基于核心能力的增长型战略机制的构建

增长型战略的实施是企业发展过程中必不可少的环节,也是对企业创新能力的严峻考验.基于增长型战略型的重要性及特征,必须以核心能力为基础来构建其机制.具体表现在实行以核心能力为基础的关联多元化,建立基于核心能力的隔绝机制,在产业链的某一点横向扩张,培育基于技术轨道和技术平台的创新集群.     

S波自旋单态底夸克偶素衰变到粲夸克对

对S波自旋单态底夸克偶素衰变到粲夸克对进行了研究,同时还研究了S波自旋单态和自旋三重态底夸克偶素衰变到D介子对。利用BaBar实验组测量得到的自旋三重态底夸克偶素衰变到D介子分支比的数据,发现自旋三重态底夸克偶素的色八重态矩阵元远小于理论预言,理论预言要比实验上限大20倍以上;得到S波自旋单态底夸克偶素衰变到粲夸克对的分支比的理论预言,可以进行实验测量从而研究色八重态矩阵元;得到S波自旋单态底夸克偶素衰变到D介子对的分支比的理论预言,与其他理论预言差异较大。这些预言可以通过BelleⅡ的实验进行验证,从而得到更多强子化的信息。      

基于民航局PEPEC考核机制的航空英语教学创新研究

为提高中国民用航空飞行人员的综合英语水平,中国民用航空局(CAAC)开发研制了基于网络的PEPEC考试系统(中国民航飞行人员英语能力测试系统,即Pilot English Proficiency Examination of China)。以PEPEC考试为切入点,深入解读PEPEC考试对航空英语的反拨效应,不仅能有效提高航空英语教学的时效性,也将积极推动应用型飞行人才的培养。     

企业知识生态系统内生与外生协同机制研究

通过对企业知识生态系统协同机制的研究,设计知识生态系统内生和外生协同机制.内生协同机制包括企业知识生态系统战略协同机制、内部环境协同机制、领导协同机制、知识主体协同机制、激励协同机制的设计.外生协同机制包括外部环境协同机制设计、行业发展协同机制设计、技术协同机制设计,从而保障企业知识生态系统正常运行.     

C/SiC复合材料喷嘴冲蚀磨损性能及其机理研究

为验证C/SiC复合材料喷嘴在液-固两相流实际环境中的应用可行性,采用化学气相沉积工艺和先驱体浸渍-裂解工艺制备了C/SiC复合材料喷嘴的,并充分结合工程化应用背景需求,对C/SiC复合材料喷嘴在实际应用环境中进行长寿命考核。基于C/SiC复合材料喷嘴在实际应用考核过程中表现出的冲蚀磨损特征,采用SEM手段分析了C/SiC复合材料喷嘴不同位置在液-固两相流中微观结构演变特点,并对其冲蚀磨损机理进行探讨。结果表明:C/Si C复合材料喷嘴从试验件入口段到出口段表现出逐渐加剧的冲蚀磨损程度,冲蚀磨损方式主要由冲蚀凹坑和热应力"崩块"组成,而"偏磨"现象产生的主要原因为C/SiC复合材料各向异性和液-固两相流的不均匀性所致。     

解读PEPEC最新题型

本文旨在解读PEPEC的最新题型短句复诵。全文介绍了该题的题型设定和评分机制,分析了《中国民航飞行员英语考试900句》各章节的难度系数。希望对参加PEPEC的考生及从事PEPEC培训的教员提供一定参考。     

机载系统NANDFlash存储技术

为了发挥NANDFlash在机载环境中非易失性、体积小、固态性、重量轻、低功耗、抗震动等特点,介绍了NANDFlash的存储特性,对NANDFlash存储的关键技术进行了改进,提出了基于域机制的地址映射方式和基于阈值的损耗均衡方法,为机载系统能够更加可靠、实时和安全地进行数据存储提供了选择。     

基于空间注意力机制的行人再识别方法

行人再识别是图像检索领域的一个重要部分，但是由于行人姿态各异、背景复杂等因素，导致提取到的行人特征鲁棒性和代表性不强，进而影响行人再识别的精度。在AlignedReID++算法基础上，提出了基于空间注意力机制的行人特征提取方法，应用在行人再识别中取得了很好的效果。首先，在特征提取部分，引入空间注意力机制来增强特征表达，同时抑制可能的噪声；其次，通过在卷积层中引入实例正则化层（IN）来辅助批正则化层（BN）对特征进行归一化处理，解决单一BN层对特征色调变化以及光照变化的不敏感性，提高特征提取对亮度、色调变化的鲁棒性；最后，在Market1501、DukeMTMC和CUHK03 3个行人再识别通用数据集上对所提改进模型进行测试评价。实验结果显示:改进后的模型在3个数据集上识别精度分别提升了2%、2.9%和5.1%，表明改进后的模型相较于改进前的模型，在精度以及鲁棒性上都有显著提高。      

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。