一、下一个 永远是下一个（论文文献综述）
郭晟楠[1]（2021）在《面向预测的时空数据学习方法研究》文中提出时空数据预测是时空数据挖掘领域的核心研究问题之一,在交通、气象、医疗等领域具有重要的应用价值。面向交通领域中不同类型的时空数据设计合适的学习模型服务于实际应用场景中的各类预测任务,可以辅助实现交通系统的智能化,提高交通系统的运行安全和运营效率,提升交通参与者的体验。在推进现代智能交通系统发展的过程中,随着日益增长的对数据预测的迫切需求,如何实现准确的时空数据预测是一个亟待解决的重要问题。传统的数据建模方法和预测模型无法有效学习各类时空数据中蕴含的关键模式,如相关性模式、周期性模式、异质性模式等,导致预测结果不够准确无法满足实际应用需求。本文以交通场景中不同类型的时空数据预测需求为导向,针对不同类型的时空数据的特点,提出了一系列创新性的时空神经网络预测模型,分别用于包括时空网格、时空图和时空事件三类时空数据的学习与预测。论文的主要创新性研究包括:1.面向时空网格数据预测任务,为了有效学习时空网格具有的时空相关性和异质性,提出了一种深度时空三维卷积神经网络模型ST-3DNet。ST-3DNet是一种端到端的预测模型,首次将三维卷积引入时空交通数据预测领域以自动学习交通网格数据的时空相关性模式;设计了一种新颖的重校准模块来显式量化空间维度相关性模式的贡献强度的差异;分别采用两个由三维卷积网络层和重校准模块组成的子网络来建模时空网格数据的近期依赖模式和周期模式。在三个交通网格数据集上的实验结果证明ST-3DNet模型可以提升时空网格数据预测准确性。2.面向时空图数据预测任务,为了有效学习时空图数据具有的时空动态性、周期性和空间异质性,提出了一种时空注意力图神经网络预测模型ASTGNN。在时间维度上,设计了一种新颖的自注意力机制对连续数值序列进行编码,通过充分考虑连续数值点周围的局部变化趋势,准确建模序列中任意两点之间的时间动态性。在空间维度上,提出了一种动态图卷积模块,利用自注意力机制捕获时空图数据的空间动态性。引入时间位置嵌入模块和空间位置嵌入模块,以一种简洁的方式建模时空图数据的周期性和空间异质性。在五个真实交通图数据集上的实验结果表明,ASTGNN模型取得了更好的预测准确率。3.面向时空事件发生位置预测任务,为了全面刻画用户移动事件发生的时空场景,建模异步发生的移动事件之间的时空相关性、从具有多样性和不确定性的用户移动行为中学习用户的移动规律,提出了一种深度位置生成模型LDGN,实现了基于用户历史移动事件数据,预测用户下一个移动事件发生的地点。LDGN设计了一种新颖的时空异质网络嵌入模块来建模用户移动事件发生的时空上下文场景;提出了一种具有空间感知功能的基于自注意力机制的编码器配合一种连续时间嵌入机制实现了对异步发生的具有复杂时空相关性的移动事件序列进行编码;将用户的移动事件视为需求驱动的结果,并引入一个服从高斯混合分布的隐变量“主题”建模用户多样性的需求。在三个真实的用户移动数据集上的实验结果验证了LDGN模型的有效性。4.面向时空事件发生时间预测任务,在第五章充分建模了用户移动事件发生的时空场景、捕获了异步发生的移动事件之间的时空相关性、考虑了用户行为的多样性和不确定性的基础上,提出了一种深度时间生成模型TDGN,根据用户历史移动事件序列,预测用户下一个移动事件发生的时间。TDGN在LDGN的基础上,借助LDGN建模时空移动事件数据的优势,提出将事件发生的时间间隔建模为服从混合对数正态分布的变量以充分刻画用户在时间维度上复杂的移动行为规律。在三个真实的用户移动数据集上的实验结果表明TDGN可以有效学习用户移动行为发生的时间模式并且较为准确地预测下一个移动事件的发生时间。
赵倩儒[2]（2021）在《考虑能耗的自动化集装箱码头作业设备协同调度优化》文中认为随着“互联网+”和5G时代的到来,建设绿色、智慧、安全、专业、高效的港口是全球港口发展的主要趋势。自动化集装箱码头作为绿色智慧港口的重要标志,正在引领港口建设新的变革。无论是像上海洋山港自动化集装箱码头这样的新建码头,还是像天津港这样由传统码头改造升级的自动化集装箱码头,均始终秉持着绿色、智慧、经济、高效的理念。生产作业自动化是自动化集装箱码头建设和改造升级的核心,通过加大自动化作业设备的投入,采用先进的自动化集装箱码头作业设备,如自动化岸边起重机（Automated Quay Crane,AQC）、自动导引车（Automated Guided Vehicle,AGV）以及自动化轨道吊（Automated Rail-Mounted Gantry,ARMG）等,利用智能调度、远程操控、能耗监测以及安全预警等手段推动自动化集装箱码头的建设应用。此外,从绿色节能的视角,研究自动化集装箱码头作业设备的协同调度问题对于提高自动化码头整体作业效率,降低生产作业能源消耗,实现码头绿色智慧调度具有重要意义。本文的研究对象是自动化集装箱码头核心作业设备,研究重点是自动化作业设备间协同调度优化,以作业总时间和总能耗最小为双重优化目标,设置目标优先级,以总作业时间最小为第一优先级,总作业能耗最小为第二优先级,即在保证码头生产效率的前提下,兼顾降低能耗的优化目标。通过调整AQC、AGV和ARMG的数量配置关系,突出自动化作业设备间协同调度的重要性。本文的主要研究内容如下:（1）自动化集装箱码头作业设备协同调度研究边界的限定和优化目标的提出。通过对自动化集装箱码头核心作业设备和进出口操作流程进行分析,限定了本文研究的边界,为了突出重点研究自动化作业设备间的协同调度问题,本文将研究边界上限设在自动化双小车岸桥装卸船作业,下限设在自动化双轨道吊堆场堆存作业,以自动化集装箱码头作业总时间最小和总能耗最小为双重优化目标展开研究。（2）考虑能耗的自动化集装箱码头作业设备协同调度体系构建。在对自动化集装箱码头作业系统分析的基础上,本文构建了自动化码头作业设备调度的四层结构模型、能效关系模型和逻辑框架模型,为接下来的研究提供理论基础和依据。（3）考虑能耗的自动化双小车岸桥与AGV协同调度研究。以自动化集装箱码头核心作业设备中的装卸船设备和水平运输设备为研究对象,通过分析各自动化设备的作业特点和能源消耗情况,以作业总时间和总能耗最小为双重优化目标,构建以总作业时间最小为第一目标优先级的AQC和AGV的协同调度模型,建模过程中引入AQC中转平台容量限制等约束条件,模型的求解算法设计的是改进二阶段禁忌搜索算法,通过算例实验验证AQC与AGV协同调度模型和二阶段禁忌搜索算法是真实有效的,最终获得兼顾提升作业效率和降低能耗双重目标的AQC与AGV协同调度优化方案。（4）考虑能耗的AGV和自动化轨道吊协同调度研究。以自动化集装箱码头核心作业设备中的水平运输设备和堆场堆存设备为研究对象,通过分析各自动化设备的作业特点和能源消耗情况,以作业总时间和总能耗最小为双重优化目标,构建以总作业时间最小为第一目标优先级的AGV和ARMG协同调度模型,建模过程中引入双ARMG相互干扰等约束条件,通过算法对比,选择二阶段遗传算法求解模型,采用算例实验证明AGV和ARMG协同调度模型和二阶段遗传算法在解决该问题上的有效性,最终获得兼顾提升作业效率和降低能耗双重目标的AGV与ARMG协同调度优化方案。（5）考虑能耗的AQC、AGV和ARMG协同调度研究。以自动化集装箱码头核心作业设备中的装卸船设备、水平运输设备和堆场堆存设备为研究对象,通过分析各自动化设备的作业特点和能源消耗情况,以作业总时间和总能耗最小为双重优化目标,设置目标优先级,基于混合流水车间调度理论,构建AQC、AGV和ARMG的集成调度模型,参考混合流水车间调度问题的求解算法,设计改进的果蝇优化算法求解该问题,采用自适应步长策略提高嗅觉搜索的寻优能力,同时引入协同机制。最后,通过算例对模型和算法的有效性加以验证。
