学习参考

摘要： 鹿茸菇,中文学名荷叶离褶伞,隶属伞菌目白蘑科离褶伞属。其子实体菌盖外观似鹿茸切片,同时又像鹿茸一样具有药用价值,因此得商品名为“鹿茸菇”。鹿茸菇营养丰富、味道鲜香,由于含有丰富的致密型膳食纤维,鲜品和干品均脆性良好,长时间煮制烹饪口感不变,受到国内餐饮业的欢迎。现将江苏省相关单位提出的鹿茸菇工厂化生产技术规程要点介绍如下,供学习参考。

摘要： 2021年12月28日,国家新闻出版署印发《出版业“十四五”时期发展规划》,《印刷业“十四五”时期发展专项规划》作为其附件发布,现单独摘出,供行业同仁学习参考。

摘要： 为深入推进作风革命、效能革命,大力推动“大调研、大讨论、大实践”活动,云南省委组织部结合工作实际,围绕践行“一线工作法”,以高质量党建引领全省经济社会高质量发展,积极探索实践,形成了一批工作经验。从本期起陆续刊登,供学习参考。

摘要： 2021年12月28日,国家新闻出版署印发《出版业“十四五”时期发展规划》,《印刷业“十四五”时期发展专项规划》作为其附件发布,现单独摘出,供行业同仁学习参考。为推动“十四五”时期我国印刷业高质量发展,有力推进印刷强国建设,根据《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》、“十四五”文化发展规划、《出版业“十四五”时期发展规划》等,编制本规划。

摘要： 《中共中央国务院关于加快建设全国统一大市场的意见》(以下简称《意见》)4月10日发布。为何要加快建设全国统一大市场?有什么重要意义?有哪些重要改革举措?如何落实?现将新华社记者安蓓、潘洁专访国家发展改革委负责同志内容摘刊如下,供学习参考。

摘要： 2022年3月11日上午,国务院总理李克强在第十三届全国人民代表大会第五次会议上所做的政府工作报告获得高票通过。3月12日,新华社受权全文播发了吸纳修改意见之后的政府工作报告。报告全文分三个部分,共补充修改了92处,主要集中在稳经济、促创新、惠民生三个方面。报告回顾了2021年以来的工作,提出了2022年经济社会发展总体要求和政策取向,并确定了2022年政府工作任务,对稳定宏观经济、扩内需提效能、发力新基建、乡村振兴、社会保障等方面进行了总体部署。为使广大读者对2022年政府工作报告中的重点工作和预期目标有所知晓,本刊编辑部进行了提要式梳理,以供学习参考。

摘要： 从2020年和2021年新高考Ⅰ卷和新高考Ⅱ卷中的解三角形试题来看,解三角形试题只出现在解答题中,分值分布为10分或者12分,从考点来看主要考查利用正弦定理和余弦定理解三角形以及三角形面积公式,主要考查考生的运算求解能力和逻辑推理能力,主要考查探究意识和创新意识.以下对2022年新高考解三角形的考点做一预测,供同学们学习参考.

摘要： “求木之长者,必固其根本”。在整个党的组织体系中,党员是党的肌体“细胞”。党的肌体是否健康,归根到底要看党员,党员教育管理是保持党的肌体健康的“细胞工程”。有些基层党务工作者时常感到困惑,对于那些退休、退职、长期病休、受到党纪处分的党员,该如何教育管理呢?我们整理了相关知识点,供大家学习参考。

摘要： 离散型随机变量是高考的必考内容,本文对近年来高考试题中关于“离散型随机变量”试题类型及解法进行分类解析,供同学们学习参考。

摘要： 排列组合是高考必考内容,常以选择题和填空题的形式出现在试题中,试题设计新颖、具有创新性,难度不大,属于中档题.但是若不清楚其解题原理很容易丢分,本文介绍高考中排列组合知识的核心考点及其解法,供大家学习参考.

摘要： 本发明公开了一种基于字典学习和机器学习的无参考立体图像质量评价方法，其首先对左、右视点图像实施log‑Gabor滤波，得到各自的幅值和相位信息，然后对幅值和相位信息进行局部二值化操作，得到左、右视点图像的局部二值化模式特征图像；其次，采用双目能量模型对左、右视点图像的幅值和相位信息进行融合，得到双目能量信息，并获取双目能量信息的局部二值化模式特征图像；接着，采用协作表示算法，对左、右视点图像和双目能量信息的局部二值化模式特征图像进行字典学习，得到双目视觉感知稀疏特征信息，最后获得待评价的失真立体图像的客观质量评价预测值；优点是其能够充分考虑到立体视觉感知特性，能够有效地提高客观评价结果与主观感知之间的相关性。

