《情歌》不见情 只有颓废人——《情歌》的主题分析

《J·阿尔弗雷德·普鲁弗洛克的情歌》的主题可划分为表层主题和深层主题。其表层主题是主人公的爱情之歌,但是爱情悲歌;其深层主题是反映了19世纪初西方社会的空虚和人的精神危机。     

论我国商业银行的合规风险管理

本文探讨了合规风险的内涵，分析了当前我国商业银行合规风险管理存在的问题，并提出了完善商业银行合规风险管理机制的对策。     

喇嘛甸油田新井解释质量控制

喇嘛甸油田近几年乃至今后很长一段时间内,平均年钻井上千口,新井投产时间紧、任务重。在人力设备资源有限的前提下,为保证新井解释质量和投产进度,通过对测井解释流程进行分析,采用对参数解释、油层对比及水淹层解释、数据保存管理等环节进行多级审核或分步审核控制,提高解释质量;建立了参数、对比和水淹解释一体化质量控制体系;对出错频率高的技术环节及地质条件特殊的井层,制定了特殊井层应急处理流程和全井质量控制流程,实现了新井解释规范化、系统化管理。该质量控制体系缩短单井解释周期8.7h,提高新井解释精度6.5个百分点,为新井投产提供了及时、准确的基础资料,为油田持续稳产提供了保障。     

论小康生活实现的特点与走向

我国小康生活的实现具有速度快、指标全面、覆盖率高和实现内容现代化等优势特点，同时也存在着城乡差别、地区差别、各地区城镇差别和各地区农村差别的非均衡性特点，因此，应根据我国小康生活实现的这一特点，继续完成部分地区由温饱向小康的过渡、鼓励部分地区由小康向富裕过渡进而全面建设优质小康生活，为本世纪中叶实现富裕生活水平而奠定基础。     

Turkey＇s Hope

Turkey, lies southeast of Europe on the tip of western Asia, the country enjoys both a historical bond and deep friendship with China. With their respective locations on the west and east ends of the ancient Silk Road, Turkey and China have a long history of political, cultural and trade relations.     

一种基于深度学习的交通标志识别新算法

针对特定场景交通标志精度低与识别速度慢的问题,基于交通标志边缘信息与卷积神经网络,提出了一种交通标志图像识别T-YOLO算法。该算法基于YOLOv2算法检测思想,融合残差网络、卷积层填充0等结构,下采样舍弃池化层改用卷积层,并提取边缘信息与上采样以提升精度,设计7层特征提取网络以缩短识别速度,随后使用Softmax函数归一化实现多分类,并采用批量归一化、多尺度训练等方法缩短训练时间。实验表明,该算法真实有效,图形处理单元（Graphic Processing Unit,GPU）平台上最快检测速度13.69 ms/frame,每帧缩短9.51 ms,最高平均准确率97.3%,提高7.1%,满足实时高精度识别要求。与其他算法相比,该算法在交通标志识别速度与精度方面均有大幅提高,更加适用于现实场景,更贴近车载嵌入式系统。     

油井堵水工艺的质量控制措施研究

随着油田开发时间的延长,油井含水会不断上升,最终会造成一些油层被强水淹没。油井堵水工艺一般采用堵剂封堵强水淹层,其施工过程具有一定的风险性。通过分析影响堵水效果的各种因素,研究探讨了堵水工艺的质量控制措施,有效提高了油井堵水技术的成功率。     

油井管标准的技术现状分析

介绍了油井管标准体系的现状,在对国内外油井管标准体系分析的基础上,对我国目前油井管标准体系中存在的主要技术问题进行了系统分析研究。提出了以等同采用API、ISO油井管标准为基础、以“突出重点、突出技术、突出需求”为指导思想,进一步完善我国油井管标准体系的建议。     

基于高性能集群平台的VLBI处理系统设计

角位置是深空探测航天器导航定位的重要观测量信息,相对于获取航天器距离、速度信息的统一载波测量体制,甚长基线干涉测量(Very Long Baseline Interferometry,VLBI)技术的原始数据量呈几何式增长,海量数据的实时、准实时处理对航天器高精度导航定位提出了新的挑战。依托中国深空网干涉测量中心,论述了基于高性能集群平台环境的航天器干涉测角数据相关处理系统的设计实现,并利用探月工程的实测数据进行了验证分析。分析结论对推进我国深空网干涉测量信号处理中心建设、优化相关处理系统资源配置具有一定的参考价值。     

分离通道联合卷积神经网络的自动调制识别

针对通信信号的自动调制识别需要大量特征提取的问题,提出了一种分离通道卷积神经网络自动调制识别算法。该算法通过结合深度学习中卷积神经网络(CNN),分别提取时域信号的多通道和分离通道调制特征,再利用融合特征实现不同信号的分类。仿真结果表明,相比基于CNN的算法,所提算法在高信噪比下针对两个数据集的识别率分别提升7%和18%;此外,相比于基于特征提取的传统识别算法,其高阶调制识别性能平均提升3 dB。