装备采购合同纠纷仲裁制度的构建分析

习主席强调"法治是治国理政的基本方式",并从实现强军梦的战略高度,鲜明提出"依法治军、从严治军是强军之基"。仲裁作为国家一项重要的民事纠纷解决法律制度,近年来,将仲裁制度引入装备采购合同纠纷解决机制中受到广泛重视。文章在分析装备采购合同纠纷引入仲裁制度适用性的基础上,着重研究仲裁制度在处理其纠纷的重要优势,并针对我国装备采购合同纠纷仲裁制度建设过程中出现的现实问题,提出相应的实现方式。期望以此推动我国武器装备建设沿着法治化轨道又好又快地发展。     

边防警官工作满意度问卷编制及分析

探索性因素分析结果表明,基层边防警官工作满意度问卷包含10个维度,分别是:内部公平、工作认同、权益保障、晋升与发展、工资福利、同事关系、环境与资源、学习与培训、领导与管理和工作本身。最后确定的问卷由41个题项构成,总问卷α系数达到0.9187,总问卷与效标题相关显著,相关系数为0.618。说明本问卷具有较好的信度和效度,可以作为测量基层边防警官工作满意度的依据。     

GPS接收机抗干扰技术研究

GPS能在全球范围内提供精确的位置、速度和时间信息,在军事和民用领域发挥着极其重要的作用。本文在分析GPS接收机干扰技术的基础上,对各种GPS接收机的抗干扰技术进行了介绍和比较,并对未来GPS接收机抗干扰技术的发展趋势进行了简述。     

基于层次分析法的化工企业火灾风险评估研究

化工企业火灾风险评估对于化工生产至关重要。针对化工行业的火灾风险,结合层次分析法和模糊识别模式的优点,提出了基于层次分析—模糊识别的综合评价方法,并通过实例评估证明了这种评价方法行之有效。     

考虑质心流动与偏移的通用弹道仿真模型

引入了质心坐标系的概念,对弹体坐标系的定义作了适当修正,给出了考虑质心流动与偏移的通用弹道仿真模型及相应的转动惯量与惯性积的计算公式     

一种基于本体的功能建模表示方法

通过分析典型的功能模型并提取具有共性的公共概念和关系,结合本体建模技术,提出了一种基于本体的功能建模方法,以解决异种功能建模框架之间知识交换与协同设计问题.该方法将功能建模过程自顶向下分解成功能、行为、流与结构4个本体类,定义分析了相关属性,并建立了概念映射关系模型,有利于构造领域功能设计本体库.最后,利用该方法构建了离心通风机的功能建模本体库.     

具阻尼广义Korteweg-de Vries方程的迭代学习控制

研究了一类具阻尼广义Korteweg-de Vries(KdV)方程的迭代学习控制问题,利用半群理论导出系统状态的表达式及先验估计。若迭代过程中初值允许存在一定偏差,结合P型迭代学习控制算法,证明了跟踪误差在Banach空间■中收敛,并且给出了数值实例。     

民汉大学生自主性学习对比研究——以新疆财经大学民汉学生为例

自主学习是大学生除课堂学习之外最主要的学习形式,也是提高大学生自身素质的重要手段。新疆是多民族聚居地区,民汉大学生学习融合成为新疆教育的一大特色。在学习融合的过程中,民汉学生的自主性学习是否存在差异,成为关注的内容。本文通过调查问卷的形式,对民汉大学生的自主性学习的现状与影响因素进行了对比研究,发现民汉大学生自主学习差异不大,根据问卷调查的情况,提出了加强民汉大学生自主学习的建议。     

Multi-scale traffic vehicle detection based on faster R-CNN with NAS optimization and feature enrichment

It well known that vehicle detection is an important component of the field of object detection. However, the environment of vehicle detection is particularly sophisticated in practical processes. It is compara-tively difficult to detect vehicles of various scales in traffic scene images, because the vehicles partially obscured by green belts, roadblocks or other vehicles, as well as influence of some low illumination weather. In this paper, we present a model based on Faster R-CNN with NAS optimization and feature enrichment to realize the effective detection of multi-scale vehicle targets in traffic scenes. First, we proposed a Retinex-based image adaptive correction algorithm (RIAC) to enhance the traffic images in the dataset to reduce the influence of shadow and illumination, and improve the image quality. Second, in order to improve the feature expression of the backbone network, we conducted Neural Architecture Search (NAS) on the backbone network used for feature extraction of Faster R-CNN to generate the optimal cross-layer connection to extract multi-layer features more effectively. Third, we used the object Feature Enrichment that combines the multi-layer feature information and the context information of the last layer after cross-layer connection to enrich the information of vehicle targets, and improve the robustness of the model for challenging targets such as small scale and severe occlusion. In the imple-mentation of the model, K-means clustering algorithm was used to select the suitable anchor size for our dataset to improve the convergence speed of the model. Our model has been trained and tested on the UN-DETRAC dataset, and the obtained results indicate that our method has art-of-state detection performance.