刘立坤[3]（2021）在《深度报文检测的性能提升与安全增强》文中提出网络与信息安全技术深刻地改变着人类生活生产方式,与此同时,世界上大国间的博弈日趋激烈,跨主权犯罪团伙、黑产组织等活动日益猖獗,各种网络渗透与入侵的强度和严重程度不断飙升,严重影响各国国家安全与社会稳定。深度报文检测作为网络防御的核心技术,在网络信息安全保障中发挥着不可替代的作用,大模式集和大流量是其性能关键,影响各个环节的效率,针对每个环节的攻击也会影响和制约其发挥作用。因此,深度报文检测面临着性能和安全两方面挑战。不断增大的攻击特征规模增加了核心功能模式匹配算法的时空资源消耗,不断增长的网络流量增加了单机性能压力,不断涌现的具有针对性的攻击增加了安全威胁。国家级大流量深度报文检测技术亟待进一步优化改造。本文针对深度报文检测面临的挑战,研究基于模式特征和流量特征的模式匹配算法,面向算法复杂度攻击和网络渗透的深度报文检测安全防御能力,主要贡献如下:首先,从模式特征适应性的角度,研究深度报文检测系统的并行模式匹配算法。模式规模与模式特征是影响模式匹配性能的关键因素之一。真实环境下大模式集长度分布具有范围广、动态变化特征,现有模式匹配算法对长度敏感,仅在特定模式长度下具有高效性,缺少适应不同长度分布的高效匹配算法。为了解决这个问题,本文提出了一种基于千万模式特征优化的并行模式匹配技术,细粒度地对模式集进行重组、调度、评估与优化。本文采用不易陷入局部最优的遗传退火算法对模式划分的结果进行多核调度。根据模式长度的适应性,本文提出了评估与优化方案,通过建立评估标准衡量调度结果,通过模式集优化对不满足评估条件的结果再进行重组与调度。实验表明,当模式数量为10时,该算法比动态规划划分算法提高了43%,并且模式集规模越大,提升越明显。其次,从非命中流量特征分析的角度,研究深度报文检测系统的模式匹配性能提升算法。在实际工作中,流量内容命中模式集的概率不足万分之一,常用模式匹配算法并未考虑流量内容特征,如何提高非命中流量处理性能是提高系统性能的一个突破口。本文提出了一种基于非命中流量特征的模式匹配技术,通过增加对非命中流量中大量重复字符串的特殊处理,提高检测速度。首先,提取在一定时间窗口内网络流量中的重复字符串,通过k-grams法构建重复字符串库,然后,构建模式匹配框架,对常规内容和重复字符串采用不同模式匹配算法构建匹配子模块,并建立映射关系。实验表明,该算法比双路径方法提高了10%-30%。然后,从模式匹配算法脆弱性的角度,研究提高深度报文检测安全防御能力的方法。算法复杂度攻击（Algorithmic Complexity Attacks）是一种典型的利用模式匹配算法脆弱性消耗系统时空资源的攻击技术,攻击者通过掌握的先验知识伪造攻击数据,使算法一直运行在最坏时间复杂度上。本文从攻击流下的攻击检测算法、模式匹配算法和基于多核的流调度算法进行防御,提出了一种基于I级和II级两级阈值的算法复杂度攻击检测方法,基于自定义索引顺序的模式匹配算法,基于多核的流调度算法。实验表明,在攻击强度超过10%后,性能上,两级阈值检测法比无阈值提高11%-60%,比I级阈值提高4%-14%。当攻击强度为30%时,自定义索引顺序算法比常用算法提升79%,多核流调度算法受攻击影响较小,比自定义索引顺序算法提升21%。最后,从协议漏洞的角度,研究提高深度报文检测防御网络渗透的方法。网络渗透严重威胁深度报文检测系统的安全,如TCP状态机攻击和多路径传输攻击。TCP状态机攻击是攻击者通过伪造报文干扰系统的TCP状态机,误导其丢弃攻击流量,本文设计了TCP还原辅助缓冲区和TTL表识别此类攻击,实验表明,检测攻击成功率为96%。多路径传输攻击是攻击者通过将攻击数据分片,利用MPTCP协议将每个分片经过单独网络向目标传输,由于深度报文检测缺少分布式检测MPTCP协议,导致对攻击数据分片出现误判。本文定义了邻接内容,将多个深度报文检测系统相同流的内容关联起来,提出了分布式异步并行检测算法。从攻击强度和恶意特征分片数目两个方面进行的实验结果表明,攻击强度是影响整体性能的因素,随着攻击强度的增强,性能均呈下降趋势,平均检测攻击成功率达到98.8%。在相同的攻击强度下,比现有分布式检测算法性能提升4%-22%,且性能提升空间随着恶意特征分片数量的增加而增大,平均检测成功率提高到98.7%。
郑晨旺[4]（2021）在《基于用户动态偏好与注意力机制的兴趣点推荐算法研究》文中研究表明随着智能设备的普及和移动互联网技术的迅速发展,基于位置的社交网络（Location-based Social Networks,LBSNs）开始变得普遍和流行。兴趣点（Point-of-Interest,POI）推荐作为LBSNs中核心的智能应用,能够通过用户在社交网络上记录的历史移动轨迹预测用户将要访问的下一个兴趣点。然而现有对这项技术的研究仍然面临着两个挑战。首先,用户的历史签到轨迹蕴含了用户在物理世界的序列转移模式,这对预测用户的下一个签到行为至关重要。然而用户的序列模式往往是高阶的并且具有复杂的时空依赖性,很难有效地学习。其次,用户在长期的签到历史中的兴趣偏好是复杂多样且动态变化的,对用户长期和短期的偏好同时建模非常重要。然而现有方法很难有效地学习用户动态的长短期偏好,且忽略了这两种偏好之间的相互作用。针对以上的挑战,本文的工作主要包括以下三个方面。（1）为了有效地捕捉用户签到行为中复杂的序列转移模式,提出了一种基于时空自注意力网络的序列偏好模型。该模型利用签到序列内部兴趣点之间的时间间隔和地理距离信息分别构建相对时间编码和地理注意力权重来改进标准的自注意力网络。该网络可以充分地学习签到序列内任意两个兴趣点之间复杂且细粒度的转移依赖,即语义、时间和空间关系。（2）为了进一步学习用户复杂且动态的兴趣偏好,在时空自注意力网络的基础上提出了一个记忆增强的层级注意力网络,以此实现同时对用户长期偏好和短期偏好动态地建模。对于长期偏好学习,我们使用键-值记忆网路来存储用户细粒度的潜在偏好,并设计了记忆网络的读/写操作使得网络能够根据用户不断更新的签到记录动态的管理用户的长期记忆。最后,我们设计了一个长短期协同注意力网络来捕捉长期偏好和短期偏好之间的潜在联系和相互作用。（3）我们在两个真实的LBSN数据集上进行了广泛的实验仿真,将所提出的方法与现有具有代表性的推荐方法进行对比,结果表明所提出的方法在多个评价标准上性能都有明显的提升,证明了我们提出的模型的有效性。同时通过消融实验验证了所提出模型的各个模块都是有效的。
