努力争当知识型开拓型有为型自律型领导型干部

在新的历史起点上,我们的干部要努力争当学习力强、知识面广、业务上精的知识型干部;争当视野开阔、勇于创新、充满激情的开拓型干部;争当心无旁骛想干事、素质过硬能干事、不辱使命干成事的有为型干部;争当善于律心、心理不失衡,长于律言、言语不失规,严于律行、行为不失范的自律型干部;争当能说会道、让人信服,公道正派、让人诚服,硕果...     

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.     

战争观念的语源原型

本文从汉字语源出发,根据荣格心理学的原型观念,通过汉字“战”的语源分析,探寻蕴含在汉字深处(因而也是汉文化底层)的战争观念。文字学认为,“战”()字中单为声符,戈为形符,而作为声符的单系“战”字的隐义,亦即“战”的战争原型。古文字研究表明“单”为鳄类爬行动物,象征着人性中凶猛残暴的兽性;而脑科学研究表明,大脑深处的主管攻击、暴力的部分正是原始脑的“爬虫复合体”(鳄类)。这些研究成果与无意识心理学中的阴影原型(人性中的兽性)不谋而合。因此通过文字学与心理学我们找到了战争冲动的原始意象,也从中发现了相应的化解方法。     

降低执政成本提高执政成效

降低执政成本,提高执政成效,是执政党追求的永恒目标,也是执政过程中始终面临的重大课题。从政治意义上看,执政成效关系到党的兴衰成败、生死存亡;从经济意义上看,执政成效是执政党保持执政合法性的重要条件。降低执政成本、提高执政成效是一个系统工程,要提高执政的成本效益意识;建立一支高素质的领导干部队伍;精兵简政,降低政府行政成本;加强制度建设。     

不断增强旅团党委依法从严治军的本领

从严治军是军队建设的铁律。旅团党委是部队建设的“一线指挥部”,应当树立依法指导和开展工作的法制观念,严格职责管理权限,突出作风纪律建设这个重点,把提高部队战斗力作为根本标准,不断增强依法从严治军、加强部队正规化建设的本领。     

栅格数据处理中邻域型算法的并行优化方法

随着并行计算的成熟,众多数据密集型的栅格处理算法亟需利用并行计算来缩减执行时间.针对其中一类邻域型算法,构建了用于估计是时间代价的串行/并行时域模型,分析了各个组成的代价影响因素,提出了降低数据I/O代价的并行I/O方法和降低数据通信代价的光圈预测方法.实验证明,所提的两个优化方法可以使邻域型栅格处理算法的并行程序更加充分地利用并行计算资源,进而在一般并行化的基础上进一步提升其并行性能.     

基于仿真的潜艇装备作战能力ANP幂指数评估方法

针对潜艇装备作战能力幂指数评估模型中评估指标之间存在相互依赖或影响关系,以及评估过程主观性较强的情况,建立了基于仿真的潜艇装备作战能力ANP幂指数评估流程;以潜艇反舰作战能力评估为例,给出了网络化评估指标体系设计与优化方法;基于专家和仿真数据的ANP超矩阵构建方法以及基于指标权重的幂指数评估模型构建方法,建立了基于仿真...     

服装静电性能试验研究与理论分析

通过对4大类9种服装在实际穿用状态的静电性能进行试验研究和理论分析,揭示了服装抗静电的机理,提出了测试织物静电性能应注意的问题以及改善织物静电性能所采取的方法。     

一种计算涡轮增压柴油机高原性能的方法

提出了一种计算涡轮增压柴油机高原性能的方法.这种方法不涉及复杂的数值模拟计算,可以在较宽广的环境压力和环境温度范围预测涡轮增压柴油机的性能,具有较高的计算精度.对两台车用涡轮增压柴油机进行了实例计算,并与试验结果进行了对比.分析了海拔高度变化和温度变化引起的涡轮增压器和发动机性能的变化趋势.     

用于超角分辨的 Hopfield 神经网络方法

Hopfield神经网络用于方位估计可获得高的精度和超分辨力。本文综述有关研究,描述该网络模型及用其于信号处理的一般步骤,用于方位估计的具体形式,讨论提高精度及分辨力的一些措施,指出进一步研究的方向。