融合模糊神经网络与时序模型的火灾预警算法

为有效解决传统火灾监测器误报率高的问题,提出一种结合模糊神经网络(FNN)模型和温度时序模型(TSM)的火灾预警算法,即FNN-TSM,其研究对象包括综合管廊中的3个火灾特征参数:温度,烟雾浓度和一氧化碳浓度。建立FNN模型,获得每个数据点的孤立火灾概率;建立TSM以探测特征参数的变化率,获得每个数据点的时序火灾概率;采用复合火灾决策方法,获得最终的火灾概率。实验结果表明,该算法比其它算法具有更高的火灾预警准确率和实时性。

基于层次语义多项式DS融合的铁路扣件状态分布学习

针对扣件状态检测算法适应性弱、误检率高的问题,通过平滑样本标签缓解卷积神经网络训练的过拟合问题,提出基于层次语义多项式DS融合的扣件状态分布学习。首先,以弱监督方式将图像子块卷积特征描述为高斯混合模型,通过高斯混合模型计算样本语义多项式(semantic multinomial, SMN);然后,为提高SMN对扣件样本的描述能力,对来自不同层次特征的SMN进行DS融合,获得样本状态分布,分布反映了不同标签的描述程度,实现了对单一标签的平滑。实验结果表明,将单一标签替换为状态分布进行网络训练,缩小了训练精度和验证精度的差距,误检率为1.9%,漏检率为2.3%,误检率相比于传统单标签网络降低了54%。所提算法能够缓解过拟合现象,提高网络泛化性能,实现鲁棒性的扣件状态检测。

引入粒子生存值的SPSO-BP气体传感器补偿算法

针对复杂环境下气体传感器的稳定性不足的问题,提出了一种基于改进反向传播(BP)神经网络的传感器补偿算法。首先建立基于温湿度补偿的BP神经网络结构,并确定各层网络的节点数。然后提出用粒子群算法(PSO)优化BP神经网络的初始权值和阈值。最后引入粒子生存值并结合模拟退火改进传统PSO算法(SPSO),提高模型的全局极值寻优能力。实验结果表明:本文改进的SPSO算法较传统的PSO算法寻优能力更强,将SPSO与BP神经网络相结合,提高了气体传感器的温湿度补偿精度。

关于加强卷烟制造企业固定资产管理的思考

固定资产管理作为卷烟制造企业的重要一环，对于提高企业经营效益，避免资源闲置和浪费具有重要意义。本文阐述了卷烟制造企业的管理现状，着重从全生命周期和信息化两个大方向揭示了企业固定资产管理的薄弱之处，并提出加强固定资产管理的相应策略。

EVA评价指标在企业全面预算管理中的应用

全面预算管理是现代企业管理的重要组成部分,是企业实现战略目标的重要途径。而EVA能够引导企业进行科学决策,避免盲目投资,用有限的资本为股东创造更多、更真实的利润。近年来,《中央企业负责人年度经营业绩考核实施方案》及《中央企业负责人经济增加值考核实施方案》将EVA纳入对央企的考核范围,通过全新的考核方法树立资本成本意识和价值创造理念。本文通过探讨将EVA评价指标引入全面预算管理后的应用优势,提出了构建新型EVA全面预算管理体系的策略。