胡宇[5]（2021）在《一种基于参考规范的专业文本生成方法》文中指出参考规范是指对专业知识点的相关文本描述,用于指导生成文本满足与参考规范的语义相关性和知识点匹配性,参考规范指导下的文本生成是自然语言处理领域中的一个困难问题。现有可控性文本生成方法主要针对情感、态度等通用性质,不适用于上述任务中对生成文本的复杂专业控制要求。在参考规范指导下的专业文本生成任务中生成文本需同时具备三个要求:语言连贯,符合语言学规范;内容与参考规范语义相关;知识点匹配性较好。针对这些要求,本文提出了基于对抗架构的专业文本生成模型,对生成文本进行了多角度的约束。本文主要贡献如下:（1）提出了基于参考规范的条件生成器结构。采用多个独立的生成器,生成器的个数和知识点匹配程度的种类个数相同,每个生成器对应生成一个知识点匹配种类的文本。各生成器均为自编码器结构,其中编码器通过循环神经网络提取参考规范文本的语义特征,解码器通过使用注意力机制提取参考规范对当前时刻的关键特征,并和已经生成的部分文本的特征信息进行结合,得到接下来要生成的词语。然后通过判别器对生成文本进行评价,得到一个综合的评分,生成器根据这个评分来更新参数,以使生成文本能够获得更高评分,更加符合各项要求。（2）提出了多角度评价判别器结构。使用两个判别器,第一个判别器为连贯性判别器,由一个语言模型构成,用于指导生成文本的语言规范;第二个判别器为专业性判别器,由一个多分类器构成,用于指导生成文本与参考规范的语义相关性和知识点的匹配性。并设计了相应的计算方法,将判别器的判别结果表示为各个角度的评分,然后将这些评分结果进行汇总,作为最终的评价。（3）在真实的数据集上对模型的效果进行了验证。使用多个国家级专业考试真实数据集,采用不同的评价指标分别从各个角度对生成文本进行分析。实验结果显示,本文模型的生成文本在连贯性、与参考规范的语义相关性和知识点匹配性上均表现较好,更符合该场景下的文本生成需求。
邹玉清[6]（2021）在《基于未来视角的产品设计方法研究》文中指出时代发展到今天,创新驱动发展已经成为国家战略,而设计创新是创新驱动发展的重要组成部分。设计创新离不开思维与方法,基于未来视角的创新设计思维是实现方法中的一种。本文以产品设计为研究对象,对具有前瞻性、探索性、预测性特征的未来设计思维进行了较为全面的梳理,在比较了自然科学、人文科学中部分学科对“未来思维”认知的基础上,对未来设计的相关概念进行了再认识,进一步确认了未来设计思维的思维路径:以终为始的“终点思维”、梳理因果的“布局思维”、寻觅机会的“复合思维”;从造物组合、系统组合、资源牵引三个方面分析了产品设计中获取未来优势的工具;并从周期、视野维度、资源转换三个方面论述了未来设计中获取效率剩余的价值、影响设计思维的不变量与变量关系、相关性的因果关系、未来设计思维中的驱动与制约因素等,从而提出了未来设计方法的原则、实现方式以及一种“非效率”的创新设计方法并构建了这种方法的设计模型。未来视角呈现出客观未来以及主观未来的两种不同图景,我们认识中的客观未来呈现出时空的进程;而主观未来是一个实现“目的”的过程。这个趋向目的的过程使得未来视角的设计思维与方法产生当下的意义:即未来设计是对未来的长期目标所产生意义的回应,是根据当前的走向及对未来发展趋势认识的基础上,对将要到来时间的某个目标,进行探索、预测和实验,从而创造性地提出新型造物的一系列构想,以及对未来产品设计的启发。本文认为未来是一个动态化的进程,以观察者的角度从“过去已经发生的未来”的视角,归纳造物工具在未来进程中的各参与方的关系、以及相关作用;通过归纳工具产品在“过去的未来式”的作用,对应今天的“未来式”的发展,以至演绎将来的“未来式”。由未来的“目的”来求解当下的未来视角中的产品设计方法的建构。认为工具产品在未来进程中的作用是“获取未来优势的工具”。在具体的实现上则是用工具产品作为人的生理系统的延伸,最大化的获取与转换资源,获取效率剩余,服务于人的主观未来目的,是达成主客观的时空一致性的工具。同时这个趋向资源获取与转换过程中的主观造物行为受到客观因素的影响,具体表现在受到客观外部周期的影响、主观对客观认识的影响、以及主观视角上获取转换资源的能力的制约。从主观未来视角的非效率指向与客观视角的效率现象在未来进程中的关系以及制约因素,来构建趋向未来资源进行未来视角的产品设计方法。是一种面向未来可能性和探索性的产品设计方法建构。在具体的建构过程中,从自然界的大设计的平均效率与主观未来目的的获取效率剩余的工具目标之间的关系来建构主观跨越客观的产品设计溯层原则;从技术方式的未来、生活方式的未来、主观文化方式的未来等几个方面提出了溯层的途径;同时在具体的产品设计实现上提出了实现的方法。所以,未来视角的产品设计思维使得合理的造物行为具有目的,使未来产品系统的准备成为可能,也使未来进程中的生活意义更加的充实。在最后一部分,进行案例分析和专业教学实践的课题研究,以对本文提出的未来视角的产品设计方法进行实践和修正,通过课堂教学来验证、修正本文提出的未来视角的产品设计方法的可行性。
克雷格·拉塞尔,周建川[7]（2021）在《魔鬼藏身处》文中认为1935年,捷克。刚刚由荣格博士训练出师的精神病医生维克多·科萨雷克来到臭名昭着的奥卢城堡。这座中世纪城堡位于布拉格城外的山顶,关押着东欧最可怕的精神病犯人,号称"六大魔王":"小丑""食草动物""玻璃收藏家""伐木工""通灵师""鬼畜"。这些病人的罪行太过严重,必须与其他人隔离。城堡内设备先进,但据说埋藏着绵延几代的黑暗秘密。维克多希望采用全新的医疗技术来证明这些病人身上存在一种奇怪的共性,即他所谓的"心魔假说"。在了解这五个男病人和一个女病人的过去时,维克多必须面对的是,这六人身上也许另有一层不为人知的真相。与此同时,恐惧正笼罩着布拉格整座城市,一个隐形连环杀手出没在黑暗的街头巷尾。刑事科的卢卡斯·斯莫莱克队长急于揪出这个在报道里被称为"皮围裙"的真凶,他慢慢意识到,这个杀手是在模仿一个世纪前最恶劣的连环杀手:伦敦的"开膛手杰克"。斯莫莱克向奥卢城堡深谙精神病犯罪心理的专家求助,尽管他担心"皮围裙"也许正和城堡内关押的六个犯人有关……
商健华[8]（2021）在《中国日耳曼文学学生团队合作中的亲和需求实证研究》文中研究指明在全球化的过程中,跨国家、跨组织团队合作的重要性逐渐凸显出来。相应地,企业和研究人员也逐渐开始考虑,如何使文化异质、短期的团队快速运作起来,如何采取适当的措施提高团队的凝聚力和效率。这时,亲和需求便进入了大众的视野。本文将此背景作为研究的出发点,旨在探讨亲和需求的满足形式和对个人及团队的影响,以中国日耳曼文学学生为例进行实证研究。本文的选题动机在于以下两点:1)在跨文化团队中,为满足亲和需求而展开的互动会因个体和文化而异。然而,对于亲和信号和亲和需求影响的文化特异性,目前仍几乎没有系统的比较文化研究。2)此外,关于亲和需求的研究多集中在包括德国在内的盎格鲁-撒克逊国家。在中国,亲和需求的相关研究寥寥无几。基于上述选题动机,本文主要研究以下三个问题:1)中国日耳曼语言文学专业学生团队合作中的亲和信号是怎样的?2)亲和需求对中国日耳曼语言文学专业学生的团队合作有什么影响?3)与德国或西方的现有理论基础相比,中国日耳曼文学学生团队合作中的亲和信号和亲和效应有何不同?本文的研究目的在于通过分析总结中国日耳曼文学学生团队合作中所体现的亲和信号和亲和效应,与前人研究结果进行对比,从而得出亲和信号和亲和效应在中国日耳曼文学学生这一特定群体身上所体现出的独特特点。研究的现实意义在于帮助外国友人更好地理解中国同事的亲和需求,从而促进其团队合作的顺利开展。为了达成上述研究目标,本研究应用了质性研究辅以量化研究的三角测量法。