煤中杂物的危害与洗选过程中的有效清除方法

煤炭中混入的各种杂物不仅影响煤炭质量,还会对煤炭加工设备、运输工具造成损害,甚至引发安全事故,有效排除煤中杂物是煤炭生产亟待解决的关键问题。杂质脱除的难易程度随着科学技术的发展而发生着变化,也决定着除杂选用的方法与手段。传统的除杂很大程度上依靠杂质的物理性质,金属类杂物一般采用除铁器清除,跳汰分选与浅槽分选过程可清除部分轻质杂物,拦杂钩和拦杂网也可清除部分轻质杂物,往往多种方法联合使用,发挥各自的优势。随着人工智能技术的发展,通过实时捕获杂物的图像和三维数据,运用计算机视觉算法对杂物进行快速、准确的识别与定位,随后指导机械手进行精准抓取,可实现杂物的精准分离。该方法实施的关键是需要建立较完备的数据集、设计精准识别算法和抓取控制策略。煤炭洗选过程中杂物的智能清除有利于推动煤炭行业的智能化转型、提高生产效率和产品质量、降低劳动强度和成本。

从劳动力迁移视角审视传统乡村向现代乡村的演化

人口迁移是促进农村转型发展的重要驱动力,然而,鲜有研究从劳动力迁移视角审视中国的乡村如何从传统向现代演化。聚焦该议题,发现缺乏人口流动是传统乡村的典型特征,劳动力迁移使乡村原本可预期的以人情交换为主要特征的利益交换模式逐渐淡化,继而演化出以市场交易机制为主导的合作模式。但这并不意味着维系传统乡村熟人社会的机制不再发挥作用,村庄剩余人口间的互助与合作、迁移群体与村庄的联系以及“城归”群体作用的发挥均受到乡村熟人社会规则的约束。构建合适的体制机制,充分发挥市场的作用以及乡村剩余人口间信息对称的优势,促进农户间密切协作,是未来乡村治理的关键所在。同时,构建迁移人口与村庄的利益联结机制能够为乡村治理现代化提供更多可能。

感觉编码时空活动模式的类脑表达与计算——架构篇

大脑如何处理随时间和空间变化的感觉数据流,以执行复杂的认知计算和适应性行为控制,一直是脑科学和类脑技术领域的重要难题。这被称为感觉编码的表达与计算问题,其关键在于找到一种通用的方法,使大脑能够有效地学习和表达感觉数据流中的相似性或不变性,并将这些学习结果应用于认知计算、行为控制以及感知觉和意识形成。然而,现有的实验手段、理论框架和方法体系在揭示大脑生物学结构与功能的复杂关系,以及信息论上类脑智能表达与计算的通用机制方面仍面临挑战,更难以深入阐述这两者之间的内在联系。本文基于视网膜-外侧膝状体-视皮质轴神经编码的生理机制,提出构建一种新型的类脑智能单元模型架构,该架构专注于表达与计算感觉数据流的时空活动模式的相似性或不变性。它不仅模拟了人类大脑外周神经系统对信息的压缩表达、丘脑系统的有序分离与拼接、皮质的独立稀疏编码以及自组织映射计算等复杂过程,还模拟了皮质脑区间折返连接振荡与相干振荡的全局编码机制。这种类脑智能单元不仅为构建大规模集成神经网络模型提供了坚实的基础,而且有助于更深入地理解大脑的表达与计算机制,为实现意识的大脑皮质连接图的全局编码提供新的视角,进而推动类脑智能的实现。

新质生产力赋能数字乡村发展的逻辑与路径

数字乡村既是乡村振兴的战略方向,也是建设数字中国的重要内容,是农业农村现代化的重要命题。新质生产力是符合新发展理念的先进生产力质态,其赋能数字乡村发展极具理论意义和实践价值。作为传统生产力的跃升发展,新质生产力可以从数字人才、数字技术和数据要素三方面赋能数字乡村发展:数字人才培养和引进增添乡村发展活力;数字技术推广和应用加强乡村转型动力;涉农数据要素的利用和增值拓宽乡村物理边界。当前,数字乡村人才不足、数字技术应用悬浮和数据要素利用率低,是新质生产力赋能数字乡村发展的主要制约因素。发挥新质生产力对促进数字乡村发展的引擎作用,需直面发展难题,其赋能效应可从三条路径展开:培育新型乡村数字人才,建立乡村人才支撑体系;数字技术全面赋能,避免技术应用悬浮;保障村民数据权益,建立农村数据要素流通市场。以新质生产力赋能数字乡村发展,既能丰富新质生产力的发展内涵,又可加速提升乡村数字化建设水平,助力实现数字乡村高质量发展。

