案例分析:持续的过程激励比目标本身更重要

目标设置被看作目标管理的决定性因素。过分强调甚至夸大目标的功能和作用导致"目标管理"与"目标设定"的混乱。目标本身不足以激励和约束个体为实现目标做出持续的努力。个体的注意力容易分散、遇到挫折时容易气馁,目标的压力容易松弛、实现目标的激情和热情容易消退。持之以恒和专注更依赖于个体的意志力和环境的刺激。管理者在激励个体专注于目标、保持目标的压力和紧迫感中扮演重要角色。

改进YOLOv8的无人机航拍图像目标检测算法

针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EFEM),避免小目标特征消失在冗余信息中。在颈部设计了一种双重跨尺度加权特征融合方法(dual cross-scale weighted feature-fusion,DCWF),融合多尺度信息的同时抑制噪声干扰,提升特征表达能力。通过构建一种参数共享检测头(parameter-shared detection header,PSDH),使回归和分类任务实现参数共享,保证检测精度的同时有效降低了模型的参数量。所提模型在VisDrone-2019数据集上的精度(P)和召回率(R)分别达到54.0%、42.5%;相比于原始YOLOv8s模型,mAP50提高了5.0个百分点,达到44.5%,且参数量减少了55.8%,仅有4.94×106;在DOTAv1.0遥感数据集上,mAP50达到71.9%,仍具有较好的泛化能力。

改进YOLOv8n的选通图像目标检测算法

激光选通成像技术在复杂环境下表现出色,但选通图像为灰度图像无法提供颜色信息,并且对比度较低,所以在进行小目标和遮挡目标检测时更加困难。为解决以上问题提出了一种改进YOLOv8n的选通图像目标检测算法。在特征提取的主干网络部分,使用大核卷积C2f-DSF更有效地捕获输入数据的全局信息。添加了多头注意力检测头Detect-SEAM模块,增强了特征提取和目标识别的能力。为了获取不同感受野的上下文信息,增强特征提取能力,使用了SPPF-M模块。采用上采样算子Dysample,减少特征信息的损失,从而提高小目标的检测精度。改进的YOLOv8n算法在选通图像数据集上mAP@0.5提高了2.4个百分点,mAP@0.5:0.95提高了1.8个百分点。为了验证改进的YOLOv8n算法的泛化性,选取KITTI数据集实验,相比于YOLOv8n算法改进YOLOv8n的mAP@0.5提高了4.3个百分点,mAP@0.5:0.95提高了3.5个百分点。

考虑运营风险的医疗废物回收选址多目标鲁棒优化研究

为规避突发公共卫生事件下的不确定风险,研究医疗废物回收网络中的回收中心、处理中心、处置中心等节点选址问题,以总成本最小以及总风险最小为目标,构建考虑运营风险的医疗废物回收选址多目标鲁棒优化模型,设计非支配排序遗传算法,提出p鲁棒迭代算子求解p值下界,采用轮盘赌选择,结合精英策略、均匀交叉和反向变异等遗传操作。基于仿真案例,求解确定性模型与鲁棒优化模型得到帕累托解。模型对比结果表明鲁棒优化模型适用所有情景,且成本相对遗憾值均小于2%,能够有效应对参数不确定引起的设施选址变化。对p值进行灵敏度分析,结果表明当0.004≤p≤0.08时,解的质量随p值增大而上升;p值越接近下界0.004,目标值下降越迅速,越适于应对紧急情况;同时决策者的风险偏好程度和总成本对设施布局有重要影响,需对二者进行综合权衡。

多目标联合优化的车联网动态资源分配算法

为了解决车联网(IoV)信道高动态不确定性及多用户干扰所导致的通信传输性能下降问题,提出了一种基于多智能体增强型双深度Q网络(EDDQN)的多目标联合优化资源分配算法。首先,考虑车辆运动和信道时变特性,建立多用户干扰下频谱共享和功率控制联合优化的资源分配决策模型,在满足时延和可靠性等约束下,最小化网络时延和能耗加权和(成本);然后,将模型转换为马尔可夫决策过程(MDP),利用双深度Q网络(DDQN),并引入优先经验回放和多步学习,通过集中式训练和分布式执行,优化车间(V2V)链路的频谱共享和功率分配策略。结果表明,所提算法具有良好的收敛性,在不同负载下相较对比算法成本减少8%以上,负载传输成功率提升19%以上,有效提高了通信传输性能。

