课程文献中心 更多>>

关键词： 非独创性   数据集合   邻接权   著作权   知识产权法  

摘要： 非独创性公开数据集合作为目前常见的数字资源,俨然成为数字经济发展的重要驱动力。然而,对于此类数据集合,我国尚缺乏具体的保护条款,只能依据《反不正当竞争法》的一般条款对其予以被动保护。纵观各国立法现状,现有的《反不正当竞争法》保护模式、特殊权利保护模式与合同条款保护模式都不可避免地存在着自身局限。通过邻接权制度对非独创性公开数据集合进行保护,既能实现法学理论与制度上的逻辑自洽,又能满足投资者的利益诉求,并充分发挥数据价值的现实需要,不失为一条合理可行的法律保护路径。在规则设计方面,宜新设“创建者权”,并对权利客体、权利主体、权利内容与权利限制进行明确。

关键词： 皮山县鸡冠石:铅锌矿   矿床成因   成矿阶段  

摘要： 新疆皮山县鸡冠石东铅锌矿是近年在西昆仑地区发现的新型矿床,本文从矿区地质、地球化学特征、区域地球物理特征、矿体特征、矿床成矿阶段划分及矿床成因进行分析。

关键词： 美术   外交   马戛尔尼   长城   亚历山大  

摘要： 外交和美术之间关系密切,且两者历史渊源悠久。目前学界虽然有关于欧洲个别国家和清政府互赠礼物的研究,但是聚焦外交与美术主题,从宏观角度探讨美术在古代外交中功能的文章较少。本文以1793年马戛尔尼英国使节团来访为例,讨论美术在古代外交中的功能,并通过观察比较18世纪英国和朝鲜两个使节团画家绘制的长城图,分析欧洲和亚洲两种文明的不同视觉范式。通过对相关文献的梳理解读和对具体美术作品的比较分析,本文在宏观上整理出美术在古代外交中的3个主要功能,在微观上分析了18世纪东西方人的视觉思维方式及体系。

关键词： 区块链   动态网络分片   负载均衡   增量图划分   频时计数器  

摘要： 区块链因其不可篡改、可追溯等特性，为数据存储和交易提供了透明度和安全保障，在金融、民生服务与公共管理等领域展现了其广泛适用性。随着区块链技术在多元化应用场景中的深度渗透，其底层架构需要应对海量数据存储与高频交易处理的双重压力。为突破区块链系统的扩展性瓶颈，区块链分片技术应运而生，其通过分布式并行计算机制有效提升了系统整体吞吐量，这一技术已在以太坊2.0中获得成功验证。然而，当前区块链网络分片中仍存在跨分片交易频繁、重配置开销大和分片间负载不均的问题。针对这些问题，本文提出基于增量图划分的区块链动态网络分片策略，将增量图划分技术用于划分区块链网络交易图，根据网络中节点的变化适时调整分片，在新节点加入交易图中时只处理新增部分，无需从头开始重新划分，降低了跨分片交易比例，更适应区块链网络的动态变化；提出一种动态分片负载优化算法（DSLO，Dynamic Sharding Load Optimization Algorithm）计算交易在各分片上的权值，在算法中引入频时计数器（LFU-TTL，Least Frequently Used - Time To Live），通过结合交易频率和存活时间预测分片负载情况，优化负载均衡。实验结果表明，本方案能有效降低跨分片交易比例、分片重配置时的数据复制成本，改善分片间的负载均衡。

关键词： 脑卒中   运动功能障碍   脑电图   运动意图识别   深度学习   图-时空卷积神经网络  

摘要： 目的探讨图-时空卷积神经网络(G-STCNN)在脑卒中患者运动意图识别中的解码精度和模型性能。方法融合图卷积与时空卷积模块,构建能够同时感知脑电信号局部拓扑结构与全局空间-时间动态特征的G-STCNN模型。选择首都医科大学宣武医院提供的“中风患者脑电图数据集”公共数据库50例急性缺血性脑卒中(CIS)患者的2000条脑电图(EEG)数据集进行验证。采用混淆矩阵实验比较深度卷积神经网络、紧凑型卷积神经网络、浅层卷积神经网络、G-STCNN 4种深度学习模型的解码精度[正确率(ACC)、阳性预测值(PPV)、灵敏度(Sens.)与Kappa系数];采用消融实验评估去除图卷积模块(模块2)与去除时空卷积模块(模块3)后的G-STCNN模型性能。结果①混淆矩阵:深度卷积神经网络模型的左手与右手的分类准确率分别为57.44%和50.89%;误分类率分别为42.56%和43.56%。紧凑型卷积神经网络模型的左手与右手的分类准确率分别为57.56%和54.78%;误分类率分别为42.44%和39.67%。浅层卷积神经网络模型的左手与右手的分类准确率分别为56.56%和49.56%;误分类率分别为43.44%和44.89%。G-ST⁃CNN模型的左手与右手的分类准确率分别为73.55%和76.33%;误分类率分别为26.45%和23.67%。G-ST⁃CNN其对角线数值最大且颜色最深;而非对角数值最小且颜色最浅。②解码精度:与深度卷积神经网络、紧凑型卷积神经网络和浅层卷积神经网络比较,G-STCNN的ACC、PPV、Sens.和Kappa系数均明显更高,差异具有统计学意义(P<0.05)。③模型性能:G-STCNN左手、右手的特征点在二维空间中形成清晰的聚集与明显的边界。去除图卷积模块2后,左手、右手特征点分布明显混杂,聚类边界模糊;去除时空卷积模块3后,左手、右手特征点表现出高程度重叠,类间距离减小。结论G-STCNN模型运动想象任务解码精度更高,可为脑卒中患者分层干预提供数据支持。