广州市老年教育高质量发展的困境与纾解路径

高质量发展是新时代中国老年教育发展的大趋势,包括均衡发展和优质发展两个大的维度。广州市老年教育受数量、布局、课程、教学、师资等因素的影响,其高质量发展面临一定的困境,为此需要通过更新理念、扩充规模、优化结构、改良课程与教学、提高师资队伍水平、推进老年教育制度化建设等路径纾解困境,推进老年教育高质量发展。

初中生居家在线学习适应性研究——基于60160份问卷的实证分析

基于60160份调查问卷的实证结果,通过人口学变量的差异分析,考察初中生居家在线学习适应性的现状与影响。研究发现,初中生居家在线学习适应性不具有显著的性别与独生与否差异;城市初中生相比农村初中生居家在线学习适应性更强;随着年级的升高,初中生的居家在线学习适应性呈下降趋势;学生的学习成绩越高,居家在线学习适应性越好。基于此,需要家长树立协同育人意识,构建家校共同体;教师改变传统观念,提高自身教学能力;学校落实管理责任,社会发挥协同作用。

数字治理与信息化融合的路径与策略研究

文章旨在研究数字治理与信息化融合的路径与策略,探讨其在推动社会发展和提升公共治理能力方面的重要性。通过分析全球范围内数字治理与信息化融合的发展状况,揭示了该领域的重要趋势和现状,阐述了数字治理与信息化融合的定义、特点以及两者之间的关系与互动。从指导原则和目标出发,提出了数字治理与信息化融合的基本原则,并介绍了实施的主要路径和方法,如法律法规与政策支持、基础设施建设、数据资源管理等。通过案例分析,以新加坡的智慧城市建设和欧洲国家的数字化政府服务为例,总结了成功经验和教训。得出结论,数字治理与信息化融合是推动社会发展和提升治理能力的重要手段,需要遵循指导原则并采取相应的路径和方法,同时借鉴国际和国内成功案例的经验,以实现经济与社会的可持续发展和社会进步。

数据驱动的现代数字营销策略

随着互联网的普及和信息技术的发展,数据已成为数字营销的核心驱动力。数据驱动的现代数字营销策略利用大数据和人工智能等技术,深度挖掘用户行为和偏好,为营销决策提供科学依据。通过数据分析,企业可以更准确地了解目标用户,制定个性化营销策略,提升用户参与度和转化率。数据驱动的数字营销还可以实现营销活动的精准投放和实时调整,提高营销效果和投资回报率。

9号道岔区铺设减振垫浮置板的行车安全性及舒适性研究

地铁道岔区在基本轨、尖轨处以及道岔钢轨接头处存在大量钢轨不连续地段,轮轨相互作用强烈,轨道系统振动明显,减振垫浮置板轨道作为一种高等减振措施已应用于地铁线路道岔区。为探究减振垫浮置板应用于9号道岔的适用性,并作为减振地段与普通无砟轨道的过渡段的可行性,以某地铁高架9号道岔为研究对象,建立桥上道岔三维有限元模型,仿真分析地铁B型车在120 km/h直向过岔和30 km/h侧向过岔的情况下,列车的行车安全性、舒适性以及轨下结构形变。对比在9号单开道岔区域设置的2种刚度过渡方式的优劣及其减振效果,较为系统地论证了在9号道岔区域铺设减振垫浮置板的可行性。研究结果表明:1)列车通过铺设减振垫浮置板的9号道岔区域时,浮置板位移极值出现在转辙区域和心轨区域,最大位移出现在尖轨位置,可增大尖轨处单板橡胶垫支承刚度,以保证轨道结构变形均匀;2)列车逆向侧向通过设置过渡段的减振垫浮置板道岔区时,2级过渡方式的车体最大垂向加速度、最大横向加速度、最大脱轨系数、最大轮重减载率、轨道刚度变化率以及减振效果等指标均优于1级过渡方式;3)在道岔区铺设减振垫浮置板,列车直向和侧向通过时的行车安全性和舒适性均能满足相关评价指标,且2级过渡方式更优。研究结果可为后续道岔区减振设计研究提供一定的理论参考。