基于FPGA的MobileNetV1目标检测加速器设计

卷积神经网络是目标检测中的常用算法,但由于卷积神经网络参数量和计算量巨大导致检测速度慢、功耗高,且难以部署到硬件平台,故文中提出一种采用CPU与FPGA融合结构实现MobileNetV1目标检测加速的应用方法。首先,通过设置宽度超参数和分辨率超参数以及网络参数定点化来减少网络模型的参数量和计算量;其次,对卷积层和批量归一化层进行融合,减少网络复杂性,提升网络计算速度;然后,设计一种八通道核间并行卷积计算引擎,每个通道利用行缓存乘法和加法树结构实现卷积运算;最后,利用FPGA并行计算和流水线结构,通过对此八通道卷积计算引擎合理的复用完成三种不同类型的卷积计算,减少硬件资源使用量、降低功耗。实验结果表明,该设计可以对MobileNetV1目标检测进行硬件加速,帧率可达56.7 f/s,功耗仅为0.603 W。

危机情境下领导路径-目标澄清行为对角色绩效的影响

危机情境下,领导需要澄清团队目标进而提升员工角色绩效。然而,何种路径-目标澄清行为更加有效亟待明确。整合路径目标理论与变革-交易领导框架,本文探究两种竞争性路径-目标澄清行为(愿景阐释行为与积极纠偏行为)对员工角色绩效的影响。基于某连锁品牌员工的两阶段调查数据发现,愿景阐释行为通过提高团队目标的清晰性增强了员工角色绩效,而积极纠偏行为通过提高团队目标的清晰性对员工角色绩效的影响不显著。团队情绪(团队恐惧与团队自满)调节了路径-目标澄清行为对团队目标清晰性的影响:当团队恐惧情绪水平较高时,愿景阐释行为对团队目标清晰性的积极影响更大;而当团队自满情绪水平较高时,积极纠偏行为对团队目标清晰性的积极影响更大。团队情绪进一步调节了团队目标清晰性在路径-目标澄清行为与员工角色绩效之间的中介机制。本文剖析了团队情绪对于路径-目标澄清行为有效性的影响,对于实现危机情境下的有效领导具有指导意义。

基于非支配排序遗传算法NSGA-Ⅲ的多目标屏蔽智能优化研究

本文基于第3代非支配排序遗传算法(NSGA-Ⅲ)开展了多目标屏蔽智能优化方法研究。以乏燃料运输船舶为对象,采用多目标智能优化程序建立一维离散纵标计算模型,针对舱盖上方区域屏蔽结构(混凝土和聚乙烯厚度)进行优化设计,最终得到1组优化的屏蔽方案。基于优化后的屏蔽方案,建立真实的三维蒙特卡罗计算模型,和基于混凝土、聚乙烯或含硼硅树脂的方案进行对比,评估优化方案的屏蔽效果。评价指标包括屏蔽厚度、重量、总剂量率和价格等。结果显示,基于所开发的多目标屏蔽智能优化方法优化得到的方案各有特点,包含了多个优选的方案,为设计者提供了更丰富的选择。

介质金属复合目标的电磁散射高效建模

为解决各向异性介质与金属复合目标电磁散射计算困难等问题,提出了一种高效的混合算法,用于模拟各向异性介质涂覆复杂目标的电磁散射。该方法基于阻抗边界条件,通过表面阻抗向量来描述介质的电磁特性,充分发挥了低频矩量法(Method of Moments,MoM)和高频物理光学法(Physical Optics,PO)的各自优势,以实现对介质金属复合目标进行高精度和快速的电磁仿真。通过采用阻抗边界条件(Impedance Boundary Conditions,IBC)和等效原理,研究将薄层介质涂覆目标的电磁散射问题等效为阻抗面上等效电磁流的辐射问题,从而实现了对各向异性介质涂覆复杂目标雷达截面(Radar Cross Section,RCS)的高精度快速计算。为了验证算法性能,选取了方形平板、简化飞行器及复杂卫星模型进行仿真测试。经过对比分析,所提算法的仿真结果与数值解之间的均方根误差分别为0.82 dB、1.56 dB和2.64 dB,均优于3 dB的工程应用标准误差。此外,该算法在计算消耗内存和计算时长等计算资源方面实现了超过50%的显著提升,充分验证了其准确性和实用价值。