在前期准备阶段,本研究首先对Strohschneider等人的研究成果进行了梳理总结。在此基础之上,设计问卷和访谈提纲,并选择符合研究目的的研究对象。在数据收集阶段,首先组织10位中国日耳曼文学学生分两组进行团队合作实验,创造团队合作的环境;其次,在实验中、访谈前和访谈后分三轮对实验录像进行观察,择取符合研究目的的互动片段;最后,使用调查问卷和访谈法收集亲和信号和亲和效应的相关信息。在数据分析阶段,本研究使用质性内容分析法,对访谈资料进行转写和分析。本文基于分析得出了以下结论:1)中国日耳曼文学学生的团队合作中所使用的亲和信号可分为言语、非言语、伴随言语和意动型信号等四大类,各大类之下又包含若干小类（见下表）。#122)亲和效应在中国日耳曼学生的团队合作中体现在个人感知、人际关系、团队凝聚力和实现工作目标等四个维度,每个维度又包含若干子类属（见下表）。#12通过将上述研究结果与现有理论基础进行比较,本研究得出以下结论:1)本研究的部分研究结果与现有理论基础相符。中国日耳曼文学学生使用的绝大多数亲和信号都与现有理论基础相符,例如微笑、笑、集体代词“我们”等。中国日耳曼文学学生感知到的亲和效应也大都与现有理论基础相符,例如缓解紧张、增强自信、增强团队凝聚力等。2)本研究的部分研究结果与现有理论基础相比体现出了显着差异。在亲和信号方面,本研究发现部分亲和信号具有更为细致的下分类属。例如,根据现有理论基础,微笑和笑被普遍认为是亲和信号,但是在中国日耳曼文学学生的团队合作中出现了掩饰尴尬的笑这一细分类属。部分受访者并不接受将这种笑划分为亲和信号。再如,根据现有理论基础,表达赞赏或认可的话语属于亲和信号。但本研究发现,在中国日耳曼文学学生的团队合作中敷衍的赞赏和认可并不能满足部分受访者的亲和需求,甚至还会给他们留下负面印象。类似的亲和信号还包括给出建议的下属分类给出不务实的建议,化解冲突的下属分类“和稀泥”等。此外,本研究还分析得出了现有理论基础中不曾包含的全新亲和信号。这些亲和信号包括可能性主观推断、昵称、语气、语速、音量、组织行为、谦让行为和闲聊等。最后,本研究发现某些亲和信号并不一定能够引发亲和感知。这些亲和信号包括集体代词“我们”、笑、抚摸、拥抱、缩短体距、目光交流、回答问题、化解冲突、组织行为和介绍新的团队成员等。在亲和效应方面,本研究发现亲和信号不仅能够提升团队工作效率,个别亲和信号也可能会降低工作效率,例如谦让行为对团队讨论的阻碍效果,这丰富了现有理论基础中亲和信号对工作效率的影响。此外,本研究总结得出了心理负担、促进互相了解、促进人际关系、指明改进方向、提升工作投入度、明确工作方向、维护和谐氛围和全面考虑问题等全新结论。在此基础之上,本研究利用文化-个人-情景模型对研究结果和现有理论基础的不同之处加以分析,得出了以下结果:1)文化因素影响亲和信号和亲和效应。首先,亲和信号和亲和效应受民族文化的影响。一方面,民族文化促生了部分亲和信号。例如,受中国传统文化中和谐原则的影响,敷衍的赞赏和认可以及“和稀泥”等亲和信号应运而生;在面子原则的作用下,可能性主观推断被用来表达反对观点和批评;在谦让原则的主张下,团队成员会互相谦让,但这可能会导致团队效率的降低。另一方面,民族文化影响部分亲和信号的感知。在中国传统文化的倡导下,包括微笑、笑和谦让行为等在内的交际信号在日常交际中频繁出现。部分受访者认为这些信号并不具备亲和信号的实质,而仅是在维护互动和人际关系的和谐,从而使他们对这些信号持中性立场。其次,亲和信号和亲和效应受亚文化影响。本研究的受访者体现出两大集体特征,即年轻开放和熟知德国文化。在两者的共同作用下,本研究发现了中国年轻一代的文化变迁。例如,“和稀泥”这一行为有效维护了团队氛围的和谐,在中国传统文化的视角下应属于亲和信号。但受到德国文化务实原则的熏陶以及年轻一代文化变迁的影响,部分受访者认为“和稀泥”并不能从实质上解决冲突,因而不能视其为亲和信号;还有受访者表示他们在德国会和亲友拥抱,但是在中国不会,这其中也蕴含了德国体触文化对中国年轻一代的影响。2)个人因素影响亲和信号和亲和效应。例如,具有广泛社交范围的受访者对微笑、笑和目光交流等交际信号早已习以为常。这些信号仅能满足他的基础交际需求,而无法满足他的亲和需求。再如,部分受访者受性格影响而无法接受亲密的体触行为,拥抱等会给他们造成心理上的不适。3)情景因素影响亲和信号和亲和效应。由于本研究以中国日耳曼文学学生的团队合作作为研究背景,部分亲和信号被受访者视为这一具体情境中达成团队目标的必备环节。这些信号包括集体代词“我们”、询问个人感受、征求个人观点、回答问题和介绍新成员等。部分受访者认为,上述信号仅服务于团队工作,而并不会给他们带来任何心理层面的影响。所以,他们并不认为上述信号属于亲和信号。总的来说,受文化、个人和情景的三重影响,中国日耳曼文学学生团队合作中的亲和信号和亲和效应体现出了多样复杂的特点。当前,跨文化团队在企业和组织中扮演着愈发重要的角色,但我国鲜有关于亲和信号和亲和效应的研究。所以,本文希望能够在一定程度上为将来跨文化团队中亲和互动的研究奠定基础,同时加深国外友人对中国同事亲和需求的理解。
汪学玉[9]（2021）在《富克斯《攀登帕纳萨斯山》类型对位理论研究》文中进行了进一步梳理约翰·约瑟夫·富克斯（1660-1741）是奥地利的作曲家和理论家,也是维也纳最着名、最具影响力的音乐家之一。他的一生创作音乐作品无数,并且作为类型对位教学的标志性人物,他的名声建立在至今都值得赞扬的一部理论着作上——《攀登帕纳萨斯山》。而目前国内对于富克斯及其着作的专门性研究仍是较为匮乏的。《攀登帕纳萨斯山》是关于复调音乐学习的一本教科书,于1725年由维也纳皇家出资出版,从其出版之日开始,这本教科书中的类型对位法受到大量学者们的学习与赞赏,并持续影响到今日。本论文分为四章,第一章以时间轴为线索来探究富克斯的生平及艺术成就。第二章以《攀登帕纳萨斯山》拉丁文原着作为主要参考背景,全面细致地重塑原着中包含的所有的结构内容。第三章以阿尔弗雷德·曼恩的英文译本《The Study of Counterpoint——From Johann Joseph Fux’s GRADUS AD PARNASSUM》作为支撑基础,深入剖析富克斯类型对位理论的各种技术规则。第四章以相关音乐史论以及文艺复兴时期对位法文献作为参考来源,对上一章中提出的一些技术规则进行关联性的追溯,试图从另一个角度再论类型对位理论的关键元素。此外,在最后的结语中,笔者将文中所讨论到的所有概念性的问题重新做了梳理,其目的仅在于拓宽读者相关之思维。
