摘要：传统工科专业的改造升级是新工科建设的重要内容,跨学科专业培养创新性工程技术人才是地方普通高校新工科建设面临的一项挑战性任务。本文结合学校实际,以电子信息产业发展需求为导向,对学校现有专业的培养模式进行了改革探索。通过围绕产业链建设专业链,构建跨学科专业的专业集群;通过强化顶层设计为保障,构建组织管理新机制;通过以培养学生创新能力为核心,构建人才培养新模式。形成了产业-技术-专业三链贯通的跨学科专业的专业集群新工科建设基本体系。多年的教学实践表明,学生的跨学科专业创新实践能力获得了显著提升,为传统工科专业的改造升级提供有益借鉴。

摘要：A reasonable design strategy to improve the utilization of noble metal electrocatalysts for the hydrogen evolution reaction(HER)is crucial to simplify the process flow and accelerate the future renewable energy ***,abundant defects were created on 2.4-nm Ru nanoparticles to achieve unprecedently high mass-specific reactivity in harsh acidic and alkaline *** obtained defect-enriched Ru(DR-Ru)exhibits an ultrahigh HER turnover frequency of16.4 s^(-1)with a 100-mV overpotential in alkaline media,and it also retains an excellent value of 20.6 s^(-1)in acidic media;these results are superior to those reported for other Ru ***,a record-low loading of 2.5μg cm^(-2)for the DR-Ru catalysts and low overpotentials of 28.2 and 25.1 mV at10 mA cm^(-2)can be realized in alkaline and acidic media,***,the less coordinated Ru surface sites and partial lattice oxygen introduction weaken the bonding between H and DR-Ru catalysts,facilitate fast acidic HERkinetics and help dissociate the water molecule to overcome the major challenge of HER in alkaline electrolytes,leading to an activity comparable to that under acidic *** result provides a guideline for defect engineering on noble metal nanocatalysts to effectively improve the utilization of the catalysts and optimize reactivities.

摘要：通过数值模拟计算列车会车风压和横向振动加速度,对列车交会时的平稳性进行了评价,对比了市域(郊)铁路和干线高速铁路的会车频率,分析了增减线间距对工程投资的影响。结果表明:市域(郊)铁路明线地段最小线间距按照TB 10624—2020《市域(郊)铁路设计规范》进行设置,两相同车型的列车以176 km/h等速会车时,列车平稳性仅合格,而增大线间距可有效降低会车压力对列车平稳性的影响;市域(郊)铁路会车频率比干线高速铁路高,会车引起的车体横向振动更频繁,故应尽可能提高会车时列车平稳性等级;市域(郊)铁路明线桥梁地段略微增大线间距对工程投资影响极小。因此,建议时速160 km的市域(郊)铁路明线地段,在TB 10624—2020推荐的最小线间距基础上增大0.2 m。

摘要：品牌传播学中关于“名牌”的概念流变研究一直处于盲点。有研究显示,“名牌”一词在宋代已有出现,但其意涵与现代不同。晚清民国时期西方名牌观念开始在中国传播、发展,名牌在东西方语境下均被接受与使用;新中国成立后“名牌”的功能在顶层设计下由个体消费转向服务社会;20 世纪80、90 年代顶层设计与大众消费的双重推动使“名牌”的概念逐步趋于大众消费视角,“名牌”的概念认知进入混乱期,其含义趋于“窄化”;进入21 世纪“名牌” 一词逐渐被“品牌”取代,完成了自身概念的升替。

摘要：以Indeed招聘网站中职位名称包含“Data Science”的1312个招聘广告为数据源,对数据科学人才的技能需求和职务职责描述进行聚类分析。研究发现:数据科学人才要求的学科背景主要有计算机科学、统计学和数学等;所需要的技能主要包括数据科学相关的知识和经验,机器学习、自然语言处理及深度学习技术,Python、R、SQL、Spark等相关的软件工具;岗位职责包括项目管理及过程管理,团队管理、产品及业务管理,机器学习及建模,数据分析及技术服务等。基于此,提出注重不同领域、不同学科交叉融合,设计多层次的数据科学课程体系,强化数据分析课程链建设,注重实践教育等建议。

