摘要：建筑与陈列是一个博物馆的外在特征,一个好的博物馆,应该是建筑艺术与陈列艺术的完美结合。处理好建筑与陈列的关系,是提高博物馆质量的有效手段之一,也是当前博物馆界需要解决的主要课题之一。要实现这个目标,需要建筑界、陈列设计界、博物馆界以及社会各界的共同努力。

摘要：面对“生活”里的种种选择,艺术家拿起画笔时,“画什么”成为了首要的问题。什么样的“题材”可以深刻表达艺术家的视野和观念?生长于“生活”这片沃野中的题材,包孕着怎样的艺术风格?歌德“还有什么比题材更重要”[1]的告诫,即包含着艺术创作的普遍机制——关于艺术家、题材及其艺术生命力之关系的追问。艺术家决定表现某个题材,便要通过色彩和形式传达特殊的意义。在这复杂的选择过程中,有人冥思苦想;也有人顺其自然。后者往往不执著于所谓的“主义”,也不盲目追逐“时尚”,对于题材的选择自有一种坦然和坚持。江西师范大学美术学院教授杜玉华,正是这样的坚持者。

摘要：提出一种新的可编程逻辑核设计方法。该方法采用结构化的方式进行电路硬件描述,采取模块复用的方法减少代码编写工作量,通过半定制的后端流程得到可编程逻辑核版图。与传统的"软核"设计方法相比,新方法避开了综合步骤,解决了"组合逻辑环"的问题,可以实现主流的双向结构的可编程逻辑核,且版图面积减少了50%左右。用所提出的方法设计的可编程逻辑核实现了预期的组合及时序逻辑电路功能,验证了该方法的可行性。

摘要：年画作为20世纪中国最重要的宣传形式之一,曾在中国共产党的政治宣传、思想建设工作中发挥突出作用。1949年“新年画运动”发起后,江西大批优秀艺术家积极响应党的文艺方针,加入党政宣传队伍,满怀热情地投入年画创作。江西文宣部门也高度重视年画创作,并且坚持组织年画学习创作活动。江西年画从早期缺乏经验与专门作者,逐步发展形成了一支优秀的年画创作队伍,并在全国性美术展览上屡获佳绩。其中,江西年画艺术家们充分发挥了红色革命传统与地域文化优势,在主题选择与题材扩展上进行了积极探索,并且于表现技法上也有重要突破,为中国新年画艺术的繁荣作出了不可磨灭的贡献。

摘要：当前大多数财务软件都设计了应付款模块并实现了对应付款的明细核算,但主要功能集中在应付帐款记录和统计汇总方面;其处理对象是应付项目本身,是对过去集成在帐务系统中的应付科目帐务处理的独立和细化。这种处理模式不能反映采购过程应付项目形成的全过程,不能满足采购过程内部控制的需要,也缺乏对供应商和物资价格的决策能力。 这种核算型的应付款模块反映的是采购资金信息。

摘要：科学合理的全面预算管理体系贯穿于企业的整个运营过程,是建立完善的现代企业制度的重要前提,而流程体系的设计是企业全面预算管理工作中的关键环节。本文以QP企业为例,针对其现行预算管理体系存在的问题,从预算目标确定科学化、预算方案编制准确化、预算执行与控制全面化、预算调整程序化、预算考评精细化等方面进行优化设计,以提升企业全面预算管理水平。

摘要：随着超大规模集成电路(VLSI)以及片上系统(SoC)设计的日益复杂,基于现场可编程门阵列(FPGA)的硬件仿效成为了必要环节。为解决逻辑设计下载到基于FPGA的硬件仿效器后内部节点不可视的问题,提出一种调试系统,该调试系统使用了RTL级植入调试逻辑的调试方法,统一的用户界面和软件侧底层接口,并提供了ELA模式、Scan模式和Snapshot模式。所有模式均使用统一的外部接口,使得调试系统同时适用于Altera和Xilinx的FPGA。实验结果表明,与SignalTap和ChipScope模式相比,ELA模式消耗几乎相同的资源,而Scan模式和Snapshot模式会消耗更少的FPGA资源。

摘要：提出一种静态场景下的基于帧差光流的随机采样均值漂移聚类检测算法.该方法首先通过隔帧差分法提取运动目标区域,并对运动区域进行光流计算,采用自适应光流阈值分割法准确提取出运动目标;然后运用连通区域标记算法对运动区域进行初步划分,得到若干个连通域子集特征向量样本点,通过提出的随机采样策略来确定对子集空间中样本点的抽样次数;最后利用均值漂移算法对每个子集中的样本点进行若干次抽样计算并分析聚类收敛结果是否相同,从而完成对连通域标记结果的检验.该策略通过减少对标记结果所有样本点的采样次数,提高了目标的检测速度和精度,在不同红外测试场景中的实验结果表明:与传统红外多目标检测算法相比,该方法具有良好的局部抗遮挡性、准确性和实时性,并且检测率能达到95.27%,每帧处理时间达到39.12ms,满足实时处理需求.

摘要：介绍了一款可编程逻辑核的设计及验证过程,着重阐述了可编程逻辑核电路设计及CAD设计技术。该可编程逻辑核采用半定制方法设计,在CSMC 0.5μm CMOS工艺上进行了流片,开发了相应的CAD工具以支持该可编程逻辑核的验证。硬件测试结果表明,该可编程逻辑核实现了预期的逻辑电路功能,达到了设计目的。

摘要：针对网联混合动力汽车队列具有混杂非线性、多动力源混合驱动等特点,提出基于深度强化学习的队列分层控制策略。首先,设计了队列模型预测控制器,基于车车通信获取的车辆状态求解约束条件下满足多性能目标的队列车辆最优期望加速度。其次,为提高车辆的燃油经济性,将发动机最优工作曲线和电池特性曲线作为专家知识嵌入深度强化学习算法中。然后,通过分析电池荷电状态、车辆车速以及车辆加速度对智能体动作值的影响来阐明基于深度强化学习(Deep Q network,DQN)的队列能量管理策略是如何根据动作值实现对队列中车辆多系统动力输出之间的协调控制。最后,设计了以电池荷电状态、瞬时燃油消耗率为自变量的奖励值函数,利用最小化损失函数,采用梯度下降法对DQN网络参数进行更新,通过深度强化学习算法实现网联混合动力汽车队列的能量管理控制。试验结果表明,所提出的队列控制策略可以动态规划出队列中车辆期望加速度,实时合理的分配发动机功率与电机功率,最终实现队列中车辆的节能行驶。