论信息产业就业总量的核算方法

21世纪是知识经济的时代，知识经济最活跃的生产部门是那些广泛应用高新技术的新兴产业，信息产业是首当其冲的一个。信息产业的竞争追本溯源是知识与技术的竞争，也就是人才的竞争。因而人力资本核算在信息产业核算研究中有着重要的理论和现实意义，本文在说明有关统计指标的基础上，就信息产业的就业总量中纯信息部门就业总量核算、混合信息部门就业总量核算以及整个信息部门就业核算这几个方面进行了核算方法的研究。     

马克思论国际价值--《资本论》思想研究之四

马克思在《资本论》中提出了国际价值概念，这具有重要的学术研究意义。国际价值在马克思的阐述中是与国民劳动的强度和生产率相连的，是建立在劳动价值论基础上的。世界劳动表现的国际价值，更明确地揭示表面上有区别的各个国家的劳动的内在的统一性。国际价值的存在并不改变价值规律适用范围的普遍性。     

材料特性对热障涂层合理压入深度的影响

基于有限元计算方法和量纲分析原理提出了热障涂层合理压入深度的确定方法,并研究了涂层及基体材料特性对合理压入深度的影响.首先,根据量纲分析原理提出了合理压入深度的无量纲表达式;其次基于锥形压头识别理想弹塑性材料的材料特性的方法,提出合理压入深度的确定方法;最后研究了各无量纲因素对合理压入深度的影响.研究发现基体的弹性模量对合理压入深度的影响最大,粘结层材料特性的影响较大,热氧化生成层的材料特性及基体的屈服极限对合理压入深度的影响不大.     

铁酸铋/GO复合燃速调节剂在丁羟推进剂中的应用

采用水热法制备了BiFeO3、BiFeO3/GO、钾离子掺杂BiFeO3/GO及铈离子掺杂BiFeO3/GO四种复合材料,研究了材料结构、形貌及其对HMX热分解的催化作用,结果发现铈离子掺杂能够有效降低掺杂铁酸铋的粒径分布,铈离子掺杂的BiFeO3/GO对HMX的热分解表现出很好的催化作用,使之热分解起始温度从281℃...     

循环电载荷下大功率LED金引线疲劳断裂寿命预测

随着大功率发光二极管（LED）在照明领域的普及与广泛应用,可靠性逐渐成为研究的重点。大功率LED封装器件中金引线疲劳断裂失效一直是制约其可靠性的重要因素。通过针对大功率LED封装器件中的金引线力学仿真与功率循环试验相结合的方法,首先确定循环电载荷条件下该型LED的主要失效原因为金引线疲劳断裂,其次提出基于电流加速模型的加速因子提取方法和基于应变幅值的Coffin-Manson解析寿命预测方法,最终完成对LED金引线疲劳断裂寿命的预测和试验验证。研究结果表明:所提方法具有较高的寿命预测精度,可以满足大功率LED封装器件可靠性快速、准确评估的要求。      

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时，针对由红外图片采集的局限性而造成的训练数据不足的问题，提出了基于生成对抗网络以生成红外图像的方法，实现了数据集的扩充。对基本的生成对抗网络进行了改进，将网络的输入由随机噪声变为真实图片，使之实现了图片到图片的风格转换，即彩色图片转变为红外图片。经过网络模型的搭建和训练，实验结果表明，该方法能够有效生成清晰和高质量的红外图片，解决了由红外数据不足而造成的网络训练不充分的问题。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征；其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力；最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。     

基于改进的卷积神经网络的步态识别

为了提高惯性传感器采集到的序列数据中步态识别的准确率,建立了一个激励层改进的卷积神经网络(CNN)模型。针对三轴加速度传感器对运动太过敏感导致步态周期划分不准确的问题,采用加速度传感器与弯曲度传感器组合获取人体运动信息。将CNN模型中激励层的线性整流函数(ReLU)改进为带泄露线性整流函数(Leaky ReLU),以解决遇到卷积输出数据小于0时神经元被抑制的问题,进而达到提高步态识别准确率的目的。实验结果表明激励层优化的CNN模型在行走、上下楼和上下坡五种步态模式下识别率达到了95.79%,与未采用弯曲度传感器的改进CNN模型和未进行激励层改进的CNN模型相比,步态识别率有所提高。     

非紧致气动噪声半空间传播基本解的边界积分方法

为了获得低马赫数流动诱发的非紧致气动噪声在半空间内传播的基本解,结合复等效源方法和边界元方法建立了半空间精确格林函数的边界积分方程,当半空间边界为刚度型阻抗边界时可避免奇异性积分。同时基于等效源方法提出一种半空间二维非紧致圆柱声散射模型,推导了静止介质中声散射基本解的理论表达式。对静止介质中的二维圆柱声散射,数值解在研究的频率与观察点处与理论解一致。采用数值方法计算二维圆柱绕流诱发的半空间声场基本解,结果显示半空间边界强化了声源的声辐射能力,小于马赫数0.2的介质运动对声传播的影响可以忽略。