一种基于任务和可信等级的数控网络跨域互操作方法

随着工业4.0不断深化,数控网络不断开放导致网络攻击的可达性,使其面临巨大的安全风险。传统跨域互操作方法存在对访问主体认证客观性不足、任务执行效率低及身份权限分配粒度不够精确的问题。针对这些问题,文章提出一种基于任务和可信等级的数控网络跨域互操作方法,该方法通过可信计算3.0技术对访问主体进行可信评估,实现对访问主体的客观评价,提高跨域请求的安全性。文章同时提出一种互操作方法,以任务为互操作基础,在保障互操作细粒度安全性的同时,提高任务执行效率。仿真实验验证了该跨域互操作方法的有效性和适用性。

员工企业社会责任感知对于其建言行为的影响:解释水平理论视角

基于解释水平理论,通过对503份三时点领导员工上下级配对数据的实证研究,分析了员工的企业社会责任感知如何通过提高员工解释水平从而促进其建言行为,并进一步验证了任务多样性的调节效应。回归分析结果表明:员工企业社会责任感知对于员工建言行为有显著正向影响;解释水平在企业社会责任感知与建言行为之间发挥部分中介作用;任务多样性正向调节了企业社会责任感知通过解释水平积极影响员工建言行为的间接效应。

综合行政执法改革过程中的多维结构变迁与能动者策略

推动执法权属地化与综合化是夯实基层政权建设的重要一环,但在政策实践中,并不必然带来治理效能的提升。事权下放后,基层治理结构的实质性变革如何形塑执法主体的行为策略,以提升事权承接的有效性,是亟待回答的重要议题。文章从“结构—过程—功能”的视角出发,对一个街道综合行政执法体制改革进行系统考察,构建理解多维结构变迁中能动者策略生成的分析框架。研究发现,在改革过程中,综合执法部门所嵌入的横向结构在权力、责任和资源维度发生系统性变迁。执法主体在基层治理结构所设定的规则约束与行动空间中,基于复杂性和概率性两个维度,划分四种类型的执法任务,并能动地创设动员式、裁剪式、扩容式等执法策略,衔接再配置的结构性要素与复杂外部事务治理环节,从而有效回应“块块”运作规则和事权下放的内在要求。

一种动态锁定式多星协同任务规划的A2C算法

提出了一种基于强化学习算法的多星协同任务规划方法。该方法将多星协同任务规划视为多个双星协同规划,采用相邻双星锁定的方式来共享双星任务规划结果信息,基于A2C(优势动作评价)强化学习算法对双星任务规划的结果进行再调整。针对多星协同任务规划状态空间复杂且变化的问题,设计了两级状态空间和价值评价函数决策的方法,对强化学习所依赖的状态空间进行维度限制,确保智能体对任务进行调整的过程不影响状态空间维度。算法设计过程考虑了多种约束条件,设置了天气、成像质量和成像优先级等可调参数作为强化学习A2C算法的评价参数,这些可调参数有助于用户自定义决策评价体系。最后,通过仿真验证了算法的可行性。仿真结果表明,该算法多星协同任务规划的组合任务抛弃率小于10%。

政策性农业信贷担保“看人”“看事”机制有效吗?——以解决“融资贵”问题为例

“看人——获取软信息”“看事——获取硬信息”是政策性农业信贷担保机制缓解信息不对称的重要手段,厘清其对融资成本的作用机理,对于缓解“融资贵”问题具有重要的理论与现实意义。论文基于内蒙古自治区3市382个农业经营主体的调查数据,实证分析了“看人”“看事”机制对不同类型融资成本的差异性影响。研究发现,“看人”“看事”机制对显性融资成本无影响,“看人”机制对隐性融资成本的增加作用更强,“看事”机制对转嫁成本的增加作用更强。机制检验表明,“看人”“看事”机制引发的多层次委托代理关系是政策性农业信贷担保市场融资成本高的本质原因。进一步研究发现,数字赋能和软信息硬化是缓解“融资贵”问题的有效路径。据此,从“有为政府+有效市场”、强化内部激励机制、加快数据信息系统建设、引进能人型村干部等方面提出实现农业信贷担保体系高质量发展的政策建议。

