浅谈对高校党员干部腐败的看法

随着《国家中长期教育改革和发展规划纲要(2010-2020年)》的出台,高等教育的深入改革被提上日程,其中明确提出要转变政府职能,落实和扩大大学办学自主权,推进政校分开、管办分离,探索建立符合大学自身特点的管理制度。现代大学制度要求转变政府与高校的关系,建立高校与政府和谐自主的现代关系。但现实中,政府对高校过度干预的现象仍然普遍,这种过度干预造成权力的“破窗”的易发,许多高校领导干部作风问题也由此产生。     

CO_2微通道蒸发器换热特性实验研究

对CO_2微通道蒸发器进行了换热特性的实验研究,分析了质量流量、入口干度和蒸发温度对微通道蒸发器干涸点和换热性能的影响。实验结果表明:入口干度为0. 8时,质量流量由3. 76 g/s增大到11. 8 g/s,蒸发器平均壁温降低,干涸点后移,总换热量增大;质量流量为6. 17 g/s时,入口干度由0. 557增大到0. 976,蒸发器平均壁温升高,干涸点前移,总换热量减小;质量流量为10. 72 g/s,入口干度为0. 85时,蒸发温度由10. 2℃增大到18. 2℃,蒸发器平均壁温先升高后降低,干涸点后移,总换热量减小。对于单层扁管,流量大、干度低的扁管换热效果好。     

深度学习的图像实例分割方法综述

实例分割是一项具有挑战性的任务,需要同时进行实例级和像素级的预测,在自动驾驶、视频分析、场景理解等方面应用广泛.近年来,基于深度学习的实例分割方法迅速发展,如两阶段检测器Faster R-CNN扩展出的聚焦于网络的精度而非速度的强大实例分割基准Mask R-CNN,一度成为实例分割的标杆.利用高速检测的单阶段检测器延伸出的实例分割算法YOLACT填补了实时实例分割模型的空白,具有较高的研究和应用价值.本文首先对实例分割算法进行了类别划分,然后对一些代表性的算法及其改进算法进行了深入分析,并阐述了相关算法的优缺点,最后对实例分割方法未来的发展进行了展望.     

新发展格局下黄河水利监管改革创新问题研究

党的十九届五中全会为推动黄河流域生态保护和高质量发展明确了路线方针。在分析当前黄河流域水利监管工作应注意的问题基础上,指出应加强黄河流域水旱灾害防御、水资源管理、河湖管理,以及水土保持和水利工程等重点领域的监管改革。在新发展格局下,黄河流域水利监管工作应与时俱进、完善运行机制、创新方式方法,以"十四五"时期黄河流域生态保护和高质量发展的要求为改革方向,探索水利监管新体系。     

一种改进的地理交通信息热图可视化方法

为了解决图可视化中的边混乱问题,并展现与地理信息相关的数据信息,在基于地理交通信息的边绑定算法基础上,利用热图展现交通路径的数据信息,通过热度值与颜色之间的映射展现路径上人口迁徙频繁程度;为解决热图可视化过程中计算速度问题,利用四叉树结构对地域进行划分,并将热点按照影响域与地域挂接,加快热度值计算速度。实验结果证明,引入热图的基于地理交通信息边绑定算法在有效降低图的混乱度基础上,实现了热度强度的直观展现;四叉树结构引用,大幅度降低了运算时间,最大加速比约为7.6,取得了良好的运算效果。     

发展农村新能源助推新农村建设

新农村建设中,新能源开发不断前进。以新能源开发为基础,通过对农村新能源发展与新农村建设重要意义探索与新能源发展现状与问题剖析,总结行之有效的优化措施,带动新能源发展,实现新能源建设。     

Klein-Gordon方程的新行波解

利用一种基于符号计算的代数方法,结合Maple环境中的Epsflon软件包,求解Klein—Gordon方程,获得了若干其它方法不曾给出的形式更为丰富的新的显式行波解,其中包括孤波解、三角函数解、Jacobi椭圆函数周期解和Weierstrass~圆函数周期解．本文用F一展开法求得Klein—Gordon方程的新周期波解和孤波解．     

大型压气站工艺管道清洁保洁技术

酒泉压气站压缩机区工艺管道管材繁杂、管径众多,其清洁和保洁质量对意大利压缩机系统油冲洗和压气站整体施工质量、工期至关重要.中国石油天然气管道局第二工程分公司在管道安装全程中采取多种细致严格的防尘、清理杂物、消除焊渣等管道清洁技术,创造了国内同类大型压气站施工质量最优和工期最短的记录.文章介绍了大型压气站工艺管道清洁保洁工作的具体做法.     

基于改进YOLOv5的轻量级铁水罐号车号检测算法

为解决车号罐号识别中因环境恶劣、字符较小导致的准确率偏低且实时性较差等问题,提出一种基于改进YOLOv5的轻量级检测方法.首先通过二阶段检测并增加小目标检测层,进一步采用大尺寸图像输入和数据均衡方法,提升模型检测效果;其次在骨干网络的最后一层引入CA坐标注意力,并制作掩码实现感兴趣区域检测,提升复杂场景下的车号字符检测精度.最后,通过采用GhostNet模块替换骨干网络模块,使模型进一步轻量化.实验结果表明：YOLO-MGCA模型,相较于基线模型map提高了1.4%,模型精度增加了3%,模型参数量减少了40%.