含J-C损伤的前吸能装置低速碰撞多目标优化

为提升前吸能装置整体碰撞性能,建立了含防撞梁、吸能盒和刚性墙的100%正面低速碰撞有限元显式动力学模型,及前吸能装置多目标优化模型。采用Johnson-Cook损伤本构模拟铝合金材料碰撞损伤特性,以整车最大质心加速度、最大质心位移和吸能装置总质量等评价指标为优化目标,以防撞梁和吸能盒截面的宽度、长度和厚度等7个结构尺寸作为设计变量,以吸能装置最大吸收能量为约束条件。采用NSGA-Ⅱ算法对前吸能装置多目标优化模型进行求解,优化结构与初始设计结构进行40%偏置碰撞对比验证。通过分析100%低速正面碰撞多目标优化结果可知,在整车最大质心位移增加约3%的情况下,最大质心加速度和最大防撞梁碰撞力下降35%以上,前吸能装置减重达23%。由40%低速偏置碰撞对比验证结果可知,整车最大质心加速度、最大质心位移和防撞梁碰撞力峰值等性能参数较优化前下降10%以上。研究结果为前吸能装置碰撞性能优化提供设计参考。

基于增强局部特征的水下目标检测

海洋工程的日常任务经常会利用水下航行器来探测水下环境,针对水下复杂环境采集的图像目标容易出现局部特征信息丢失,导致漏检、检测精度低的问题,提出基于增强局部特征的水下目标检测方法。在主干网络采用Faster Block增强图像特征提取能力;利用归一化注意力模块抑制不显著的特征信息来提高网络的效率;构建集中特征增强金字塔池化模块增强对水下复杂背景下目标局部特征信息的捕获能力;改进损失函数提高网络模型对水下图像目标预测效果。实验结果表明,该方法平均精度相较于原模型提升了1.5百分点,网络推理速度为36.4,能够有效地提升水下目标的检测精度。

习近平关于“四位一体”学校体育目标的历史超越和时代引领

以习近平关于“四位一体”学校体育目标为主线,探讨了其历史超越、内在逻辑、重大意义与时代引领。研究认为,习近平关于“四位一体”学校体育目标无论在内涵本质、语言表达与词语搭配上均实现了历史超越。习近平关于“四位一体”学校体育目标体现了“享受乐趣”的学校体育“动力”目标、“增强体质”的学校体育“育体”目标;“健全人格与锤炼意志”的学校体育“育心”目标的内在逻辑。其重大意义在于重点突出“享受乐趣”的青少年体育动力目标、高度重视“增强体质”的青少年体育身体发展目标、深刻领会“健全人格与锤炼意志”的青少年体育心理发展目标。其时代引领体现在:把握学校方向,促进青少年学生全面发展与健康成长;完善体育理论,重构具有中国特色学校体育学科体系;对接课程标准,理顺“四位一体”目标与核心素养关系;加强顶层设计,强化学校体育目标重点突破与整体发展。