基于决策性能评估的多波束低地球轨道卫星网络资源分配算法

为了解决多波束低地球轨道(LEO)卫星波束间同频干扰、频谱短缺、业务量分布不均等问题,针对单一决策网络缺乏自我修正能力、容易陷入局部最优解、无法充分考虑长期影响等弊端,提出了一种基于决策性能评估的资源分配算法。该算法引入不同用户的业务满足指数来衡量系统的公平性,在考虑公平性的前提下优化系统的吞吐量性能,并将该优化问题建模为多目标优化问题。将具有时间相关性的连续资源分配过程建模为马尔可夫过程,提出基于决策性能评估的网络资源分配算法来解决该问题。所提算法可以根据评估网络的评估结果调整决策网络参数,从而优化资源分配方案,同时更新评估网络自身参数。通过迭代优化的方式,实现决策网络的准确预测。仿真结果表明,所提算法在吞吐量性能和公平性方面优于传统资源分配算法。

软件定义卫星网络中基于业务调度的混合路由算法

为了解决低轨卫星网络高动态拓扑、大数据传输量、多信令开销的问题,满足全球覆盖和海量移动用户日益增长的需求,在研究不同业务性能指标体系的基础上,构建了高低轨卫星协同的软件定义卫星网络架构及虚拟拓扑模型;设计了综合考虑业务到达率和等待时长的优先级赋值函数,并提出一种基于业务感知与调度的联合星间路由算法,该算法包括针对高QoS需求业务的低复杂度轨道内优先转发路由算法和针对低QoS需求业务的链路加权路由算法.仿真结果表明,所提算法在平均端到端时延、丢包率和吞吐量等方面比传统算法均有显著的改善.

基于深度学习的学生学习行为规制路径研究

由于自身和外部环境因素的影响,在线上线下混合式教学中,学生会出现一些问题学习行为,而问题学习行为必将弱化学习效果,无法实现深度学习。通过线上线下混合式教学中的学生学习行为,总结教学过程中普遍存在的三个问题:学习目标价值偏离,线上即时引导面临挑战;线下教学模式依赖固化,线上即时指导存在障碍;评价未适用混合式教学,评价结果效用缺位。在此基础上,以规制学生学习行为为目标,提出价值引导、任务驱动及立体评价三个机制。在三个规制机制的指导下,把课程的教学设计作为一种学术研究,在《隧道工程》教学中针对性地创设不同的规制措施,并观测学生的反馈效果。再通过发放问卷调查课程教学的效用,结果表明,该教学设计可以有效增强学生知识习得和优化学习行为,有效促进深度学习的实现。

多导睡眠监测设备和肠鸣音设备之间数据同步采集方法研究

目的提出一种基于敲击脉冲信号的两个独立设备数据同步采集的方法,以实现数据的同步采集。方法利用多导睡眠监测设备的鼾声传感器与肠鸣音设备相互敲击产生瞬态脉冲信号作为同步标记信号,基于同步标记信号的三阶累积量实现同步标记信号的识别和对齐,并采用多组同步标记信号评价数据同步的精度。结果多导睡眠监测设备的鼾声传感器和肠鸣音设备相互敲击,产生了清晰明确的同步标记脉冲信号,结合时域特征和三阶累积量实现了同步标记信号的精确识别和对齐。经过多组同步标记信号识别验证表明,此种同步方法可保证同步精度范围在5 ms内。结论该数据同步采集方法简单易行,可保证多导睡眠监测设备和肠鸣音设备的高精度同步采集,同时也为其他完全独立的多个设备数据同步采集提供参考。

自评健康在问卷调查中的应用:基于中国综合社会调查(CGSS)的发现

自评健康的信度和效度受到广泛的质疑,何种自评健康测量方法最具优势也没有定论。本研究利用CGSS 2021重复测量自评健康的机会,探讨了自评健康的信度和效度,并比较了不同测量方式的优劣。我们发现自评健康具有良好的信效度水平,使用不同方式测量的自评健康指标具有一致性,且受访者报告的自评健康与其客观健康情况、健康相关行为高度相关。非平衡测量更能捕捉到受访者健康状况的差异,能更好地反映出受访者的健康相关行为的正向影响。

王卫东：利用金融科技 发展信用卡业务

信用卡业务是银行业中金融科技应用最广泛、最深入的业务。信用卡业务面临的挑战：一是怎样在提升客户体验的基础上控制风险，二是怎样在服务更多客户的基础上控制成本。金融科技在应对这两个挑战中发挥了重要作用，

