摘要：针对当前传统网络模型对中药饮片检测精度低,检测不准确的问题,提出一种基于YOLOv8n优化改进的MSDA-YOLOv8中药饮片检测模型。首先,在Backbone上使用SCConv代替部分C2f模块,使用DyCAConv代替部分Conv。其次,添加DilateBlock模块,强化特征信息,提高了检测模型的特征融合能力。在Neck上,设计全新的C2fMSDA模块代替C2f,并引入Inception板块,扩大特征感受视野。使用BiFPN思想,高效双向跨尺度连接和加权特征融合,提高网络性能;最后将原有的损失函数替换为MPDIoU边界损失函数,模型的边界框回归性能有了提高。实验结果表明,改进后的YOLOv8模型在原模型的基础上提高识别精确度0.7%、平均精度2.9%,参数量降低1.9%。综合说明,该模型提高模型识别精度同时降低参数量,优于原算法以及对比算法,满足边缘计算要求,具有实际应用价值。

摘要：指出了现今我国老龄化严峻的形式下对老年人养老环境愈发重视,基于养老环境的现状分析研究了康复植物在该环境中空间结构的优化。探讨了康体植物对养老环境中老年人的影响效果、康体植物的配植、空间特征分析,提出了优化空间结构的营造策略,以期为后续相关学者在养老环境研究中提供参考。

摘要：以桂林生态旅游可持续发展为主题探讨关于桂林建设可持续发展创新示范区的方法策略,以分析桂林生态旅游可持续发展的现状以及面临的问题,以此把"一带一路"规划与生态旅游结合起来,充分实现国际化旅游交流,将桂林打造为国际旅游目的地,更好地助力桂林旅游国际化发展。本文分析桂林生态旅游可持续发展的优势,以此改变传统旅游模式的基础上发展出新型的旅游方式,为相关地区发展方向提供经验。

摘要：本文从乡土文化景观概念的视野分析广西侗族乡土文化景观在城镇化进程中的发展和变化,对乡土文化景观产生的各种问题进行分析,为后者研究解决这些问题提供一个好的方向,从而达到可持续性景观的发展,创造美丽乡村所需要的乡土文化景观。

摘要：针对连接件振动疲劳涉及的应力集中以及接触非线性问题,借鉴准静态疲劳分析的应力严重系数(stress severity factor,简称SSF)法对于应力集中以及接触问题的分析方式,将其推广到随机振动,采用等效SSF模型计算应力响应,提出连接件振动疲劳寿命分析的SSF法。算例验证结果显示,2个载荷谱激励下,振动疲劳寿命的计算误差分别为27.3%和30.7%。结果表明,SSF法具有快速、高精度的特点,能够达到工程中快速评估连接件振动疲劳寿命的需求。

摘要：就当前社会形势,各项资源都趋于紧张状态。当然,节能问题成为当今热门课题是其必然。在此,本文作者以自己的专业知识更新和多年的工作实践也使能门窗的设计及施工做了简要的阐述。可供同行参考。

摘要：以深度学习为基础,构建了一个基于深度神经网络的回归预测模型。根据样本数据,以损失函数最小为训练目标,通过反向传播算法以及随机梯度下降方法训练模型,采用训练结果对高超声速飞行器表面热环境进行评估。采用典型飞行任务中的782个样本数据进行算例分析,预测结果与实际数据的对比结果表明,壁面热流峰值和温度峰值的平均误差分别为3.03%和1.86%,表明该模型具有快速、高精度的特点。

摘要：为了研究某型筒弹在运输激励下的振动响应情况,给筒弹设计提供参考,利用时域频域转换方法和有限元理论,提出一种间隙非线性筒弹随机振动计算方法。通过仿真计算,研究筒弹在车辆运输振动环境下的响应问题,并与试验进行对比,为筒弹运输振动研究及筒弹设计提供一种新的方法。

摘要：【目的】构建智慧居家养老服务平台用户流失预测模型,并使用SHAP解释方法分析不同特征的影响。【方法】基于智慧居家养老服务平台用户在2019年至2021年三年间产生的超过30万条社区居家养老服务订单数据,通过改进的RFM模型(RFM-MLP)、马斯洛需求层次理论、安德森模型并结合Boruta算法确定用户价值特征、服务选择特征、个人特征三类共11个特征。建立5种机器学习模型,从中选择效果最好的XGBoost模型预测用户流失,运用SHAP解释方法完成特征影响全局解释、特征依赖分析、单样本解释分析。【结果】模型预测结果准确率和F1值均达到87%左右,家政服务服务购买次数、留存天数、年龄等是预测养老服务平台用户流失的重要特征。【局限】仅选取一个地区的数据进行分析,数据量和算法复杂度方面还有提升空间。【结论】SHAP解释方法可以兼顾机器学习预测模型的精度和解释性,能够为智慧居家养老服务平台在运营策略和内容设计方面的优化提供依据。

摘要：毛泽东对江苏的调查研究缘起于第一次国共合作时期的农民运动,新中国成立后他又多次亲临江苏与当地领导干部或基层群众面对面交流。毛泽东在江苏的调查研究展现出了“以民为本、问题导向”的调查视角、“解剖麻雀、典型分析”的调查方法、“一丝不苟、务实笃行”的调查作风、“言传身教、润物细无声”的调查艺术。