【摘 要】
：
城市体检作为贯彻落实中央城市工作会议精神的新型城市治理方式，已成为监测“城市病”、推动高质量发展的重要举措。目前，地级市层面的城市体检评估方法与实践研究已有较多，针对中小城市特别是县城的探讨较为缺乏。文章以江苏省金湖县为例，从中小城市发展面临的问题出发，深入研究中小城市响应城市体检的工作思路与规划应对策略，探索建立多领域综合、多主体协同、多维度应对、多特色呈现的工作机制，为中小城市治理提供技术方法
论文部分内容阅读
城市体检作为贯彻落实中央城市工作会议精神的新型城市治理方式，已成为监测“城市病”、推动高质量发展的重要举措。目前，地级市层面的城市体检评估方法与实践研究已有较多，针对中小城市特别是县城的探讨较为缺乏。文章以江苏省金湖县为例，从中小城市发展面临的问题出发，深入研究中小城市响应城市体检的工作思路与规划应对策略，探索建立多领域综合、多主体协同、多维度应对、多特色呈现的工作机制，为中小城市治理提供技术方法和经验参考。
其他文献
随着目前空战武器装备的迅猛发展，对于高空高速大机动目标的轨迹预测越来越占据重要的战略地位。为了解决目前存在的目标轨迹预测不足的问题，本文提出了融合小波分解（wavelet decomposition, WD）和长短期记忆（long short term memory, LSTM）网络的模型来对机动目标的轨迹进行预测。首先，通过小波分解将输入的轨迹时间序列分解为1个低频分量（CD1）和3个高频分量（
随着智能设备的普及和无线通信技术的发展,空间众包（Spatial Crowdsourcing,简称SC）引起了越来越多的关注。在现实场景中,对于复杂的任务,单个工人无法单独高质量地完成任务,此时,空间众包平台更倾向于将每个任务分配给多个工人,这种分配方式称为群组任务分配（Group Task Assignment,简称GTA）。任务分配是空间众包中一个重要的研究方向,对于空间众包中复杂的任务,需要
由于高维数据的空间分布具有簇间差异性和簇内相似性,使得对其进行聚类分析成为可能。然而高维数据结构复杂、冗余信息多,使得高维数据聚类仍然是机器学习与数据挖掘领域的难点之一。基于数据自表示的子空间聚类模型因其扎实的理论基础以及良好的性能表现,近年来引起了数据科学家们的广泛关注。但现有工作中依然存在着以下问题:一是缺乏有效的局部几何结构保持机制,导致相似性度量不准确;二是传统的子空间聚类模型一般采用单层
互联网信息时代中的大多数青年群体因长时间伏案工作和运动量的减少导致脊椎负载能力和负荷量出现平衡失调,在脊椎形态上出现不同程度的弯曲,背部呈现向后凸起并伴有脖子前倾的体态。本文以男青年轻度弓背作为切入点,探讨体表各角度档差分类、纸样放量特征点以及版型的修正方法,探索轻度弓背体男西装放量特征点以及各部位的调整量,为该人群合体型男西装品牌版型设定提供参考性的建议,在个性化定制服务模式中建立起适应轻度弓背
深度强化学习算法将传统强化学习与深度学习两者结合,是目前解决高维决策任务的一类典型算法,已在各领域广泛应用并取得了突破性进展。经验回放机制是深度强化学习中一项关键技术,可以在消除时序样本相关性的同时提高经验样本的利用率。传统的经验回放方法通过对经验样本进行统一存储并随机采样来完成智能体的训练过程,未考虑到不同重要性程度的经验样本对于模型训练的不同影响。本文着眼于提高基于经验回放机制的深度强化学习算
为更好了解西藏高寒草地退化的成因，更加系统、合理地治理高寒草地退化，对前人的研究成果高寒草地的现状、退化成因进行总结、归纳和分析，并提出修复途径，以期有效保护青藏高原草地，建设青藏高原生态屏障。
随着人工智能技术的快速发展,自动驾驶（Autonomous Driving,AD）的研究备受人们关注。深度强化学习算法（Deep reinforcement learning,DRL）是自动驾驶的主要应用方法之一,该算法目前已经成功应用于游戏、医学、机器人控制等领域。大部分DRL算法为了提高样本的覆盖率,没有对探索方法进行安全限制,应用于自动驾驶模型时,智能体在探索过程中可能陷入某些危险状态,导致
网络信息日益膨胀,信息过载问题也日益严重,推荐系统逐渐成为解决这一问题的重要途径。单领域推荐往往会受到数据稀疏和冷启动等问题的影响,因此跨领域推荐成为了推荐系统中一个新的研究分支。在现实生活中,相似的用户可能在不同的领域有相似的品味,这使得跨领域推荐成为一种很有前景并且非常实用的推荐技术。然而,由于负迁移的存在,我们在如何联系用户在不同领域的交互行为,以及如何充分利用辅助领域来帮助用户完成目标领域
战斗部在高能炸药爆炸作用下,形成大量高速破片,这些破片通过侵彻、射流等方式毁伤目标。通过对战斗部破片进行检测与跟踪,获取破片飞行状态和飞行参数,为战斗部毁伤威力提供重要参数依据。由于战斗部破片具有速度高、尺寸小、数量多等特点,以及靶场试验环境复杂多样,一般的图像处理方法满足不了高速摄影中破片图像处理与测量的需求。因此,研究基于深度学习的破片群目标检测与跟踪具有重要的工程应用价值。论文的主要研究内容
复述识别任务,旨在判断两个自然文本是否表达相同的语义,是自然语言处理中的一项基础任务,解决该任务的关键是正确理解句子的语义以及判断出两个句子之间的关系。目前,复述识别方法主要基于深度神经网络模型,该类方法将复述识别任务视为一个二元分类任务,并取得了很大进展。但现有方法在问句复述识别任务中以及在特定领域的复述识别任务中还存在不足之处,如存在信息缺失导致的语义理解与交互不充分问题。因此,本文针对以上科