响应面法优化超声辅助提取姬菇多糖及其体外抗氧化性

采用超声波辅助提取法从姬菇中提取多糖,以提取率为指标,首先通过单因素实验考察了液料比、提取温度、提取时间和超声波功率对提取率的影响,然后设计响应面试验对姬菇多糖最优提取工艺参数进行优化。结果表明,姬菇在料液比30 g/g、提取温度75℃的条件下,采用500 W功率超声波辅助提取80 min,姬菇多糖的提取率最高可达16.38%。将提取后的姬菇粗多糖TCA脱蛋白、双氧水脱色和透析后得到纯化的精多糖,两种多糖具有一定的清除羟基自由基和ABTS+自由基能力,但是精多糖的抗氧化活性低于粗多糖,且二者的抗氧化活性均低于维生素C。因此,姬菇多糖的纯化对其抗氧化性有显著性影响,纯度越高,抗氧化性越小。

肿瘤相关基因改变与三级淋巴结构形成的关系及对肿瘤预后影响的研究进展

近年来多项研究表明三级淋巴结构(tertiary lymphoid structures,TLS)与大多恶性肿瘤良好预后及免疫治疗疗效相关,对临床的治疗决策选择具有重要作用,但肿瘤相关基因改变和TLS之间的关系还很少被研究,基因改变在TLS诱导调控中的具体作用如何?本文将对肿瘤TLS的组成和结构、形成机制、肿瘤相关基因改变与TLS关系、对肿瘤预后影响、以及未来展望等方面进行综述,更详细地了解TLS的功能及其基因改变在其中的潜在作用,以期为临床精准治疗及新药物的开发提供相关依据。

车辆循环动载下高速铁路路基累积变形预测研究

高速铁路路基在车辆荷载反复作用下不可避免地产生累积变形,影响铁路轨道-路基结构服役性能和车辆运行品质。为探明高铁路基在循环车辆动载下的累积变形空间分布特性和长期发展规律,建立车致路基累积变形预测模型,其主要由2个子模块组成:1)基于多体动力学和有限单元法建立的高速铁路车辆-轨道-路基耦合时变动力学模型;2)基于建立的车辆-轨道-路基动力相互作用模型,引入路基累积变形预测模型,利用循环跳跃的方式预测不同车辆荷载累积次数下路基的累积变形及其空间分布规律。2个模块的交互方面,在每次循环跳跃后,将路基累积变形空间映射至轨道,形成轨面附加几何不平顺,并同步更新迭代系统动力矩阵,建立了车致路基累积变形与系统动力响应之间的关联关系。研究结果表明:本文提出的计算模型可较好地揭示路基土体累积变形在循环车辆动载下的演化规律;采用循环跳跃的方法可更为真实准确地预测路基的累积变形,其计算的路基累积变形最大值为2.6069 mm,而未采用循环跳跃方法计算出的累积变形最大值则为1.7 mm,低估了34.8%。路基累积变形在前期发展较快,后期由于土体被不断夯实,累积变形的演化呈现减缓趋势,累积变形速率从1次加载0.035 mm减小到1次加载小于10^(-6)mm;在路基具有初始不均匀变形的区域内,路基累积变形的幅值大于路基没有初始不均匀变形的区域;路基的累积变形对系统的垂向动力响应的影响显著,动力响应表现为增大的趋势;对于系统的横向振动,累积变形的影响较小。本文提出的方法和研究结果可为高速铁路路基不均匀累积变形控制和预测提供技术支撑。

基于脉冲序列标识的深度脉冲神经网络时空反向传播算法

尖峰放电的脉冲神经网络(SNN)具有接近大脑皮层的信号处理模式,被认为是实现大脑启发计算的重要途径。但是,目前对于深度脉冲神经网络的学习仍缺乏有效的监督学习算法。受尖峰放电速率标识的时空反向传播算法的启发,该文提出一种面向深度脉冲神经网络训练的基于时间脉冲序列标识的监督学习算法,通过定义突触后电位和膜电位反传迭代因子分别分析脉冲神经元的空间和时间依赖关系,使用替代梯度的方法解决反传过程中不连续可微的问题。不同于现有基于尖峰放电速率标识的学习算法,该算法能够充分反映脉冲神经网络输出的时间脉冲序列的动态特性。因此,所提算法非常适合应用于需要较长时间序列标识的计算任务,例如行为的时间脉冲序列控制。该文在静态图像数据集CIFAR10和神经形态数据集NMNIST上验证了所提算法的有效性,在所有这些数据集上都显示出良好的性能,这有助于进一步研究基于时间脉冲序列应用的大脑启发计算。