基于BP网络的管道自适应有源消声研究

由于管道有源消声系统的参数时变性和本质非线性,基于传统自适应算法的控制系统稳定性不够,容易产生振荡.文章采用神经网络BP算法,利用Matlab6.0建立了管道有源消声的仿真控制系统.通过与采用传统自适应算法的控制系统进行仿真研究对比,证明采用神经网络BP算法的控制系统消声效果更加明显.     

用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中,直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题,提出了一种修正极坐标系下的自适应卡尔曼滤波算法,对虚拟系统噪声进行估计,动态补偿模型线性化误差,对其滤波理论及算法进行了研究和仿真。仿真结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

基于神经网络的弹药消耗预测

针对弹药消耗预测问题,运用一种改进的BP神经网络预测方法。预测时对样本数据进行了预处理,并在时序训练样本中引入了遗忘因子,以提高当前预测的精度,以及在权值调整过程中,引入"惯性项",以改善学习收敛过程。     

论武警法是独立的部门法

武警法究竞是否独立的部门法,是由来已久且必须回答的重要命题。《中华人民共和国人民武装警察法》的颁布为武警法的独立性提供了实证。武警法与相关法律部门,如军事法、行政法、警察法有本质的区别。武警法是我国法律体系中具有独立地位的部门法。     

试论道德教育对提升文化软实力的价值

科学价值观的缺位,对文化软实力造成了现实冲击。道德教育可以从以下三个方面发展和提升文化软实力：端正文化软实力的价值取向,使它坚持为人民服务、为中国特色社会主义服务、为人类可持续发展服务;传播意识形态、繁荣科学技术、落实典章制度、纯净民情风俗及对各部分间关系的调节,优化文化软实力的价值结构;增强道德责任感、培养社会公德意识和扩大道德行为,促进文化软实力的价值实现。     

基于改进SUSAN算法的红外目标边缘检测

从3个方面改进了传统的SUSAN算法:①自适应选取阈值,以提高算法自动化程度:②使用双几何阈值,增强算法的抗噪性;③加入目标点判断因子,减少计算时间.利用改进的算法进行了红外目标边缘检测,结果表明,改进算法比传统的SUSAN算法有更强的噪声抑制能力,更快的边缘检测速度,显示出更加优良的性能.对对比度比较低的红外图像,改进算法可以减少40%以上的计算时间,而对对比度较高的红外图像,改进算法可以减少70%以上的计算时间.     

论生态马克思主义的问题转换

生态马克思主义的理论在借鉴现代生态学和马克思主义方法的基础上对资本经济发展引发的生态环境危机进行了尖锐的批判,并提出了诸多有价值的补救措施,在世界范围内产生了广泛的影响。但囿于种种原因,生态马克思主义在我国学界所引起的反应并不一致,但其研究中的理论来源、价值转换、视野拓展和对中国启示等问题存有重大思考空间。     

检测探头提离效应对管道漏磁检测影响分析

在管道漏磁检测中,检测探头的提离效应对管道缺陷漏磁检测性能影响较大.在对漏磁检测探头提离效应影响因素分析的基础上,分析了管道漏磁检测探头提离效应影响特性;通过建立的模拟漏磁检测探头提离效应影响分析的实验装置系统,提取了传感器、磁化器在不同提离情况下的检测信号.根据实测数据,研究了漏磁检测过程中提离值对漏磁信号的影响趋势...     

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.     

装备科研招标项目的价值工程评标模型

应用价值工程分析方法系统研究装备科研招标项目的评标问题,提出了功能指标体系,建立了功能评价系数、成本评价系数和价值评价系数模型,并举例介绍了此评标方法的实现过程。