日本企业的改善文化与改善成本计算

介绍了日本企业的改善文化,阐述了改善成本计算的概念,并通过Daihatsu汽车公司的实践说明了改善成本计算的具体做法;比较了改善成本计算与标准成本计算的不同,指出改善成本计算在成本管理上充分体现了日本企业改善文化所追求的那种持续改进的精神,它比标准成本计算更加积极有效,是值得我国企业学习和借鉴的成本管理方法。     

基于在线地图交通状态的关键道路动态识别方法

交通拥堵问题日趋严重,关键道路识别成为了交通领域的研究重点. 以在线地图的交通状态数据为基础,利用时空相关性理论计算道路交通状态的预测值和波动影响值,并通过Moran 散点图划分道路类型,提出了基于在线地图交通状态的关键道路动态识别方法. 首先,调用在线地图开发者平台API 采集路网的交通状态数据,利用集成学习动态预测交通状态;其次,分析交通状态波动的传播结构,以此量化道路对其近邻道路的影响值;然后,结合道路交通状态的预测值和波动影响值划分道路类型,进而识别出关键道路;最后,以实际路网为例,论证方法可行性.     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.     

多模式公交网络中考虑定制公交的活动与出行建模

近年来,由于一些新型交通服务的出现与迅速发展,多模式公交网络包含了更多的交通模式.定制公交作为一种创新的公共交通服务,在中国许多城市引起了人们的广泛关注. 针对包含定制公交的多模式公交网络,本文提出了基于活动的模型以模拟出行者的活动与出行行为.本模型探究了由于定制公交的出现,人们在多模式公交网络中的行为决策变化,并采用了超级网络以同时模拟用户的活动与出行行为.为研究定制公交的容量约束与预约机制,在模型中有效模拟了用户的逐日学习与调整过程.本文通过实例验证了所提出模型的有效性,结果显示,定制公交的运营显著影响了出行者的活动与出行行为.     

高职外语教学中培养学生外语学习兴趣的途径

外语学习兴趣是学生外语学习自觉性和积极性的核心因素。笔者根据自己几年的教学实践经验,阐述了高职外语教学中培养学生外语学习兴趣的几条途径。     

大学生素质教育的实践与探索

本文探讨素质教育的内涵,重点分析阐述了大学生素质教育实践过程中应注意和解决的几个重要问题。     

远程教育网络课程Web技术开发研究

论述了远程教育过程中网络课程的开发技术和方法,对开发基于Web的应用程序的关键技术,即ASP技术、ADO技术、VBScript和JavaScript脚本语言进行了研究,并给出了一个网上考试的具体实例。     

履带式车辆发动机故障诊断专家系统的设计

介绍了在Delphi5开发平台下的某型自行火炮发动机故障诊断专家系统的总体结构、设计思路及实现方法。详细阐述了各模块的功能,以及知识的表示方法和推理策略,具有较高的实用性。     

基于神经网络的复合避碰专家系统研究

此文在对神经网络避碰决策和专家系统避碰决策的优缺点进行分析、研究的基础上,基于神经网络规则抽取技术,提出了“基于神经网络的复合避碰专家系统”,将神经网络的自适应学习能力和避碰专家系统的解释说明能力集成在一个统一的体系结构中,不仅解决了避碰专家系统构建过程中的知识获取“瓶颈”问题,而且还解决了神经网络避碰决策过程的“黑箱”现象,提高了系统决策结果的可信度。     

基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清,背景复杂多变,难以捕获到有效特征,导致算法识别误报率和漏报率较高;此外,深度卷积神经网络结构复杂,参数繁多,难以缩短其计算时间至1 ms内,这成为实时火灾预警的一大难题. 为了解决上述问题,提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配;同时,为了避免由于训练样本不足引起的过拟合,原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本,并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%,且计算时间减少到0.26 ms.