关键词： 海洋飞沫   海洋飞沫生成函数   风浪夹角   热通量  

摘要： 海浪破碎产生的海洋飞沫在海气通量过程中至关重要.但以往研究表明:在相同风速下,不同海洋飞沫生成函数(SSGF)所估计的飞沫生成量差异可达4个数量级,这表明现有的SSGF仍存在很大不确定性.而相同风速下的海浪状态会有不同,这可能是导致已有SSGF存在显著差异的重要因素.针对这一科学问题,本文依托海洋塔基平台开展了海浪、海洋飞沫和海气热通量同步观测实验.结果表明,海洋飞沫生成量与风速和波龄密切相关;特别是,风向和波浪方向之间夹角的不同能够导致SSGF产生约1.3个数量级(约20倍)的变化.基于此,本文提出了无量纲风浪参数R_(B)^(0.7)β^(-1)cosθ和新的SSGF,并利用新的SSGF,分别对海气热通量参数(α=6.4,σ=16,γ=6.3)进行了拟合和评估,优化了液滴蒸发层(DEL)内海气热通量的计算,尤其对感热通量计算精度有显著改进.

关键词： 直接计算   数学竞赛   高斯函数   不等式放缩  

摘要： (本讲适合高中)近年来高斯函数在数学竞赛中的考查频率显著提升,然而相关的研究局限于高考题和简单的竞赛题,难以找到深层次的规律。笔者研究了近几年国内外的数学竞赛试题,提炼出六种核心解题思想:(1)直接计算;(2)不等式放缩;(3)复合最值;(4)配对思想。

关键词： 配电网   三相不平衡   动态分区   双层优化模型   相序优化   云模型   遗传算法  

摘要： 传统三相不平衡治理仅关注变压器关口处的三相不平衡情况,忽略了台区内部不平衡特征,且多采用静态调相策略,难以适应灵活源荷接入下低压配电网运行状态的动态变化。为此,提出了一种基于动态区域划分的三相不平衡治理策略。提出基于分区评价指数与阈值触发机制的动态分区方法,以划定后续相序优化的区域范围。建立考虑多类型灵活调节资源的双层优化模型,上层以各分区三相不平衡度最小为目标优化相序配置,下层构建以运行成本最小为目标的电压优化模型。采用基于云模型改进的遗传算法和Gurobi求解器分别求解上下层模型。基于改进的IEEE 123节点系统和0.38 kV实际配电网台区进行仿真,验证了所提策略的有效性与优越性。

关键词： 二次函数   深度学习   动点最值问题   初中数学  

摘要： 在初中数学体系中,二次函数是贯穿代数与几何的核心内容,而动点最值问题作为其综合应用的典型场景,因融合变量动态性、几何图形性质与函数极值分析,成为学生学习的难点.深度学习强调对知识本质的理解与迁移应用,所以本文以二次函数动点最值问题为研究方向,构建系统化的解题模型,通过解构问题类型、提炼解题策略、剖析典型案例,帮助学生建立从“知识输入”到“问题解决”的完整思维链,提升复杂问题的分析与求解能力.

关键词： 风力涡轮机   故障诊断   广义回归神经网络   主成分分析   小波概率密度函数  

摘要： 风能被认为是成本最低、增长最快的可再生清洁能源之一。如果风能要在可再生能源市场中占据更大的份额,风力涡轮机的停机时间和维护成本是需要克服的关键挑战。为此,基于小波概率密度函数,结合广义回归神经网络的单输入集成算法和主成分分析方法,提出一种混合故障检测方法。该方法可以更早地检测到风电机组的叶片故障,以及时对故障做出响应。将所提方法在广东省某风力发电机组获取到的真实数据上进行了验证,并与支持向量机等方案进行比较。结果表明,所提出的故障检测方法相对于其他方法具有更高的检测率和稳定性。所提风电机组叶片故障检测方法是可靠有效的,具有一定的应用前景。