基于“VR+5G”的在线实训课程建设分析——以新能源汽车技术专业为例

高等职业教育具有较强的实践性和应用性,职业院校均非常重视各类实训课程的建设。然而,当前实训课程的教学模式以及教学实验设备的不足严重影响了职业教育的发展。文章以新能源汽车技术专业实训课程中存在的“三高三难”问题为基础,借助“虚拟现实(VR)+5G”技术来促进汽车类实训课程的教学走向智能化和信息化,具体围绕虚拟实训课程教学方式创新、操作演示技巧以及线上线下实训课程融合发展等,旨在突破固有教学模式,解构并重构实训课程体系,以期不断推动汽车专业的实训教学,提升信息化人才培养新动力。

智能网联汽车技术思政课堂建设的对策分析

在“大思政”和“职业教育大有可为”的时代背景下,要贯彻落实立德树人的教育使命,必须进行思政课程与课程思政协同建设,实现全员育人、全程育人、全方位育人的“三全育人”格局。随着智能网联汽车技术的迅速发展,培养新汽车人才势在必行,因此,推进智能网联汽车技术课程的思政建设具有重要意义。通过分析当前智能网联汽车技术思政课堂建设存在的问题,从课前、课中以及课后全方面、多角度挖掘思政元素,细致规划和实施思政对策,有效推进智能网联汽车技术思政课堂建设,培养集专业技能、社会责任与家国情怀为一体的新汽车人才。

浅谈现代城市景观与历史空间的融合——由沈阳东陵公园入口区域所引发的思考

在对于城市景观的设计上应该遵循保护历史的原则,在保护的同时也要使景观融入这个历史空间之中,而不应该将"那段历史"独立地圈起来。

严寒地区建筑空间布局优化过程中风环境模拟的应用——以沈阳某办公建筑项目为例

建筑外部空间环境是建筑环境的重要组成部分。以建筑群体空间布局方式与建筑外部空间风环境舒适性的相互影响关系作为研究内容,选取地处我国严寒地区的沈阳市市区某工程设计项目作为研究对象,通过计算机软件模拟的方式分析不同气候条件下,建筑室外空间的风速和风向等量化指标,运用现场观测实验法和模拟追因法等研究方法,探讨二者之间的相互影响关系。在建筑空间布局方案设计的不同阶段成果基础上,通过室外风环境同步计算机模拟分析,对建筑设计的目标方向进行有策略的优化调整,在建筑学意义上美学空间形成的同时提升建筑外环境使用者的体感舒适度,归纳出建筑空间营造手法和风环境舒适度的相关性,进而得出对建筑空间布局设计方法的指导原则,为严寒地区室外建筑空间布局提供可参考的设计实践依据。

美国科学研究经费“来源-执行”部门多元化及中国启示

本文运用科学研究(基础研究+应用研究)经费"来源-执行"分析框架和多元化指数,对美国1953-2016年科学研究经费进行研究。研究结果发现:除了基础研究经费执行部门多元化程度下降,美国基础研究经费来源部门、应用研究经费来源和执行部门多元化程度都在上升。基础研究方面,联邦政府是主要资助部门,产业部门是第二重要资助来源;高等院校是主要执行主体,产业部门和联邦研究机构是重要辅助部门。应用研究方面,联邦政府和产业部门是主要资助部门;产业部门是主要执行主体,联邦研究机构和高等院校是重要辅助部门。比较而言,中国基础研究投入不足的原因首先是中央政府财政科技投入不够,其次才是产业部门缺位;应用研究投入不足的原因是来源过度依赖政府财政投入,执行主要在科研院所和高等院校,产业部门严重缺位。

基于改进YOLOv5和LSTM的车牌识别技术

针对现有车牌识别技术效率低、鲁棒性差、识别精度不高等问题,文章提出了一种高精度实时环境下车牌检测和识别的端到端深度学习模型。首先,在YOLOv5网络层的下采样过程中加入了改进的通道注意力机制,该机制加入了位置信息,减少了采样带来的信息损失,提高了模型的特征提取能力;其次,基于LSTM+CTC的组合构建识别网络,完成车牌的无字符分割识别工作,大大减少了训练周期,提高了模型的识别精度和效率。文章在中国城市停车数据集(CCPD)上进行了大量实验,结果表明,文中提出的车牌识别改进模型平均识别精度达到了98.03%,明显优于传统的车牌识别技术,且在复杂环境识别效果良好,具有较强的鲁棒性。

发明人网络结构与组织合作网络位置

以社会网络理论为基础,从跨层次视角分析组织内外部合作网络之间的作用机制,提出组织内部发明人合作网络中心势和结构洞数量,对其嵌入组织间合作网络中心位置具有直接影响和交互作用,并运用2003~2017年无人驾驶技术领域中,6029条无人驾驶技术专利数据进行实证检验。研究显示:组织内部发明人合作网络中心势,负向影响组织嵌入外部研发合作网络的中心位置;组织内部发明人合作网络结构洞数量,正向影响组织嵌入外部研发合作网络的中心位置;二者交互对组织嵌入组织间合作网络中心位置具有负向作用。

基于EMD的多尺度混合模型及在气象数据中的应用

利用经验模态分解(Empirical Mode Decomposition,EMD)对气象数据进行多尺度分析,探究气象数据的复杂性特征。将EMD和支持向量回归(Support Vector Regression,SVR)相结合建立多尺度混合模型对气温数据进行建模预测,并将建立的模型与现有非平稳数据的建模方法进行比较。实证分析表明,基于EMD的多尺度混合模型在预测结果的均方误差和平均绝对误差方面,比SVR方法提高了0.694和0.237,比ARIMA方法提高了0.439和0.159,因此更适合气象数据的建模与预测。