论文部分内容阅读
CK厂房改造项目进度管理研究
【出 处】
:
广东工业大学
【发表日期】
:
2020年01期
其他文献
越来越多的研究表明长链非编码RNA(lncRNA)在各种生物过程中起着关键作用并与多种复杂疾病存在关联关系。虽然进行生物学实验或临床研究可以发现lncRNA与疾病之间存在的关系,但是其需要大量成本和时间。因此,如何利用较少的lncRNA-疾病的关系,设计相应的计算方法以预测潜在的lncRNA-疾病关联成为了解决传统生物学实验昂贵且费时的有效途径,也是当前的研究热点。近年来,研究人员提出了各种计算方
多示例学习是一种新型的机器学习框架,与其他学习框架不同,它从由多个示例组成的包中学习分类器,并对包或示例的标签进行预测。多示例学习的特点是其训练集只具有包层级的标签信息,而示例层级的标签信息是未知的。在多分类多示例学习问题的假设中,每个包至少含有一个示例的标签与从属的包标签一致。以往对多示例学习的研究假设数据集只包含目标类,即需要分类的类别,然而在现实应用中研究者可以收集一些不属于任何目标类的Un
当前的安卓恶意应用检测模型往往依赖于大规模带标注的样本。收集大量带标注样本和反编译提取其特征,存在资源成本高、训练和反编译时间长、检测效率低和门槛高等问题。对于出现的新型恶意应用,需要收集足够的样本数据,重新设计和训练模型才能进行识别和检测,导致针对恶意攻击的安全防御存在滞后性。针对恶意安卓应用程序检测中存在的特征维度大、样本量要求高和检测效率低的问题,结合卷积神经网络CNN良好的特征提取和降维能
为实现收获机无人驾驶自适应调控,提出一种基于双目视觉对田间作物高度和收割边界信息进行提取的方法。利用双目相机获取三维数据,基于RANSAC算法拟合初始地面平面,结合IMU计算作业实时平面,根据点到平面的距离将三维数据转换为对应的实际高度。提出一种改进的结合密度峰聚类和K均值聚类的方法对高度数据分类,同时基于归一化彩色图像分割作物上部区域,融合高度分类和彩色图像分割结果,实现作物高度信息的提取。利用
定制型装备企业产品种类繁多、交货期短,其生产运作过程是一个新项目到达和完工项目离开的过程。传统项目管理中,在制定项目基准计划时通常只考虑当前承担的项目,而未考虑未来新项目对现有生产的影响。在工程实际中,企业每天新到达的项目数量、类型以及具体的项目信息都是不确定的。由于所制定的基准计划未考虑新项目的影响,项目执行过程中若受到新项目的冲击,很容易导致无法按照计划如期完成,进度滞留,产生大量拖期成本。制