LMUAV-YOLOv8:低空无人机视觉目标检测轻量化网络

针对低空无人机目标检测面临目标尺度变化大、小目标容易漏检和误检的挑战,发展了一种融合多尺度特征的目标检测轻量化网络(LMUAV-YOLOv8),通过开展消融和对比实验,验证了算法的有效性和先进性,并借助类激活图,对模型的决策过程进行了解释。设计了一种轻量化的特征融合网络(UAV_RepGFPN),提出新的特征融合路径以及特征融合模块DBB_GELAN,降低参数量和计算量的同时,提高特征融合网络的性能。使用部分卷积(PConv)和三重注意力机制(Triplet Attention)构建特征提取模块(FTA_C2f),并引入ADown下采样模块,通过对输入特征图维度的重新排列和细粒度调整,以提升模型中深层网络对空间特征的捕捉能力,并进一步降低参数量和计算量。优化YOLOv9的可编程梯度信息(programmable gradient information,PGI)策略,设计基于上下文引导(Context_guided)的可逆架构,并额外生成三个辅助检测头,提出UAV_PGI可编程梯度方法,避免传统深度监督中多路径特征集成可能导致的语义信息损失。为了验证模型的有效性及泛化能力,在VisDrone 2019测试集上开展了对比实验,结果显示,与YOLOv8s相比,LMUAV-YOLOv8s的准确度、召回率、mAP@0.5和mAP@0.5:0.95等指标分别提升了4.2、3.9、5.1和3.0个百分点,同时参数量减少了63.9%,计算量仅增加0.4 GFLOPs,实现了检测性能与资源消耗的良好平衡。基于NVIDIA Jetson Xavier NX嵌入式平台的推理实验结果显示:与基线模型相比,该算法能够在满足实时检测要求的条件下,获得更高的检测精度,对于无人机实时目标检测场景具有较好的适用性。借助类激活图,对算法的决策过程进行了可视化分析,结果表明,该模型具备更优异的小尺度特征提取和高分辨率处理能力。

基于算子学习的多目标深度强化学习模型求解消防设施选址问题

针对消防设施选址问题,构建考虑时效性、市民等待救援的焦急心理和建设成本的三目标消防设施选址模型,以实现更科学的消防设施布局。鉴于该问题的NP难特性,提出基于算子学习的多目标深度强化学习模型(multi-objective deep reinforcement learning,MDRL)。设计多种优化算子作为强化学习的动作空间,训练策略网络以选择最佳优化算子来改进解决方案。针对多目标问题,设计基于优势差异的方法(MDRL-AD)和基于支配性评估的方法(MDRL-DE)。采用四种规模的测试算例及实际案例进行数值实验,将MDRL和改进的NSGA-Ⅱ、MOPSO、L2I算法进行比较,并利用Hypervolume指标、Spacing指标、Ω指标、IGD指标对算法性能进行评估。实验结果表明,MDRL-AD方法更适用于求解小规模算例,MDRL-DE方法则在求解大规模和超大规模算例时相比其他算法优势明显。MDRL在非劣解集的收敛性和均匀性方面明显优于其他对比算法,为消防设施布局规划提供了一种有竞争力的解决方案。

融合注意力和上下文信息的遥感图像小目标检测算法

对多尺度的遥感图像进行小目标检测时,基于深度学习的目标检测算法容易出现误检和漏检的情况。这是因为此类算法的特征提取模块进行了多次的下采样操作;而且未能根据不同类别、不同尺度的目标关注所需的上下文信息。为了解决该问题,提出一种融合注意力和上下文信息的遥感图像小目标检测算法ACM-YOLO(Attention-Context-Multiscale YOLO)。首先,应用细粒度的查询感知稀疏注意力以减少小目标特征信息的丢失,从而避免漏检;其次,设计局部上下文增强(LCE)函数以更好地关注不同类别的遥感目标所需的上下文信息,从而避免误检;最后,使用加权双向特征金字塔网络(BiFPN)强化特征融合模块对遥感图像小目标的多尺度特征融合能力,从而改善算法检测效果。在DOTA数据集和NWPU VHR-10数据集上进行对比实验和消融实验,以验证所提算法的有效性和泛化性。实验结果表明,在2个数据集上所提算法的平均精确率均值(mAP)分别达到了77.33%和96.12%,而相较于YOLOv5算法,召回率分别提升了10.00和7.50个百分点。可见,所提算法能有效提升mAP和召回率,减少误检和漏检。

