【摘 要】
：
人类社会即将步入的物联网时代对人与物、人与机器的关系带来了重大挑战,商业模式迅猛变革,企业家精神正在展开一场重新塑造的过程。要更好地把握这一进程,需要对工业时代的管理理念进行深刻反思。从技术哲学的角度阐释新的企业家精神内涵,就需要应对不确定的新的思维方式、面向偶然性的生成能力以及多重自我的反思与规划。其实现路径首先要承认技术在相当程度上的自主性,继而以新概念达至可能的解放。
论文部分内容阅读
人类社会即将步入的物联网时代对人与物、人与机器的关系带来了重大挑战,商业模式迅猛变革,企业家精神正在展开一场重新塑造的过程。要更好地把握这一进程,需要对工业时代的管理理念进行深刻反思。从技术哲学的角度阐释新的企业家精神内涵,就需要应对不确定的新的思维方式、面向偶然性的生成能力以及多重自我的反思与规划。其实现路径首先要承认技术在相当程度上的自主性,继而以新概念达至可能的解放。
其他文献
Over the years, the actual theory of wavelet has been developed rapidly. Because it has good time-frequency characteristics, it has received the attention of many scholars, and it has also used many f
为了揭示安徽三汊河国家湿地公园不同土地利用方式下土壤有机碳及其活性组分含量的差异,于2017年7月16日,在该湿地公园内的天然沼泽——芦苇(Phragmites australis)+藨草(Scirpus triqueter)沼泽、由天然沼泽开垦的分别耕种了3 a和30 a的耕地、果园和林地中,采集表层(0～10 cm深度)土壤样品,测定土样中的有机碳、微生物量碳、可矿化碳和可溶性碳含量。研究结果
研究复垦土壤中活性和难降解碳氮组分随复垦年限和施肥措施变化的特征,以期深入理解采煤塌陷区复垦土壤碳氮的稳定性机制.采集复垦4年和8年的定位试验各处理耕层(0-20 cm)土样,利用H2SO4水解法分析活性组分Ⅰ、Ⅱ和难降解组分中有机碳(SOC)、全氮(TN)的变化特征.试验设不施肥(CK)、平衡施氮磷钾肥(CF)、单施有机肥(M)、有机无机肥配施(MCF)和生物有机肥配施化肥(MCFB) 5个处理
为了提高大型雕塑型面钢架分割完整度,基于水平集接力设计了新型钢架分割方法。以水平集理论为核心,建立钢架的水平集模型,利用水平函数公式生成雕塑钢架型面模组,按照其应力子区域的分界线,对钢架模组进行初始分割,分析钢架结构灰度波动,获取波动值并带入到上述雕塑钢架型面模组中,将波动曲线与分界线重合,获取金属钢架最佳分割结构,以该结构为样本,利用主成分分析法,完成数据聚合,将钢架的多结构转化为单一结构,根据
石家庄科林电气股份有限公司(以下简称"科林电气")始创于2000年,总部坐落于河北省石家庄市,是一家提供电力系统一、二次产品完整解决方案,集研发、生产、销售和服务为一体的高新技术企业。通过近20年的不懈努力,科林电气已成为国内知名的智慧电气设备供应商、智慧电力系统方案解决商以及绿色新能源服务商,在全国30个省、直辖市、自治区以及海外均设有分公司或办事处,为电力
能源电力行业处于快速变革和发展时期,而以新能源技术和互联网技术为代表的第三次工业革命正在兴起。在新一轮能源革命背景下,国家电网有限公司提出"三型两网、世界一流"的战略目标,建设泛在电力物联网(IoT)为电网运行更安全、管理更精益、投资更精准、服务更优质开辟了一条新路。配电物联网(PD-IoT)是泛在电力物联网在配电领域中的应用体现,是传统电力工业技术与物联网技术深度融合产生的一种新型电力网络运行形
中国科学院东海海洋观测研究站(以下简称"东海站")始建于2008年,是中国科学院近海海洋观测研究网络骨干台站。2009年8月,完成了首套直径10米海洋综合观测浮标系统的布放,并完成陆基站数据接收系统建设运行,正式开始实时数据观测。通过10多年的建设与发展,基本上形成在水平尺度上覆盖范围广阔的东海观测浮标阵列,在空间尺度上涵盖海洋大气、海洋表层、剖面水体和海底的全尺度观测体系;构建完成我国东海海域海
泛在电力物联网(UEP-IoT)背景下,采用数据中心集中处理的传统云计算运行方式难以适应急剧扩大的数据规模,且存在对电力数据中心计算能力要求较高的缺点。针对上述问题,在构建基于边缘计算的泛在电力物联网数据处理架构的基础上,提出一种新的感知自适应数据处理方法。首先,通过设计基于计数bloom滤波器的边缘节点数据类型自适应感知机制,从而自动识别泛在电力物联网数据类别与对应字段。其次,设计了一种包含了通
针对快速仿射不变特征提取算法分类识别能力较差的问题,首先找出了算法证明及计算过程中的不足;其次提出并证明了扩展轮廓的仿射不变性,并通过扩展轮廓修正了算法中不足;然后,通过仿真实验给出了算法中参数设置的区间,并确定了算法中组合函数的个数及幂次。实验对比了基于扩展轮廓的快速仿射不变特征提取算法与原始算法及多尺度自卷积矩算法的分类识别能力,结果表明,基于扩展轮廓的快速仿射不变特征提取算法的分类识别能力明
随着大数据平台的建立,数据中心积累了大量现场检测存储的图像等非结构化数据。传统的局部放电模式识别方法一般针对结构化数据,无法直接应用于非结构化数据。为解决该问题,提出一种基于一维卷积神经网络的局部放电时域波形图像的模式识别方法。利用图像处理技术对输入图像进行预处理,获取数据一维特性并进行线性归一化。基于深度学习,利用网络直接进行模式识别。通过变电站现场带电检测和实验室模拟实验,建立了5种局放缺陷类