Semi-supervised gear fault diagnosis using raw vibration signal based on deep learning

In aerospace industry, gears are the most common parts of a mechanical transmission system. Gear pitting faults could cause the transmission system to crash and give rise to safety disaster. It is always a challenging problem to diagnose the gear pitting condition directly through the raw signal of vibration. In this paper, a novel method named augmented deep sparse autoencoder (ADSAE) is proposed. The method can be used to diagnose the gear pitting fault with relatively few raw vibration signal data. This method is mainly based on the theory of pitting fault diagnosis and creatively combines with both data augmentation ideology and the deep sparse autoencoder algorithm for the fault diagnosis of gear wear. The effectiveness of the proposed method is validated by experiments of six types of gear pitting conditions. The results show that the ADSAE method can effectively increase the network generalization ability and robustness with very high accuracy. This method can effectively diagnose different gear pitting conditions and show the obvious trend according to the severity of gear wear faults. The results obtained by the ADSAE method proposed in this paper are compared with those obtained by other common deep learning methods. This paper provides an important insight into the field of gear fault diagnosis based on deep learning and has a potential practical application value.     

基于梯度提升决策树的量子科学实验卫星光学实验预测

量子科学实验卫星在轨运行期间完成4种光学实验，地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值，并且这些阈值需要根据在轨卫星重新设定，可扩展性较差.针对以上问题，提出一种基于机器学习的光学实验判别方法，将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题，构建分类模型，利用量子科学实验卫星的真实历史遥测数据对模型进行训练，并通过真实实验计划对训练得到的模型进行验证.实验结果表明，本文提出的方法在没有专家先验知识的前提下，判别准确率达到99%，可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性，可应用于卫星在轨运行的其他监测任务.      

河北省高校农村生源学生思想现状调查研究

河北省农村人口占总人口的79％，是一个比较典型的农业大省。农村生源大学生，是河北省在校大学生的重要组成部分，占生源的最大比例。大学生是宝贵的人才资源，他们的素质尤其是思想政治素质如何，他们能否成为社会主义事业的合格建设者和可靠接班人，是一个非常重要的问题。因而，科学分析和把握他们的思想政治状况，将会增强我们把握大学生思想脉搏的准确性和说服力。为此笔者选取了河北省八个地市的不同高校，进行了问卷调查、座谈和访谈。对河北省农村生源大学生的思想现状进行了调查。通过统计软件的录入和整理，统计结果比较真实地显示了当前河北省农村生源大学生的思想现状。     

推进我国企业债券利率市场化的措施

企业债券利率市场化是我国利率市场化改革的重要组成部分。目前,我国已经基本具备了企业债券利率市场化的条件,宏观经济环境稳定,微观经济主体日趋理性,国债和金融债券发行利率市场化也为下一步实现企业债券发行利率市场化提供了宝贵的经验。鉴于此,可以根据企业债券融资发展的不同阶段,采取相应措施加快我国企业债券利率市场化的步伐,主要包括:取消发债企业的所有制限制、培育企业债券流通市场、逐步取消发债规模限制、放宽发行利率的浮动幅度、健全企业债券风险监管制度、规范企业债券信用评级。     

HML系统在商店偏好决策模型中的应用研究

对混合式机器学习系统（HML）进行了全面系统的介绍，并将其运用于服装消费商店偏好决策行为的研究中。采用上海统计局家庭调查网络，对300户家庭进行抽样分析后发现，服装消费商店偏好的主要影响因素是地区、季节、丈夫和妻子的学历、职业以及子女性别。在此基础上，将HML分析所得的结论与传统的研究方法和结果进行了系统比较：从方法上来看，因为属性变量包含间断变量和连续变量两种，因此传统统计分析要运用两种不同的检测方法对影响因素的相关性作出判断，结果需要经过统计学分析，才能得到结论；而HML分析结果比较直观和简单，便于理解。     

以培养适用型人才为宗旨建立新型的校外学习中心管理体系

校外学习中心是远程教学和远程学习的活动基地。校外学习中心必须能适应市场经济形势需求,以培养适用型人才为宗旨,不断完善自身机制,实行规范化管理,不断提高教学管理工作水平,建立起新型的管理体系。     

基于Convexity模型的航空公司利率风险管理

国际性特征日趋明显的中国航空公司正面临着金融市场上的诸多不确定性,其中利率风险日益凸显.将Convexity模型这一在西方发达国家较为成熟的风险管理工具引入中国,并将其应用到中国航空公司的风险管理实践,对利率风险进行了极为精确的量化评估,最后给出了相应的规避方法.     

存贷款利率变化对通货膨胀的影响

面对我国近几年出现的温和通货膨胀,提高存贷款利率可以说是一种解决这一问题的有效方法,为此选取了1990年至2004年的数据,对存贷款利率与通货膨胀的关系、存贷款利率与狭义货币和固定资产投资的关系,以及狭义货币和固定资产投资与通货膨胀的关系进行了实证分析。得出,存贷款利率的提高确实可以缓解通货膨胀的压力,但是调整幅度不宜过大。     

IS-LM曲线在我国货币政策中介目标选择中的运用

根据IS—LM模型中的中介目标选择理论，并通过对我国IS—LM曲线的分析，指出在我国现阶段的货币需求函数由于受到货币乘数、货币流通速度、外汇占款等因素波动的影响而变得很不稳定，因此货币供应量在目前已不适于作为当前的货币政策中介目标。在现阶段我国利率还没有完全市场化的条件下，货币政策中介目标的选择中应选择包括货币供应量在内的简单泰勒规则，使利率成为货币政策中介目标中的关键变量。要做到这一点，必须加大利率市场化改革的力度，完善经济主体的微观基础，充分发挥市场的作用。