摘要：中国动漫产业将拥有又一件金光灿灿的外衣。2012年7月12日，文化部发布了《“十二五”时期国家动漫产业发展规划》（下称“十二五”规划），这是中国动漫产业首次被单列规划．

摘要：近年来,我国博物馆事业蓬勃发展,各地博物馆在推动文化发展方面做出了积极努力。然而,随着博物馆事业的发展,博物馆建设也面临着新挑战。市民对文化场所的要求不断提高,传统模式下的博物馆已经无法满足参观者的多样化要求。为了更好地发挥博物馆的作用,该文以具身认知理论为基点,以德国柏林冷战博物馆为例,从情景复现、视觉表达、互动体验3个层次阐释了具身认知理论在历史博物馆展示设计中的应用。

摘要：在实际系统中状态受限普遍存在,因此考虑状态受限下的控制设计问题具有重要的理论意义和工程价值.本文考虑了滑动变量受限情况下的二阶滑模控制设计问题.首先,在不考虑滑动变量受限的情况下,基于Lyapunov方法,给出了一种新的二阶滑模控制器构造方法,并严格证明了在该控制器的作用下滑动变量将在有限时间内稳定到平衡点.其次,考虑滑动变量受限情况,证明了在受限区域内存在一个与控制参数相关的吸引域,使得当初始状态在该吸引域内时其相轨迹不会逃离它.最后,状态受限情况下倒立摆系统的控制设计验证了该算法的有效性.

摘要：针对农用拖拉机在未知扰动影响下的路径跟踪控制问题,本文提出了基于自适应二阶滑模和扰动观测技术的路径跟踪控制策略.首先,建立含有未知扰动项的路径跟踪偏差模型,通过利用自适应控制和改进的加幂积分技术,构造自适应二阶滑模路径跟踪控制方法,该控制方法削弱了滑模控制中存在的抖振影响.其次,为了解决大扰动下控制增益调整过度的问题,通过将鲁棒精确微分器和自适应二阶滑模控制结合,构造复合的路径跟踪控制方法.严格的Lyapunov分析表明横向偏差和航向偏差均在有限时间内稳定到原点.最后,仿真结果验证了本文设计的制导方法能够保证农用拖拉机快速且稳定地跟踪上任意弯曲的参考路径.

摘要：对于用户行为序列中隐藏用户兴趣的捕捉是近年来推荐算法研究的热门方向。传统的序列预测模型使用用户最后一次点击的商品为目标,建立用户行为和目标商品间的关联,并没有充分挖掘用户序列间的先后关系。文中在传统的DIN模型的基础上进行了改进,采用一段时间内的连续行为作为目标向量,使用transformer结构完成序列到序列的预测任务,进一步提取和利用了用户行为序列中的用户深度兴趣,并将其作为辅助特征结合DIN进行推荐。在亚马逊图书数据集和电子数据集上的实验结果表明,文中提出的基于DIN混合推荐模型比原DIN模型的AUC指标分别提升了约0.7%和1.9%。由此可知,基于用户行为序列预测的混合推荐可以在多特征推荐系统中起到一定的辅助作用。此外,文中还对用户序列长度对模型结果造成的影响进行了探究。

摘要：针对汽车主动前轮转向系统(active front steering,AFS)中的安全控制问题,提出一种基于固定时间非奇异终端滑模的主动前轮转向控制器.将固定时间终端滑模与幂次趋近律相结合设计一种新的固定时间非奇异终端滑模控制器,以实现系统的快速稳定控制和削弱系统稳态时的抖振,使得闭环系统的收敛时间仅取决于滑模面及控制器的参数设计,而与系统的初始值无关.基于Lyapunov稳定性理论验证了闭环系统的稳定性.仿真结果表明,所提固定时间终端滑模控制方法的快速性和稳定性均优于传统滑模控制和PI控制方法.

摘要：为了提高滑模控制下Buck变换器的控制性能并降低抖振,提出一种自适应非奇异终端滑模控制方法.首先,对Buck变换器进行建模与分析,得到存在扰动时的数学模型;其次,设计非奇异终端滑模面,进行控制器设计和稳定性分析,使得闭环系统在有限时间内收敛并避免控制奇异问题,同时利用自适应律得到尽量小且足够抑制扰动的动态控制增益以削弱抖振;最后,通过理论分析和仿真实验验证所提控制方法的有效性.结果表明:该控制方法可以在减弱控制抖振的同时使得Buck变换器的输出电压在有限时间内跟踪上参考电压;当Buck变换器中的负载电阻和输入电压突变时,所提方法亦能表现出良好的抗干扰能力.

摘要：本文通过对台湾东华大学课程地图的探究,发现其借助PDCA循环将对教学质量的管控渗透进设计、运行、检核、评价各环节,从而使课程地图成为学校进行教学管理的有效工具。课程地图在台湾地区的发展是先进的教育理念、有效的机制创新和强有力的法制保障共同作用的结果,它的成功应用对大陆高校的课程改革和教学质量提高具有借鉴意义。

摘要：随着生活水平的提高,人们对家居产品的文化和艺术价值的要求也越来越高。青花瓷植物花纹既有丰富多彩、美轮美奂的图案,又有传统的吉祥寓意。将拥有艺术美感的青花瓷植物花纹增添到家居产品上,能够增加家居环境的艺术美感,体现家居文化和青花瓷文化,并为当代家居产品的设计提供新的思路。

摘要：实现矿区遥感图像增强处理,有助于提升后续图像判别以及相关监测分析效率。以往矿区遥感图像增强一般采用滤波、灰度变换等方法,往往会导致图像大量细节信息丢失,在很大程度上影响了后续判读分析。近年来,深度学习方法逐步应用于图像增强处理,但该方法很大程度上依赖于模型设计和参数合理取值,需要进行大量的试验和优化方可取得理想效果。将深度学习方法(Deep Learning,DL)与离散小波变换(Discrete Wavelet Transform,DWT)相结合,提出了一种基于离散小波域深度残差学习的矿区遥感图像增强算法。首先将图像进行单级二维离散小波变换,得到4个子带;然后将4个子带系数输入深度学习残差网络,预测相应的残差图像增加4个子带图像和残差图像作为二维小波变换的新子带;最后通过二维离散小波逆变换得到增强图像。试验结果表明:所提算法相对于直方图均衡化和超分辨率重建等方法而言,无论在图像视觉效果以及峰值信噪比、结构相似性、均方误差等评价指标上都具有较好优势,反映出将离散小波变换与深度学习方法相结合,有助于提升矿区遥感图像视觉效果,方便后续图像解译判读工作。