基于深度学习的SAR目标识别技术研究

对于SAR图像而言,二维图像的维度要远大于一维距离@像的维度。因此,无法直接对高维数据进行处理。为了解决该问题,我们提出了一种利用深度学习技术对SAR图像特征进行离线学习的方法。深度学习是一种通过多层结构进行机器学习的神经网络模型,直接从原始的信息中学习特征。深度学习提出后,在图像识别、语音识别以及目标侦测等许多领域都得到了广泛的应用,并取得了不错的效果。深度学习在不同应用中采取了不同的结构,其中,卷积神经网络(Convolutional Neural Network,CNN)因其可以直接处理二维数据而不破坏其拓扑性,所以常用于图像识别问题。文章针对SAR图像的目标识别问题,设计了一种表现良好的卷积神经网络模型;针对网络模型搭建中模型修改导致的重复训练问题,设计了一种基于NET2NET的迁移学习方法,有效降低了网络训练时间。

ESB多系统集成项目综合看板解决方案

1.前言1.1名词解释ESB系统:企业服务总线(Enterprise Service Bus)平台,本方案采用IBMWMB平台。1.2项目背景本方案的设计和实施是构建在ESB基础平台已经全部实施完成和应用之后的。为了使接口异常的信息更好的展现,因此希望能通过ESB综合看板来实现异常信息、数据流转信息的快速查看,便于业务人员和接口维护人员快速维护业务。ESB综合看板的功能需求有以下几点:1)界面清爽简单,便于业务人员快速了解所需数据。2)对于接口异常数据,支持直接检索异常报文中的内容(面向接口维护人员)。

轨道交通新动能

轨道交通作为新老基建中的"重合体",是带动投资最大、民生最关注的重点领域之一。新冠肺炎疫情后轨道交通产业面临的挑战与机遇、发展空间与增量预判、发展方向及其出路,都是新基建逻辑分析的重要话题。

发挥产业集群优势 打造创新生态系统——国家先进轨道交通装备创新中心建设实践与思考

国家先进轨道交通装备创新中心聚焦先进轨道交通装备领域关键共性技术的研发,根据制定的技术边界与技术路线,围绕研制安全可靠、先进成熟、节能环保、互联互通的绿色智能谱系化产品,重点突破绿色节能技术、智能化关键技术、运维服务关键技术、体系化安全保障技术、高效能牵引传动技术、互联互通技术和系统匹配技术七大关键共性技术。

国家级创新中心“黑海战略”的实践与探索

“黑海战略”是物联网时代推动企业高质量发展的新战略思维,指明了创新发展的突围方向。先进轨道交通装备作为轮轨上的“国家名片”,是参与全球竞争的中国装备代表作,是实现制造强国的重要支撑。基于“黑海战略”和国家先进轨道交通装备创新中心建设使命,株洲国创轨道科技有限公司积极探索“黑海战略”在国家级创新中心建设过程中的具体落地实施,搭建“公司+联盟”的创新创业平台,实行“平台+创客”的创业模式,组建“院士+博士”的技术公关团队,实施“技术+管理”创新双轮驱动,构建轨道交通装备产业链协同创新发展的生态体系,实现创新中心自我造血和产业链上下游企业抱团取暖和价值共生。

面向市场和制造的精益研发体系构建

为了使企业发展过程中有效应对外部市场竞争,本文以中车株洲电力机车有限公司为承载平台,构建了一种面向市场和制造的精益研发体系。该体系以市场为导向,建立精益研发顶层设计;以精准效益为理念,持续开展自身业务优化;以市场效益为目标,构建高度集成研发平台;以制度为保障,实现成果固化。经企业实践结果证明,基于构建的面向市场和制造的精益研发体系能为企业研发能力提升、市场开拓、国际化经营等各方面提供有效支撑。