易兴[10]（2021）在《故障诊断与预测方法在气动产品中的应用与优化研究》文中认为目前,电气阀门定位器广泛应用在气动工业现场中,定位器如果发生故障,整个控制回路中就会出现振荡,从而加快设备的损耗并且降低生产质量,最终造成资源的浪费。对定位器进行故障诊断和故障预测可以确保整个气动系统的正常运行。本文主要的研究内容如下:（1）对定位器进行故障分析,说明常见的故障现象、故障产生的原因和故障的处理办法。然后搭建定位器实验平台,用于采集定位器的状态参数数据。（2）选取定位器的五种典型机械故障,通过人为给定位器制造故障,来模拟定位器的真实故障状态。然后分别对每种故障状态下的定位器进行故障模拟试验,同时采集定位器的各状态参数数据。对采集到的数据进行小波阈值去噪处理,接着对定位器各状态参数进行特征构造并利用XGBoost算法进行特征选择,然后将特征选择结果进行优化对比分析,之后对处理后的数据进行归一化处理。（3）基于大数据的研究背景,针对电气阀门定位器提出基于BP（Back Propagation,反向传播）神经网络的故障诊断方法。分别采用单隐含层和双隐含层BP神经网络,建立定位器故障诊断模型。然后对不同神经网络的某些参数在一定范围内进行遍历寻优,最终找到了每种神经网络的最佳参数点,然后利用在定位器故障模拟实验中采集到的数据训练和测试故障诊断模型。从网络结构复杂度、网络训练时长及网络测试精度三个方面综合对比分析两种BP神经网络各自故障模式识别的效果,最终得出结论,单隐层BP神经网络更适合于定位器的故障诊断。（4）针对电气阀门定位器提出基于LSTM（Long-Short Term Memory,长短期记忆）神经网络的状态参数预测方法,分别采用了LSTM神经网络、CNNLSTM（Convolutional Neural Networks-Long-Short Term Memory,卷积神经网络-长短期记忆）神经网络以及Conv LSTM（Convolutional Long-Short Term Memory,卷积长短期记忆）神经网络,建立定位器状态参数预测模型。分别利用单变量预测和多变量预测方法预测了定位器的每个状态参数,通过比较网络的测试精度,得出了多变量LSTM预测模型更适用于预测定位器控制电流;多变量Conv LSTM预测模型更适用于预测定位器输入压力;单变量CNN-LSTM预测模型更适用于预测定位器反馈电流;多变量CNN-LSTM预测模型更适用于预测定位器输出压力。
二、下一个 永远是下一个（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、下一个 永远是下一个（论文提纲范文）
（1）面向预测的时空数据学习方法研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 时空数据的类型与特点 |
| 1.2.1 时空网格数据 |
| 1.2.2 时空图数据 |
| 1.2.3 时空事件数据 |
| 1.3 国内外研究概况 |
| 1.3.1 时空网格数据预测 |
| 1.3.2 时空图数据预测 |
| 1.3.3 位置预测 |
| 1.3.4 事件发生时间预测 |
| 1.4 研究内容和主要贡献 |
| 1.5 论文组织框架 |
| 2 相关理论基础 |
| 2.1 三维卷积神经网络 |
| 2.2 注意力机制 |
| 2.3 图神经网络 |
| 2.4 深度生成模型 |
| 2.5 时序点过程 |
| 2.6 本章小结 |
| 3 面向时空网格数据预测的三维卷积神经网络模型 |
| 3.1 本章引言 |
| 3.2 问题定义 |
| 3.3 深度时空三维卷积神经网络 |
| 3.3.1 近期依赖组件 |
| 3.3.2 周周期依赖组件 |
| 3.3.3 融合层 |
| 3.3.4 模型训练 |
| 3.4 实验 |
| 3.4.1 数据集 |
| 3.4.2 实验设置 |
| 3.4.3 实验结果分析 |
| 3.4.4 模型分析 |
| 3.5 本章小结 |
| 4 面向时空图数据预测的时空注意力图神经网络模型 |
| 4.1 本章引言 |
| 4.2 问题定义 |
| 4.3 基于注意力机制的时空图卷积神经网络 |
| 4.3.1 时空图卷积 |
| 4.3.2 时空注意力 |
| 4.4 基于编码解码架构的时空注意力图神经网络 |
| 4.4.1 时空编码器 |
| 4.4.2 时空解码器 |
| 4.4.3 周期性建模和位置编码 |
| 4.5 实验 |
| 4.5.1 数据集 |
| 4.5.2 实验设置 |
| 4.5.3 实验结果分析 |
| 4.5.4 模型分析 |
| 4.6 本章小结 |
| 5 面向时空事件发生位置预测的深度生成模型 |
| 5.1 本章引言 |
| 5.2 问题定义 |
| 5.3 深度事件位置生成模型 |
| 5.3.1 模型整体结构 |
| 5.3.2 时空异质网络嵌入 |
| 5.3.3 历史时空事件编码 |
| 5.3.4 模型推断 |
| 5.4 实验 |
| 5.4.1 数据集 |
| 5.4.2 实验设置 |
| 5.4.3 实验结果分析 |
| 5.4.4 模型分析 |
| 5.5 本章小结 |
| 6 面向时空事件发生时间预测的深度生成模型 |
| 6.1 本章引言 |
| 6.2 问题定义 |
| 6.3 深度事件时间生成模型 |
| 6.3.1 模型整体结构 |
| 6.3.2 模型推断 |
| 6.4 实验 |
| 6.4.1 数据集 |
| 6.4.2 实验设置 |
| 6.4.3 实验结果分析 |
| 6.4.4 模型分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）考虑能耗的自动化集装箱码头作业设备协同调度优化（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 论文选题背景 |
| 1.2 研究意义 |
| 1.3 国内外研究综述 |
| 1.3.1 考虑能耗的集装箱码头调度的相关研究 |
| 1.3.2 AQC与AGV协同调度的相关研究 |
| 1.3.3 AGV与ARMG协同调度的相关研究 |
| 1.3.4 AQC、AGV与ARMG集成调度的相关研究 |
| 1.3.5 研究现状评述 |
| 1.4 研究内容与结构框架 |
| 1.4.1 研究内容 |
| 1.4.2 研究结构框架 |
| 1.5 本章小结 |
| 2 考虑能耗的自动化集装箱码头作业设备协同调度体系构建 |
| 2.1 自动化集装箱码头作业系统分析 |
| 2.1.1 自动化集装箱码头核心作业设备 |
| 2.1.2 自动化集装箱码头进出口作业流程 |
| 2.1.3 自动化集装箱码头作业设备协同调度必要性分析 |
| 2.2 考虑能耗的自动化集装箱码头作业设备协同调度结构模型 |
| 2.3 考虑能耗的自动化集装箱码头作业设备协同调度关系模型 |
| 2.3.1 自动化集装箱码头作业设备能耗与效率影响因素分析 |
| 2.3.2 自动化集装箱码头作业设备协同调度能效关系模型 |
| 2.4 考虑能耗的自动化集装箱码头作业设备协同调度框架模型 |
| 2.4.1 自动化集装箱码头作业设备协同调度优化目标 |
| 2.4.2 自动化集装箱码头作业设备协同调度决策变量 |
| 2.4.3 自动化集装箱码头作业设备协同调度约束条件 |
| 2.5 本章小结 |
| 3 考虑能耗的自动化双小车岸桥与AGV协同调度研究 |
| 3.1 问题描述 |
| 3.2 模型构建 |
| 3.2.1 符号定义 |
| 3.2.2 建立模型 |
| 3.3 模型求解 |
| 3.4 算例分析 |
| 3.4.1 算例介绍 |
| 3.4.2 算例结果分析 |
| 3.5 本章小结 |
| 4 考虑能耗的AGV与自动化轨道吊协同调度研究 |
| 4.1 问题描述 |
| 4.2 模型构建 |
| 4.2.1 符号定义 |
| 4.2.2 建立模型 |
| 4.3 求解算法 |
| 4.3.1 编码和解码 |