基层治理中的双向压力型体制及其运行逻辑——基于H镇网格化管理的个案分析

压力型体制作为本土概念业已成熟,但现有研究大多关注上级压力下传的单一向度,忽略了压力型体制对基层服务需求的主动回应。H镇网格化管理的案例表明,在基层治理场域中存在双向压力型体制。这种体制以二重性的压力运行过程应对上级管理要求和群众服务需求的两大压力环境。通过自上而下和自下而上两种压力的对流与互通,分别回应了上下差异性任务需求,也让两侧压力环境分别实现了势能释放和能量互补。双向压力型体制的概念是沟通压力型体制经典框架和基层治理经验的中层理论,凝练了基层实现服管结合的有益经验,蕴含着我国基层治理的独特逻辑。

基于多尺度多层次多任务网络的长视频微表情分析

与宏表情不同,微表情具有持续时间短、动作幅度小、覆盖面积小的典型特点,长视频中微表情与宏表情交织在一起,使得微表情的检测和识别困难,并且严重依赖于专家经验。针对以上问题,开发了一种多任务模型用于长视频微表情分析,该模型采用级联的网络结构,分别完成检测子任务与识别子任务。针对微表情仅发生于面部局部区域且因个体差异特征分布不同导致关键帧定位不准或漏检,在检测子网络中采用Dual-CBAM-Inception模块,增强模型空间感受野,对全局与局部区域提取多尺度光流特征增强模型的鲁棒性;针对长视频中表情类别分布不均衡且微表情发生时面部动作细微导致长视频微表情分类识别准确率低,提出模型在识别子网络中采用深度可分离DenseNet模块,在控制模型的运算量和计算成本的前提下,通过多层次提取光流信息的浅层与深层语义特征提高模型的表情识别准确性。所提出的方法在CAS(ME)2长视频以及CASMEⅡ、SMIC短视频数据集上进行实验,结果表明,所提方法能够对长视频进行微表情检测并识别表情类别,性能优于当前诸多方法。

视觉Transformer在低级视觉领域的研究综述

Transformer是一种革命性的神经网络模型架构,最初为自然语言处理而设计,但其由于卓越的性能,在计算机视觉领域获得了广泛的应用。虽然关于Transformer在自然语言处理领域的应用有大量的研究和文献,但针对低级视觉任务的综述相对匮乏。简要介绍了Transformer的原理并分析归纳了几种变体。在低级视觉任务的应用方面,将重点放在图像恢复、图像增强和图像生成这三个关键领域。通过详细分析不同模型在这些任务中的表现,探讨了它们在常用数据集上的性能差异。对Transformer在低级视觉领域的发展趋势进行了总结和展望,提出了未来的研究方向,以进一步推动Transformer在低级视觉任务中的创新和发展。这一领域的迅猛发展将为计算机视觉和图像处理领域带来更多的突破,为实际应用提供更加强大和高效的解决方案。

不确定需求下无人机任务分配的两阶段鲁棒优化方法

灾害场景下依托无人机配送资源应用前景广阔,但应急场景环境复杂多变,各类突发事件在时空上的不确定性会导致目标点对资源需求评估的不准确,进而影响到资源配送中无人机任务分配方案.针对此问题,在无人机任务分配模型中引入两阶段鲁棒优化方法.模型通过将无人机分配和任务分配相结合,充分利用无人机集群资源,实现需求变化最大化时的任务分配成本最低.本文对受伤人数等级与资源需求变化关系建模,将资源需求划分为3个等级,实现了任务分配总成本变化的精确化表达,并采用列和约束生成(Column-and-Constraint Generation,C&CG)算法实现了资源需求不确定条件下的无人机任务分配.最后设计了3种类型的实验,仿真结果验证了算法的有效性和优越性,相比确定性模型,该算法在应对需求变化时展现出更好的鲁棒性.

面向台区通信网的边缘通算资源联合优化算法

随着越来越多电力终端设备接入台区配电网,如何合理调配有限的云边资源成为配电网能量管理的关键。文章提出了一种基于等级划分的边缘通算资源联合优化算法。首先通过层次分析法对任务进行等级划分,其次建立端侧和边侧的任务执行时延和能耗模型,并利用粒子群优化算法设计了一种联合通信和计算资源的分配算法,确定最优卸载策略、发射功率和计算资源分配方案;仿真结果表明其在降低系统总执行成本的同时,能有效提高任务响应度。

战术级任务规划方法研究综述

随着武器装备向多元多能和体系化运用发展,现代战争对指挥决策全局性、时效性和科学性等方面的要求越来越高,各军事强国任务规划系统建设需求迫切,且发展很快。为更好地推进任务规划系统研究,对战术级任务规划方法进行全面综述。总结任务规划系统的发展历程、战术级任务规划的方法框架,重点综述战术级任务规划主要实现方法及未来发展方向。在主要实现方法方面,重点围绕任务描述、任务分解、任务分配、方案评估等业务中涉及的主要方法进行综述和分析;在未来发展方向方面,从规范性、通用性、可信性等方面提出发展建议。

