安全运行的思路。也提醒管道设计与使用单位应考虑阀门的最优安装方向。     

基于OBE的项目导向式教学模式在机械原理课程教学中的应用

基于OBE理论和项目导向式教学模式,以培养学生解决复杂问题的能力为中心,以实际工程中典型凸轮机构的设计实践为例,激发学生自主学习动力和意识,锻炼分析问题、解决问题思维方式。项目导向式教学模式可以将课堂上离散的知识点贯穿,以项目任务为驱动完成理论和实践教学的结合,有效解决传统教学模式中“单纯知识传授、忽视能力素质培养”的问题。     

应用型本科《数字电子技术》理实一体化融合“OBE”理念教学

根据应用型本科培养目标,针对目前《数字电子技术》教学中学生注重理论教学而忽视实践教学、动手能力较薄弱的局面,提出理实一体化融合OBE理念的教学模式,以学生的学习成果为导向,从教学模式、考核方式、小组协作方面进行教学改革,采用“教、学、做”三合一,从而实现学生理论知识和实践操作技能的同步提升。理实一体化融合OBE理念,体现“教学做”,注重教师与学生及时互动,及时调整教学策略。实践结果表明根据OBE理念组织和实施的教学活动中,学生的学习积极性和主动性明显提升,团队协作能力和创新能力也得到很好的锻炼。     

孪生导向锚框RPN网络实时目标跟踪

目的 区域推荐网络（region proposal network,RPN）与孪生网络（Siamese）相结合进行视频目标跟踪,显示了较高的准确性。然而,孪生RPN网络（Siamese region proposal network, SiamRPN）目标跟踪器依赖于密集的锚框策略,会产生大量冗余的锚框并影响跟踪的精度和速度。为了解决该问题,本文提出了孪生导向锚框RPN网络（Siamese-guided anchor RPN,Siamese GA-RPN）。方法 Siamese GA-RPN的主要思想是利用语义特征来指导锚框生成。其中导向锚框网络包括位置预测模块和形状预测模块,这两个模块分别利用孪生网络中CNN（convolutional neural network）产生的语义特征预测锚框的位置和长宽尺寸,减少了冗余锚框的产生。然后,进一步设计了特征自适应模块,利用每个锚框的形状信息,通过可变卷积层来修正跟踪目标的原始特征图,降低目标特征与锚框信息的不一致性,提高了目标跟踪的准确性。结果 在3个具有挑战性的视频跟踪基准数据集VOT（video object tracking）2015、VOT2016和VOT2017上进行了跟踪实验,测试了算法在目标快速移动、遮挡和光照等复杂场景下的跟踪性能,并与多种优秀算法在准确性和鲁棒性两个评价指标上进行定量比较。在VOT2015数据集上,本文算法与孪生RPN网络相比,准确性提高了1.72%,鲁棒性提高了5.17%;在VOT2016数据集上,本文算法与孪生RPN网络相比,准确性提高了3.6%,鲁棒性提高了6.6%;在VOT2017数据集上进行实时实验,本文算法表现出了较好的实时跟踪效果。结论 通过孪生导向锚框RPN网络提高了锚框生成的有效性,确保了特征与锚框的一致性,实现了对目标的精确定位,较好地解决了锚框尺寸对目标跟踪精度的影响。在目标尺度发生变化、遮挡、光照条件变化和目标快速运动等复杂场景下仍然表现出了较强的鲁棒性和适应性。