| 4.3.2 交叉与变异 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 5 考虑能耗的AQC、AGV与 ARMG集成调度研究 |
| 5.1 问题描述 |
| 5.2 模型构建 |
| 5.2.1 符号定义 |
| 5.2.2 建立模型 |
| 5.3 求解算法 |
| 5.3.1 编码 |
| 5.3.2 种群初始化 |
| 5.3.3 基于适应步长的嗅觉搜索 |
| 5.3.4 视觉搜索 |
| 5.3.5 全局协作机制 |
| 5.4 算例分析 |
| 5.5 本章小结 |
| 6 结论 |
| 6.1 研究结论 |
| 6.2 研究创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）深度报文检测的性能提升与安全增强（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景和意义 |
| 1.2 深度报文检测概述 |
| 1.2.1 深度报文检测简介 |
| 1.2.2 深度报文检测关键技术 |
| 1.2.3 深度报文检测面临的安全威胁 |
| 1.3 相关研究综述 |
| 1.3.1 面向深度报文检测的性能提升技术 |
| 1.3.2 面向深度报文检测的安全威胁 |
| 1.3.3 面向绕过深度报文检测的网络渗透技术 |
| 1.4 研究内容与组织结构 |
| 1.4.1 本文研究内容 |
| 1.4.2 本文组织结构 |
| 第2章 基于千万模式特征优化的并行模式匹配算法 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.3 基于千万模式特征优化的并行模式匹配算法 |
| 2.3.1 模式重组 |
| 2.3.2 模式重组结果评估 |
| 2.3.3 模式集优化 |
| 2.4 基于千万模式特征优化的并行模式匹配算法分析 |
| 2.5 实验结果与分析 |
| 2.5.1 实验平台 |
| 2.5.2 实验环境 |
| 2.5.3 实验结果 |
| 2.6 本章小结 |
| 第3章 基于非命中流量特征分析的模式匹配算法 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 基于重复字符串的模式匹配算法 |
| 3.3.1 基于重复字符串的模式匹配算法框架 |
| 3.3.2 重复字符串匹配模块 |
| 3.3.3 基于重复字符串的模式匹配算法扫描 |
| 3.4 基于重复字符串的模式匹配算法分析 |
| 3.5 实验结果与分析 |
| 3.5.1 实验环境 |
| 3.5.2 实验结果 |
| 3.6 本章小结 |
| 第4章 面向算法复杂度攻击的DPI安全增强 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 算法复杂度攻击模型 |
| 4.4 基于I级和II级阈值的算法复杂度攻击检测算法 |
| 4.5 基于自定义索引顺序模式匹配算法 |
| 4.5.1 基于自定义索引顺序模式匹配算法的自动机构建 |
| 4.5.2 基于自定义索引顺序模式匹配算法的自动机扫描 |
| 4.5.3 基于自定义索引顺序模式匹配算法分析 |
| 4.6 基于多核的流调度算法 |
| 4.7 实验结果与分析 |
| 4.7.1 实验环境 |
| 4.7.2 实验结果 |
| 4.8 本章小结 |
| 第5章 面向绕过行为检测的DPI安全增强 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.2.1 TCP状态机攻击 |
| 5.2.2 MPTCP协议 |
| 5.2.3 多路径传输攻击 |
| 5.3 TCP状态机攻击检测 |
| 5.3.1 TCP状态机攻击模型 |
| 5.3.2 TCP状态机攻击检测 |
| 5.4 多路径传输攻击检测 |
| 5.4.1 邻接内容 |
| 5.4.2 算法状态机 |
| 5.4.3 分布式异步并行检测算法 |
| 5.5 TCP状态机攻击检测实验结果与分析 |
| 5.5.1 实验环境 |
| 5.5.2 实验结果 |
| 5.6 多路径传输攻击检测实验结果与分析 |
| 5.6.1 实验环境 |
| 5.6.2 实验结果 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（4）基于用户动态偏好与注意力机制的兴趣点推荐算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 一般的兴趣点推荐问题 |
| 1.2.2 下一个兴趣点推荐问题 |
| 1.3 研究内容 |
| 1.4 本文组织结构 |
| 2 兴趣点推荐相关理论介绍 |
| 2.1 兴趣点推荐问题定义 |
| 2.2 注意力机制及其在推荐中的应用 |
| 2.2.1 注意力机制原理 |
| 2.2.2 注意力机制在推荐中的应用 |
| 2.3 兴趣点推荐中的序列建模方法 |
| 2.3.1 传统的序列建模方法 |
| 2.3.2 基于深度学习的序列建模方法 |
| 2.4 本章小结 |
| 3 基于时空自注意力网络的用户序列偏好模型 |
| 3.1 模型提出动机 |
| 3.2 模型框架介绍 |
| 3.2.1 标准的自注意力网络 |
| 3.2.2 时空转移关系建模 |
| 3.2.3 预测与模型训练 |
| 3.3 实验验证与结果分析 |
| 3.3.1 实验设置 |
| 3.3.2 实验结果分析 |
| 3.4 本章小结 |
| 4 基于用户长短期动态偏好的兴趣点推荐模型 |
| 4.1 模型提出动机 |
| 4.2 模型框架介绍 |
| 4.2.1 用户长期动态记忆网络 |
| 4.2.2 协同注意力网络 |
| 4.2.3 长短期偏好模型融合 |
| 4.3 实验验证与结果分析 |
| 4.3.1 实验设置 |
| 4.3.2 实验结果分析 |
| 4.4 本章小结 |
| 5 总结和展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）一种基于参考规范的专业文本生成方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 问题和挑战 |
| 1.3 本文贡献 |
| 1.4 论文组织结构 |
| 第2章 相关工作 |
| 2.1 基于最大似然估计的文本生成 |
| 2.2 基于对抗网络的文本生成 |
| 2.3 条件文本生成 |
| 第3章 专业文本生成模型 |
| 3.1 问题描述 |
| 3.2 模型框架 |
| 3.3 基于参考规范的条件生成器 |
| 3.3.1 参考规范编码器 |
| 3.3.2 专业文本解码器 |
| 3.3.3 基于策略梯度的训练方式 |
| 3.3.4 面向判别器评价的文本补全 |
| 3.3.5 损失函数 |
| 3.4 多角度评价判别器 |
| 3.4.1 任务评价角度分析 |
| 3.4.2 连贯性判别器 |
| 3.4.3 专业性判别器 |
| 3.4.4 奖励值的计算 |
| 3.4.5 损失函数 |
| 3.5 小结 |
| 第4章 实验结果及分析 |