人工智能将会“抢走”谁的工作?——异质劳动者的就业替代风险

人工智能及控制设备在生产中的应用,对劳动者就业具有替代效应。当前国内研究大多以职业的人工智能替代风险作为测算对象,较少直接关注异质劳动者的人工智能就业替代风险。本文基于工作任务方法,利用中国劳动力动态调查(CLDS)数据,选取劳动者个人特征、工作任务和从事职业特征三方面输入变量,运用机器学习模型测算每一劳动者个体的替代概率。依据个人特征将劳动者划分为12个异质性群体,对比分析异质劳动者群体的就业替代风险。结果表明:(1)我国处于低、中、高替代风险等级的劳动者份额依次为52.9%、24.2%和22.8%;(2)“使用互联网”工作任务、所从事职业的“学历要求”和“培训要求”三个变量对劳动者的替代风险影响较大;(3)受教育程度低的劳动者群体的平均替代概率较高,其中处于23~35岁劳动者的替代概率最低;(4)职业流动是化解劳动力市场总体替代风险的有效途径,但其效用对劳动者个体是非对称的;(5)部分高风险劳动者的替代风险倾向于固化,需警惕其替代风险转化为失业风险。

基于动机行为转化结合代谢当量的康复护理对老年高血压患者血压水平及生活质量的影响

目的探讨基于动机行为转化结合代谢当量的康复护理在老年高血压患者中的应用效果。方法选择该院2020年6月至2022年3月收治的126例老年高血压患者,按随机数字表法分为两组。观察组(63例)实施基于动机行为转化结合代谢当量的康复护理,对照组(63例)实施常规护理,两组均持续随访6个月。对比分析两组血压水平、生活质量、疾病知识知晓率、服药依从性及护理满意度。结果观察组护理后收缩压、舒张压水平分别为(129.28±9.60)、(82.89±7.12)mm Hg(1 mm Hg=0.133 kPa),均低于对照组的(140.43±10.22)、(90.22±7.60)mm Hg,差异均有统计学意义(P<0.05);观察组护理后生活质量综合评定问卷(GQOLI-74)中的心理、躯体、社会功能及物质生活维度评分分别为(72.78±6.21)、(71.79±6.22)、(74.79±6.85)、(74.76±6.70)分,均高于对照组的[(64.68±5.71)、(62.69±5.77)、(65.68±6.37)、(64.68±6.31)分],差异均有统计学意义(P<0.05);观察组疾病知识知晓率[96.83%(61/63)]高于对照组[84.13%(53/63)],差异有统计学意义(P<0.05);观察组用药依从性[96.83%(61/63)]高于对照组[85.71%(54/63)],差异有统计学意义(P<0.05);观察组护理满意度[96.83%(61/63)]高于对照组[87.30%(55/63)],差异有统计学意义(P<0.05)。结论基于动机行为转化结合代谢当量的康复护理在老年高血压患者中具有较好的应用效果,有利于提高其疾病知识知晓率、服药依从性,改善患者的血压水平,提升其生活质量及护理满意度。

An object oriented multi-robotic graphic simulation environment for programming the welding tasks

An object oriented multi robotic graphic simulation environment is described in this paper. Object oriented programming is used to model the physical objects of the robotic workcell in the form of software objects or classes. The virtual objects are defined to provide the user with a user friendly interface including realistic graphic simulation and clarify the software architecture. The programming method of associating the task object with active object effectively increases the software reusability, maintainability and modifiability. Task level programming is also demonstrated through a multi robot welding task that allows the user to concentrate on the most important aspects of the tasks. The multi thread programming technique is used to simulate the interaction of multiple tasks. Finally, a virtual test is carried out in the graphic simulation environment to observe design and program errors and fix them before downloading the software to the real workcell.

一种多任务联合训练的机器阅读理解模型

在机器阅读理解任务中,如何在包含不可回答问题的情况下提高答案的准确性是自然语言处理领域的一项重要挑战.虽然基于深度学习的机器阅读理解模型展现出很好的性能,但是这些模型仍然存在抽取特征冗余、语义信息不全面、问题分类任务和答案抽取任务耦合性不强的问题.为了解决以上问题,本文提出一种结合门控机制和多级残差结构的多任务联合训练模型GMRT(Gated Mechanism and Multi-level Residual Structure for Multi-task Joint Training),以提升机器阅读理解任务中答案预测的准确性.GMRT构建门控机制来筛选交互后的关联特征,从而控制信息的流动.采用多级残差结构分别连接注意力机制和门控机制,保证每个阶段都保留原始语义信息.同时,通过边缘损失函数对问题分类任务和答案抽取任务联合训练,确保预测答案过程中任务之间的强耦合性.在SQuAD2.0数据集上的实验结果表明,GMRT模型的EM值和F1值均优于对比模型.

