-
题名全国人大代表徐征:加快推动建筑产业数字化转型升级
被引量:1
- 1
-
-
作者
冯路佳
-
机构
不详
-
出处
《粉煤灰综合利用》
CAS
2022年第2期9-9,共1页
-
文摘
加快传统产业数字化转型升级和数字赋能,是深化供给侧结构性改革的重要抓手,是传统产业实现质量提升、效率提高、动力增强的重要途径,越来越成为经济社会发展的核心驱动力。全国人大代表、上海建工集团股份有限公司党委书记、董事长徐征表示,“体量巨大、蓬勃发展的中国建筑业,有着庞大和丰富的数字化应用前景,数字化转型大有可为。”
-
关键词
上海建工集团
传统产业
数字化应用
数字化转型
质量提升
徐征
深化供给侧结构性改革
核心驱动力
-
分类号
F426.92
[经济管理—产业经济]
F49
[经济管理—产业经济]
D622
[政治法律—中外政治制度]
-
-
题名基于量子蚁群算法的建筑消防疏散路径规划
被引量:7
- 2
-
-
作者
王钾
王慧琴
冯路佳
-
机构
西安建筑科技大学信息与控制工程学院
-
出处
《计算机测量与控制》
2020年第7期167-172,共6页
-
基金
陕西省教育厅重点科学研究计划(Z20180411)
陕西省文物局项目(Z20180301)
西安市社会科学规划基金项目(Z20190065)。
-
文摘
针对现在大空间建筑消防应急疏散问题,在火灾发生时,为撤离人群提供一条从危险区域到安全地带的最短安全路线;对疏散路径优化进行了研究,提出一种融合量子进化算法的改进蚁群算法用于消防疏散路径规划,用量子比特表示信息素,量子旋转门反馈控制信息素更新,即能体现量子并行计算的高效性,又能拥有蚁群算法较好的寻优能力;通过3个基准函数优化仿真与传统量子进化算法进行对比,证明算法较优的性能;再通过路径优化的仿真实验与经典蚁群算法进行比较,结果表明,算法能够有效避免陷入局部最优和拥有更快的收敛速度,在疏散路径规划中更为有效。
-
关键词
消防疏散
路径规划
量子蚁群算法
量子比特
量子旋转门
-
Keywords
fire evacuation
path planning
quantum ant colony algorithm
qubit
Quantum revolving gate
-
分类号
V271
[航空宇航科学与技术—飞行器设计]
-
-
题名新基建引领新风口
- 3
-
-
作者
冯路佳
-
机构
不详
-
出处
《商业观察》
2020年第8期50-50,共1页
-
文摘
新型基础设施建设简称为新基建。相对于以“铁公基”为代表的传统基础设施而言,新基建发力于科技端的基础设施,涉及5G(第五代移动通信技术)网络、数据中心等领域,主要包括5G基建、特高压、城际高速铁路和城际轨道交通、充电桩、大数据中心、人工智能、工业互联网七大板块,是未来经济发展的重要支撑。
-
关键词
大数据中心
城际轨道交通
基础设施
人工智能
工业互联网
充电桩
城际高速铁路
基建
-
分类号
F42
[经济管理—产业经济]
-
-
题名“垫资承包”顽疾将根治
- 4
-
-
作者
冯路佳
-
机构
不详
-
出处
《就业与保障》
2019年第12期12-12,共1页
-
文摘
2019年5月5日,国务院公布了《政府投资条例》(以下简称'《条例》'),自2019年7月1日起施行。政府投资作为一项重要政府职能,事关经济社会发展全局。《条例》的制定本质上是对政府和市场关系以及政府作用的确认,即必须让市场在资源配置中起到决定性作用,能交给市场的都交给市场,转变政府职能,大幅减少政府对资源的直接配置,并通过法治化的手段对政府行为加以规范。《条例》全文近4000字,对政府投资目的、原则、投资决策、年度计划、项目实施、法律责任等方面作了规定。
-
关键词
垫资承包
政府投资项目
-
分类号
F283
[经济管理—国民经济]
-
-
题名基于目标区域的卷积神经网络火灾烟雾识别
被引量:16
- 5
-
-
作者
冯路佳
王慧琴
王可
卢英
王钾
-
机构
西安建筑科技大学信息与控制工程学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2020年第16期75-83,共9页
-
基金
陕西省文物局项目(Z20180301)
陕西省教育厅重点科学研究计划(智库项目)(18JT006)
西安市科技局项目(GXYD10.1)。
-
文摘
在场景复杂、干扰较多的情况下,传统的火灾烟雾识别方法的识别性能不高。针对该问题,提出了一种基于目标区域的卷积神经网络火灾烟雾识别方法,构建两层的火灾烟雾识别模型,利用目标区域定位层的运动检测算法对火灾烟雾图像进行烟雾目标区域的提取,快速去除复杂场景的大量无关干扰信息,并将提取的烟雾目标区域输入火灾烟雾识别层,通过卷积神经网络精细提取烟雾的深层特征后进行分类,完成火灾烟雾的识别。实验结果表明,所提方法在复杂环境下的数据集中,抗干扰能力较强,能够有效降低误检率,提高烟雾识别的准确率。
-
关键词
图像处理
火灾烟雾识别
目标区域
卷积神经网络
运动检测
抗干扰能力
-
Keywords
image processing
fire smoke detection
target region
convolutional neural network
motion detection
anti-interference performance
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-