| 4.1 数据集和预处理 |
| 4.1.1 数据集 |
| 4.1.2 文本预处理 |
| 4.2 预训练和对抗训练 |
| 4.2.1 预训练生成器 |
| 4.2.2 预训练专业性判别器 |
| 4.2.3 预训练连贯性判别器 |
| 4.2.4 对抗训练过程 |
| 4.3 评价指标 |
| 4.3.1 文本连贯性 |
| 4.3.2 与参考规范的语义相关性 |
| 4.3.3 知识点匹配性 |
| 4.4 实验设置和对比方法 |
| 4.4.1 实验设置 |
| 4.4.2 对比方法 |
| 4.5 生成文本样例 |
| 4.6 连贯性分析 |
| 4.7 与参考规范的语义相关性分析 |
| 4.8 知识点匹配性分析 |
| 4.9 小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参加的科研项目 |
| 学位论文评阅及答辩情况表 |
（6）基于未来视角的产品设计方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 绪论 |
| 第一节 研究背景 |
| 第二节 研究的目的意义 |
| 第三节 文献现状综述 |
| 第四节 研究框架与研究方法 |
| 第五节 本文的创新点 |
| 第一章 相关学科对未来思维的认知 |
| 第一节 自然科学领域对未来的认知 |
| 第二节 社会科学领域对未来的认识 |
| 第三节 思维科学领域对未来的认识 |
| 第二章 未来设计的相关概念 |
| 第一节 未来设计的概念界定 |
| 第二节 未来设计思维的路径 |
| 第三节 未来设计思维的价值 |
| 第三章 未来产品设计思维的制约因素 |
| 第一节 周期对未来进程中造物的影响 |
| 第二节 主观视野维度对未来造物的双向影响 |
| 第三节 转换资源能力的客观制约 |
| 第四章 产品设计中获取未来优势的工具 |
| 第一节 与造物组合获取未来优势 |
| 第二节 与系统的组合获取未来优势 |
| 第三节 资源牵引下的“未来式”发展 |
| 第五章 未来视角的产品设计方法建构 |
| 第一节 未来设计方法的建构原则 |
| 第二节 未来设计方法的建构的双向认识与流程 |
| 第三节 未来设计方法的思维溯层途径与方法 |
| 第六章 基于未来视角设计方法的实证 |
| 第一节 未来设计思维与方法的评价流程 |
| 第二节 基于未来思维的前瞻设计实践案例 |
| 结论 |
| 致谢 |
| 附录 |
| 参考书目 |
（7）魔鬼藏身处（论文提纲范文）
| 序言 |
| 第一部分魔鬼受缚之处 |
| 第二部分“小丑”与“食草动物” |
| 第三部分“玻璃收藏家”与“伐木工” |
| 第四部分“通灵师”与藏骨堂 |
| 第五部分蝴蝶和石太阳 |
| 第六部分霍布斯先生 |
| 后记 |
（8）中国日耳曼文学学生团队合作中的亲和需求实证研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| Abstract |
| 1 Einleitung |
| 1.1 Forschungsstand |
| 1.2 Fragestellung und Zielsetzung |
| 1.3 Fachliche Zuordnung |
| 1.4 Aufbau der Arbeit |
| 2 Theoretische Grundlagen |
| 2.1 Team und Teamarbeit |
| 2.1.1 Team |
| 2.1.2 Teamarbeit |
| 2.1.3 Teamkohasion |
| 2.2 Affiliation |
| 2.2.1 Affiliationsbedurfnis |
| 2.2.2 Affiliationssignale |
| 2.2.3 Auswirkungen von Affiliation |
| 2.2.4 Affiliation vs. Guanxi |
| 2.3 Zwischenfazit |
| 3 Methodik |
| 3.1 Auswahl der Forschungsmethode |
| 3.2 Vorbereitung |
| 3.2.1 Experiment |
| 3.2.2 Erstellung des Beobachtungsformulars |
| 3.2.3 Fragebogenerstellung |
| 3.2.4 Interview |
| 3.3 Datenerhebung |
| 3.3.1 Experimentdurchfuhrung |
| 3.3.2 Beobachtung |
| 3.3.3 Fragebogendurchfuhrung |
| 3.3.4 Interview |
| 3.4 Datenauswertung |
| 3.4.1 Ablaufmodell der qualitativen Inhaltsanalyse nach Kuckartz |
| 3.4.2 Anwendung des Ablaufmodells in der vorliegenden Forschung |
| 3.5 Reflexion uber das methodische Vorgehen |
| 4 Darstellung der Forschungsergebnisse |
| 4.1 Affiliationssignale |
| 4.1.1 Verbale Affiliationssignale |
| 4.1.2 Nonverbale Affiliationssignale |
| 4.1.3 Paraverbale Affiliationssignale |
| 4.1.4 Konative Affiliationssignale |
| 4.1.5 Zwischenfazit |
| 4.2 Auswirkungen von Affiliation |
| 4.2.1 Subjektives Wohlbefinden |
| 4.2.2 Interpersonale Beziehung |
| 4.2.3 Teamkohasion |
| 4.2.4 Zielerreichung der Teamarbeit |
| 5 Schlusswort |
| 5.1 Zusammenfassung der Ergebnisse |
| 5.2 Reflexion und Ausblick |
| Literaturverzeichnis |
| Anhang A Fragebogen |
| Anhang B Interviewleitfaden |
| Anhang C Transkript Befragte 1 |
| Anhang D Transkript Befragte 2 |
| Anhang E Transkript Befragte 3 |
| Anhang F Transkript Befragte 4 |
| Anhang G Transkript Befragte 5 |
| Anhang H Transkript Befragte 6 |
| Anhang I Transkript Befragte 7 |