基于伪触发词的并行预测篇章级事件抽取方法

篇章级事件抽取一般将事件抽取任务分为候选实体识别、事件检测和论元识别3个子任务,然后采用级联的方式依次进行,这样的方式会造成误差传递;另外,现有的大多数模型在解码事件时,对事件数量的预测隐含在解码过程中,且只能按照预定义的事件顺序及预定义的角色顺序预测事件论元,使得先抽取的事件并没有考虑到后面抽取的事件。针对以上问题提出一种多任务联合的并行预测事件抽取框架。首先,使用预训练语言模型作为文档句子的编码器,检测文档中存在的事件类型,并使用结构化自注意力机制获取伪触发词特征,预测每种事件类型的事件数量;然后将伪触发词特征与候选论元特征进行交互,并行预测每个事件对应的事件论元,在大幅缩减模型训练时间的同时获得与基线模型相比更好的性能。最终事件抽取结果F1值为78%,事件类型检测子任务F1值为98.7%,事件数量预测子任务F1值为90.1%,实体识别子任务F1值为90.3%。

非常规任务得以执行的“适配—对接”:基层减负的自下而上进路

随着基层政府职能与所处环境的变化,非常规任务与专职任务、专业化运作之间的张力也日益凸显。通过对东部某市X街道职能部门完成非常规任务的过程分析发现,基层政府可以通过“适配—对接”机制在平衡张力的基础上执行非常规任务。“适配—对接”机制包括贯通责任传导、适配主轴资源、整合串联要素,以及显性化对接任务四个步骤,在完成上级部署的许多创新性工作的同时,保证了基层政府内部主轴例行化体系尽可能少受到影响,从而在治理实践中保持了某种程度的平衡。“适配—对接”机制作为一种自下而上的减负策略,在一定程度上为基层行政体系提供了一个压力排解出口,然而,也会导致向上传达治理能力信号时的虚高,提高上级政府预期,从而在另一个维度上加大基层治理与竞争的压力。

吊钟水库正常蓄水位论证分析

为合理选择水库正常蓄水位,遵循合理利用工程所在地区的地形地质条件,充分利用水资源,在保证工程任务和效益的基础上,尽可能降低库区淹没影响和工程投资的基本原则,初拟94.50 m、95.50 m和96.50 m共3个正常蓄水位方案进行综合技术经济比选。综合工程地质条件、水库淹没处理、枢纽及建筑物布置、生态环境、水资源利用及工程经济性,推荐吊钟水库正常蓄水位95.50 m。

基于任务性的航天电连接器抓取方法

航天用电连接器的有效抓取是完成在轨装配任务的前提,有效抓取点集合受到装配任务的限制。本文提出一种面向在轨装配的电连接器抓取方法,该方法通过机器人在模拟环境中学习抓取经验,在抓取-装配过程中评估抓取位姿与装配任务相关性抓取质量,此外,通过设计抓取点的位置分布初步考虑了电连接器尾端线缆对抓取的影响。利用抓取网络对抓取点云集合进行训练获取抓取编码簿,一方面可以生成有效抓取点,另一方面通过建立的表面接触热图增强有效抓取点的可展示性。同时,提出一种非统一归一化物体坐标空间表示法,在三维空间中建立密集映射关系,将有效抓取点迁移到同类别实例中。仿真结果表明:基于本文提出的方法生成的抓取点集合有94.1%有效用于后续的装配任务。

面向指挥层级和任务的作战地域选择智能辅助分析方法

传统作战地域选择辅助决策方法需要人工输入大量模型参数,不利于实现快速高效决策,为此提出与指挥层级和任务相适应的作战地域选择智能辅助分析方法。首先分析作战地域选择问题的主要影响因素;然后针对各个影响因素的典型评价指标,分别构建评价指标计算模型,并建立模型关键参数与指挥层级和作战任务之间的关联关系,在此基础上提出基于参数关联图的模型参数智能确定方法,在多因素对比分析框架下实现作战地域选择智能辅助分析。最后结合登陆地域选择具体应用进行案例分析,验证该方法可以实用、高效地完成作战地域选择辅助决策工作。