摘要：该文针对探地雷达(GPR)2维剖面图像中目标特征提取困难及其识别精度较低等问题,采用深度学习方法来提取2维剖面图像中目标的特征双曲线。根据GPR工作的物理机制,设计了一种级联结构的卷积神经网络(CNN),先检测并去除回波数据中的直达波干扰信号,再利用CNN得到B扫描(B-SCAN)图像的特征图,并对特征信号进行分类识别以提取目标的特征双曲线。同时,为处理各种干扰信号影响目标特征双曲线结构完整性的问题,提出了一种基于方向引导的特征数据补全方法,提高了目标特征双曲线识别的准确率。与方向梯度直方图(HOG)算法、单级式目标检测(YOLOV3)算法和更快速的区域卷积神经网络(Faster RCNN)算法相比,在综合评价指标F上该文方法的检测结果是最优的。

摘要：水稻籽粒检测在粮食储存中凸显重要作用,直接影响粮食销售的价格。针对一般机器视觉检测算法在水稻籽粒小目标的密集场景下存在难以识别且网络模型参数大,检测速度较慢、成本高等问题,提出一种基于YOLO v7优化的水稻籽粒检测算法。首先将部分高效聚合网络模块(Efficient layer aggregation network,ELAN)替换成轻量级网络模块GhostNetV2添加到主干及颈部网络部分,实现网络参数精简化的同时也减少了通道中的特征冗余;其次将卷积和自注意力结合的注意力模块(Convolution and self-attention mixed model,ACmix)添加到MP模块中,平衡全局和局部的特征信息,充分关注特征映射的细节信息;最后使用WIoU(Wise intersection over union)作为损失函数,减少了距离、纵横比之类的惩罚项干扰,单调聚焦机制的设计提高了模型的定位性能。在水稻籽粒图像数据集上验证改进后的模型检测水平,实验结果表明,改进后的YOLO v7模型的mAP@0.5达96.55%,mAP@0.5:0.95达70.10%,训练模型参数量也有所下降,在实际场景以暗黑色为背景的水稻杂质检测中的效果优于其他模型,满足了水稻籽粒的实时检测要求,可将此算法应用于自动化检测粮食系统中。

摘要：在线核回归学习中,每当一个新的样本到来,训练器都需要计算核矩阵的逆矩阵,这个过程的计算复杂度至少为关于回合数的平方级别。提出将素描方法应用于假设的更新,给出一个基于素描方法的更高效的在线核回归算法。首先,将损失函数设定为平方损失,应用Nystr?m近似方法来近似核,并借鉴跟导方法(FTL)的思想,提出一个新的梯度下降算法,称之为FTL-在线核回归(F-OKR);然后,应用素描方法对其加速,使得F-OKR的计算复杂度降低到关于回合数和素描规模线性、关于数据维度平方的级别;最后,设计了一个高效的素描在线核回归算法(SOKR)。与F-OKR相比,SOKR的精度几乎没有影响,而同时在适当的数据集上,运行时间减少16.7%左右。在理论上证得了两种算法的亚线性后悔界。实验结果也验证了所提算法与Nystr?m在线梯度下降算法(NOGD)相比有更好的表现,平均损失降低约64%。

摘要：针对冷库蒸发器除霜能耗大的问题,以二次冷凝除霜冷库为研究对象,建立了系统热力学模型,通过试验验证了二次冷凝除霜模型的有效性,并对比热气旁通除霜模型验证其节能性。为优化二次冷凝除霜冷库除霜性能,设计试验研究不同因素对系统运行能耗的影响,通过改变不同的蒸发器传热温差、蒸发温度和冷凝温度,获得系统除霜周期能耗并进行对比分析。结果表明:1)蒸发器传热温差宜取7~9℃;2)蒸发温度降低,二次冷凝除霜周期能耗增加,但相比热气旁通除霜节能性增加,当冷凝温度为34~38℃,蒸发温度为−20~−10℃时,单位冷库容积二次冷凝除霜周期能耗为0.055~0.080 kW·h/m^(3),相比热气旁通除霜节能12.7%~15.8%;3)冷凝温度增加,二次冷凝除霜周期能耗增加,同时相比热气旁通除霜节能性增加,当蒸发温度为−15℃,冷凝温度为34~38℃时,单位冷库容积二次冷凝除霜周期平均能耗为0.0675~0.0785 kW·h/m^(3),相比热气旁通除霜节能12.3%~16.5%。该研究可为制冷系统的节能运行提供参考。

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。