改进Camshift算法实时目标跟踪实现

为解决Camshift目标跟踪算法在跟踪目标遮挡时陷入局部最大值、跟踪目标快速移动导致跟踪丢失以及光照变化影响跟踪精度一系列问题,提出一种改进Camshift目标跟踪算法。利用自适应权重与H通道特征提取模板,融合Kalman滤波算法并引入巴氏距离遮挡判别法。非遮挡时,使用Kalman预测调整跟踪搜索区域;遮挡时,使用Kalman预测跟踪。实验结果表明,将改进后算法部署于FPGA硬件平台能够准确地跟踪快速运动、遮挡干扰目标,在1920×1080分辨率下理论跟踪帧率为98.17帧/s,对1080p@60 Hz以及多种分辨率视频输入下平均跟踪重叠率达到84.68%。

面向啮合接触的斜齿轮修形多目标优化研究

以齿轮啮合接触分析为研究对象,提出了一种既能减振降噪又能使齿面载荷均匀分布的多目标优化设计方法。通过传输误差幅值的对比实验与理论计算,验证了载荷齿面接触分析模型的正确性。在此基础上,给出了齿面载荷分布的计算方法,并进一步提出了齿面载荷均匀分布的判断方法。以扭转方向相对速度最小和齿面载荷均匀分布为优化目标,构造多目标优化函数,得到最优修形参数。在此基础上给出了实例来说明所提出的方法,结果表明优化后沿扭转方向相对速度和左右齿面载荷差得到了大幅降低,验证了优化后的修形效果。

机载双极化相控阵气象雷达气象目标回波仿真

针对机载双极化相控阵气象雷达实测数据难以获取的问题,提出一种机载双极化相控阵气象雷达气象目标回波仿真方法。首先,通过天气研究和预报模式仿真得到气象场景信息。其次,分析极化相控阵偶极子阵元的极化特性以及降水目标的散射特性,将两者结合,计算极化偶极子阵元在发射、接收过程以及降水目标散射过程中的电场极化性质,得到气象目标的偶极子极化散射矩阵。最后,结合气象场景信息和偶极子极化散射矩阵,运用雷达气象方程得到相控阵参考阵元的回波信号,进而得到双极化相控阵雷达全阵元的气象目标回波信号。将仿真结果与实测数据对比,验证了所提方法的可靠性。

基于潜在有价值样本挖掘的半监督三维目标检测

为了解决当前半监督三维目标检测算法中,传统的固定阈值方法在过滤伪标签时不够灵活,舍弃了大量有价值的伪标签,没有充分利用潜在有价值样本的问题,提出了一种基于潜在有价值样本挖掘的半监督三维目标检测方法。首先,不再使用固定阈值过滤伪标签,采用基于得分聚类的自适应阈值生成方法,分别为不同的类别生成过滤伪标签时需要的阈值,保留更多有价值的伪标签;其次,由于标签由类别和边界框信息组成,提出了一种联合置信度过滤伪标签的方法,使用对象置信度、分类置信度和IoU置信度的乘积来过滤伪标签,改善伪标签的质量;最后,对样本数量较少的类别生成稠密伪标签,筛选未通过联合置信度过滤的部分数据,以软伪标签的形式保留伪标签,更充分地利用潜在有价值的样本。在KITTI数据集上,与PV-RCNN方法相比,所提方法在仅1%标记数据的情况下,汽车类提高了6.5百分点,行人类提高了9百分点,自行车类提高了25百分点,实验结果证明了所提方法的有效性。

“双碳”目标下化工原理实验教学探索与实践

“双碳”目标对化工专业人才的培养具有深远的影响。化工原理实验中的流体流动、热量传递、物质分离等单元操作与“双碳”目标有着密切的联系。“双碳”目标为化工原理实验提供理念引导,强调在实验过程中注重节能减排、资源循环利用和环境保护。本文针对“双碳”背景下化工原理实验教学存在的问题,通过一系列创新举措,如在实验教学中融入“双碳”理念、革新教学策略与方法、加强工程思维的培养、推广以学生为主导的合作式学习模式、把思政教育嵌入课程内容,以及构建多样化的评估体系和科学合理的评价机制。通过课程改革,以期实现培养具有深厚专业知识与技能、绿色低碳意识、创新思维与解决问题的能力、社会责任感与伦理意识以及持续学习与自我提升能力的复合型化工专业人才。