声音

厉以宁(著名经济学家,中国经济学界泰斗):通货膨胀分两类,一类叫做需求拉动的通货膨张,一类叫成本推进的通货膨胀。在上世纪90年代我们遇到的通货膨胀,当时主要是需求拉动的通货膨胀。进入21世纪以后性质变了,更多的是成本推进的通货膨胀。所以要技术创新,现在2008年以后全世界都认识到了要治理通货膨胀,不能采取提高利率的办法,而是鼓励技术创新的办法,一定要把结构调整和技术创新放到重要位置。刘世锦(国务院发展研究中心副主任):从近期经济增长压力加大看,我国经济中     

逼迫营销:“逼”出一片新天地

<正>鲁南景逸的逼迫营销告诉我们,等和靠是没有出路的,只有逼着自己改变——改变安稳、安逸的"小日子",才能闯出一片新天地!2014年的印刷包装行业,几多欢乐几多愁,有的企业业绩节节攀升,有的企业则日益萧条。总结过去的一年,鲁南景逸印刷包装有限公司充满着喜气洋洋的气氛,2014年的销售业绩非但没有下滑,反而逐月递增,全年销售收入突破1.26亿元,创下公司创办以来的历史新高。鲁南景逸能获得如此骄人业绩,不仅是全公司上下共同努力的结果,更重要的是得益于总经理刘思明的逼迫营销。     

共享交通的时空轨迹检索与群体发现

为解决共享交通下的共乘用户群体发现效率低、准确率不高问题，依据R-树原理建立GeoOD-Tree索引，并在此基础上提出以最大化共乘率为目标的群体发现策略。首先，对原始时空轨迹数据进行特征提取与标定处理，挖掘有效出行起讫点（OD）轨迹；其次，针对用户起讫点轨迹的特征，建立GeoOD-Tree索引进行有效的存储管理；最后，给出以最大化共乘行程为目标的群体发现模型，并运用K最近邻（KNN）查询对搜索空间剪枝压缩，提高群体发现效率。采用西安市近12000辆出租车营运轨迹数据，选取动态时间规整（DTW）等典型算法与所提算法在查询效率与准确率上进行性能对比分析。与DTW算法相比，所提算法的准确率提高了10.12%，查询效率提高了约15倍。实验结果表明提出的群体发现策略能有效提高共乘用户群体发现的准确率和效率，可有效提升共乘出行方式的出行率。     

大井眼天然气水平井入窗轨迹控制技术

榆37-2H井是长庆油田储气库项目组为进行注采试验部署的第一口大井眼天然气水平井.该井大井眼定向造斜、轨迹控制入窗难,通过井身结构优化,井眼轨迹优化,顺利完成了钻探开发任务和311.2 mm大井眼入窗,为今后同井型大井眼天然气水平井钻井施工提供了有益的借鉴.     

机翼结冰过程中过冷水滴运动轨迹的数值研究

为了掌握机翼不同形态下的过冷水滴运动轨迹,采用有限体积法求解欧拉方程,计算出翼型的外部流场参数,然后采用拉格朗日法、标准四步龙格-库塔格式计算模拟过冷水滴在流场中的运动轨迹.主要计算了NACA0012翼型的外部流场特性,分析在速度、温度、投放位置、推进时间间隔等因素不变的情况下,来流攻角和水滴直径对水滴轨迹的影响.结果表明,来流攻角不同,过冷水滴于上下翼面的撞击区明显不同;过冷水滴的直径越大,其在翼面的分布范围越广.     

矩量法-物理光学混合算法计算多尺度复合目标电磁散射场

基于电流的矩量法（method of moments，MoM）和物理光学法（physical optics，PO）的混合算法是目前求解电中尺度和多尺度目标电磁散射和辐射的主要方法，在计算MoM区和PO区的耦合作用时需要对PO区域进行亮区判断.传统纯CPU亮区判断方法时间复杂度为O（N2），时间消耗随着面片数量N增加而急剧增大.文中通过GPU渲染功能及对深度缓冲区（zbuffer）的利用，对PO亮区判断过程进行加速，亮区消耗时间与面片数量无直接联系，在面片数量达到105数量级以上加速优势明显.将加速的MoM-PO混合方法应用于复杂目标与粗糙面的组合情况，对比多层快速多级子（multi level fastmultipole method，MLFMA）方法，相比于纯PO方法，获得较高的精度.相比于单一算法，混合算法有明显优势.     

面向牙刷操作的Delta机器人设计与轨迹规划研究

结合牙刷自动化生产的需求,研究面向牙刷高速拾放操作的Delta机器人。简化Delta机器人的结构模型,研究机器人正运动学和逆运动学求解方法。分析牙刷上料的工作流程,确定机器人结构参数,设计机器人本体结构以及末端执行器。采用弧线过渡的门字形轨迹,基于3-4-5次多项式运动规律对机器人进行轨迹规划,利用ADAMS软件进行动力学仿真。结果表明,机器人末端的速度、加速度曲线连续,主动臂驱动力矩曲线连续无突变,满足牙刷生产中高速拾放操作的性能要求。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。