| Anhang J Transkript Befragter 8 |
| Anhang K Transkript Befragter 9 |
| Anhang L Transkript Befragte 10 |
| Anhang M Kodierleitfaden |
| Anhang N Abzeichnungen des Affiliationsbedürfnisses |
（9）富克斯《攀登帕纳萨斯山》类型对位理论研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第一章 富克斯及其艺术经历 |
| 第一节 生平 |
| 一、学习时期 |
| 二、宫廷工作时期 |
| 第二节 艺术成就 |
| 一、理论成就 |
| 二、创作成就 |
| 第三节 历史评价 |
| 第二章 《攀登帕纳萨斯山》教科书的结构内容 |
| 第一节 第一卷的结构内容 |
| 一、定义基本术语 |
| 二、比率的运算 |
| 三、音程的运算 |
| 四、今天的音乐体系 |
| 第二节 第二卷的结构内容 |
| 一、类型对位理论(species counterpoint) |
| 二、赋格(fugue) |
| 三、“现代”音乐实践 |
| 第三节 历史意义及影响 |
| 一、历史意义 |
| 二、影响 |
| 第三章 类型对位理论的技术规则 |
| 第一节 总则 |
| 一、记谱法 |
| 二、数字标记 |
| 三、对话形式 |
| 四、固定旋律 |
| 五、旋律写作规则 |
| 第二节 音程与节拍 |
| 一、协和性质音程的一般规则 |
| 二、节拍规律与音程性质的关系 |
| 三、不协和性质音程的处理 |
| 第三节 终止式(Cadence) |
| 一、基础式 |
| 二、变形与调整 |
| 第四节 五、八度的处理 |
| 一、隐伏五度(hidden fifths) |
| 二、八度和同度 |
| 三、连续五八度 |
| 第五节 延留音/带延音线的音(Ligature) |
| 一、解决方向 |
| 二、解决的分离方法 |
| 三、中断的延留音 |
| 四、延留音的装饰解决 |
| 第六节 多声部的特殊形式 |
| 第四章 类型对位理论的综合来源 |
| 第一节 概述 |
| 第二节 技术规则的继承 |
| 第三节 其他来源 |
| 结语 |
| 主要参考着作及文献 |
| 附录:《The Study of Counterpoint——From Johann Joseph Fux’s GRADUS AD PARNASSUM》原着:阿尔弗雷德.曼恩(Alfred Mann) |
（10）故障诊断与预测方法在气动产品中的应用与优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障诊断研究现状 |
| 1.2.2 故障预测研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 定位器故障诊断与状态参数预测方法 |
| 2.1 数据预处理方法 |
| 2.1.1 基于小波阈值去噪的数据预处理方法 |
| 2.1.2 基于XGBoost的特征工程处理方法 |
| 2.1.3 数据归一化方法 |
| 2.2 基于K折交叉验证的故障诊断模型评估方法 |
| 2.3 基于BP神经网络的故障诊断方法 |
| 2.4 基于LSTM神经网络的状态参数预测方法 |
| 2.4.1 RNN神经网络 |
| 2.4.2 LSTM神经网络 |
| 2.4.3 CNN-LSTM神经网络 |
| 2.4.4 Conv LSTM神经网络 |
| 2.5 本章小结 |
| 第三章 定位器实验平台与故障模拟实验设计 |
| 3.1 定位器的工作原理 |
| 3.2 定位器的常见故障分析 |
| 3.3 定位器实验平台设计 |
| 3.3.1 定位器实验平台原理 |
| 3.3.2 定位器实验装置 |
| 3.3.3 数据采集系统设计 |
| 3.4 定位器故障模拟实验条件与实验方法 |
| 3.4.1 定位器实验条件 |
| 3.4.2 定位器实验方法 |
| 3.5 定位器实验数据采集 |
| 3.6 本章小结 |
| 第四章 定位器实验数据预处理与故障诊断优化研究 |
| 4.1 定位器故障诊断流程 |
| 4.2 定位器实验数据预处理与优化研究 |
| 4.2.1 定位器实验数据去噪处理 |
| 4.2.2 定位器实验数据特征工程处理与优化对比 |
| 4.2.3 定位器实验数据归一化处理 |
| 4.3 基于BP神经网络的定位器故障诊断结果分析 |
| 4.3.1 一层隐含层的BP网络诊断模型结果分析 |
| 4.3.2 两层隐含层的BP网络诊断模型结果分析 |
| 4.3.3 两种网络模型的诊断结果对比分析 |
| 4.4 本章小结 |
| 第五章 基于LSTM神经网络的定位器状态参数预测 |
| 5.1 定位器控制电流预测结果分析 |
| 5.1.1 LSTM模型控制电流预测 |
| 5.1.2 CNN-LSTM模型控制电流预测 |
| 5.1.3 Conv LSTM模型控制电流预测 |
| 5.2 定位器输入压力预测结果分析 |
| 5.2.1 LSTM模型输入压力预测 |
| 5.2.2 CNN-LSTM模型输入压力预测 |
| 5.2.3 Conv LSTM模型输入压力预测 |
| 5.3 定位器反馈电流预测结果分析 |
| 5.3.1 LSTM模型反馈电流预测 |
| 5.3.2 CNN-LSTM模型反馈电流预测 |
| 5.3.3 Conv LSTM模型反馈电流预测 |
| 5.4 定位器输出压力预测结果分析 |
| 5.4.1 LSTM模型输出压力预测 |
| 5.4.2 CNN-LSTM模型输出压力预测 |
| 5.4.3 Conv LSTM模型输出压力预测 |
| 5.5 三种网络模型的预测结果对比分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
四、下一个 永远是下一个（论文参考文献）
- [1]面向预测的时空数据学习方法研究[D]. 郭晟楠. 北京交通大学, 2021(02)
- [2]考虑能耗的自动化集装箱码头作业设备协同调度优化[D]. 赵倩儒. 北京交通大学, 2021(02)
- [3]深度报文检测的性能提升与安全增强[D]. 刘立坤. 哈尔滨工业大学, 2021(02)
- [4]基于用户动态偏好与注意力机制的兴趣点推荐算法研究[D]. 郑晨旺. 北京交通大学, 2021(02)
- [5]一种基于参考规范的专业文本生成方法[D]. 胡宇. 山东大学, 2021(12)
- [6]基于未来视角的产品设计方法研究[D]. 邹玉清. 南京艺术学院, 2021(12)
- [7]魔鬼藏身处[J]. 克雷格·拉塞尔,周建川. 译林, 2021(03)
- [8]中国日耳曼文学学生团队合作中的亲和需求实证研究[D]. 商健华. 北京外国语大学, 2021(10)
- [9]富克斯《攀登帕纳萨斯山》类型对位理论研究[D]. 汪学玉. 武汉音乐学院, 2021(09)
- [10]故障诊断与预测方法在气动产品中的应用与优化研究[D]. 易兴. 电子科技大学, 2021(01)