摘要： 本发明公开了一种基于字典学习和机器学习的无参考立体图像质量评价方法，其首先对左、右视点图像实施log-Gabor滤波，得到各自的幅值和相位信息，然后对幅值和相位信息进行局部二值化操作，得到左、右视点图像的局部二值化模式特征图像；其次，采用双目能量模型对左、右视点图像的幅值和相位信息进行融合，得到双目能量信息，并获取双目能量信息的局部二值化模式特征图像；接着，采用协作表示算法，对左、右视点图像和双目能量信息的局部二值化模式特征图像进行字典学习，得到双目视觉感知稀疏特征信息，最后获得待评价的失真立体图像的客观质量评价预测值；优点是其能够充分考虑到立体视觉感知特性，能够有效地提高客观评价结果与主观感知之间的相关性。

摘要： 本发明涉及一种修改参考图像(I_REF)的参考块(RFBL)的方法。也就是说，该方法包括：将参考块(RFBL)变换(TRF)为第一组系数(REF(u，v))，借助于一个或者多个权重(TR(u，v))修改该第一组系数(REF(u，v))，以及对修改后的第一组系数进行逆变换(ITR)，其中借助于当前图像(I_CUR)的一个或者多个另外的像素以及借助于参考图像(I_REF)的一个或多个另外的参考像素来确定所述权重(TR(u，v))。使用当前图像的另外的像素以及参考图像的另外的参考像素允许确定谱权重使得它们反映混合效果。特别地，如果参考帧由两个被交叉混合的帧组成，而所述两个被交叉混合的帧中的一个帧应借助于所述参考帧来预测，则谱域加权允许分离这两个帧的关联性。

摘要： 一种用于参考气体的柔性容器，该参考气体用于执行一种设备的校准或质量控制，该设备用于确定诸如血液的生理液体的气体参数。该柔性容器适于容纳处于或接近环境压强的参考气体，使得不需要压强转换。该柔性容器具有连续的内表面，且在使用前未被刺穿。该内表面不与或近于该参考气体发生微小反应，该参考气体可以包括氧气或二氧化碳。一种参考气体装置和一种容纳该装置的盒，其可以用于该设备。

摘要： 本发明公开一种光学特性化系统及其使用方法。所述系统包括经配置以与经配置以从样本接收照明且产生图像数据的一或多个检测器通信地耦合的控制器。一或多个处理可经配置以：接收所述样本上的裸片的图像；计算所述图像的所有组合的相异性值；执行集群分析以将所述图像的所述组合分割成两个或更多个集群；使用所述两个或更多个集群中的集群中的所述图像的所述组合中的两者或更多者产生所述集群的参考图像；及通过比较所述集群中的测试图像与所述集群的所述参考图像来检测所述样本上的一或多个缺陷。

摘要： 本发明公开了一种基于模型参考强化学习的无人船容错控制方法，该方法包括：对无人船的不确定性因素进行分析，构建无人船名义动力学模型；基于无人船名义动力学模型，设计无人船标称控制器；基于最大熵的Actor‑Critic方法，根据实际无人船系统、无人船名义动力学模型的状态变量差值和无人船标称控制器的输出，构建基于模型参考强化学习的容错控制器；根据控制任务需求，搭建强化学习评价函数和控制策略模型并训练容错控制器，得到训练完成的控制策略。通过使用本发明，能够显著提高无人船系统的安全性和可靠性。本发明作为一种基于模型参考强化学习的无人船容错控制方法，可广泛应用于无人船控制领域。

摘要： 本发明公开了一种基于深度学习的全参考超高清视频质量客观评价方法，被测超高清视频及对应的参考视频分别经过抽帧和图像块裁剪操作，得到被测视频图像块序列和对应的参考视频图像块序列。将被测视频图像块和对应的参考视频图像块成对输入到训练好的图像质量评价网络，得到被测视频图像块的质量分数。对图像块的质量分数进行空域池化和时域池化，得到被测视频的客观质量分数。本发明对超高清视频进行抽帧和图像块裁剪处理，有效减少了数据量，提升了算法效率；采用基于ResNet18的特征提取网络，提升了网络的训练效果，使网络能够有效提取图像特征；充分考虑人眼的视觉特点，对图像质量分数进行了空域池化和时域池化。

摘要： 本发明提出一种基于课程学习的无参考图像质量评价方法，实现步骤为：获取训练样本集和测试样本集；构建基于课程学习的无参考图像质量评价网络模型；对基于课程学习的无参考图像质量评价网络模型进行迭代训练；获取无参考图像质量评价结果。本发明根据课程学习的策略构建的损失函数包含排序与距离损失函数、质量预测损失函数两项，在训练过程中动态调整损失函数中这两项的权重，在训练的初始阶段，分配给排序与距离损失权重最高，随着训练过程的持续，逐渐增加质量预测损失的权重，避免了现有技术中网络模型采用单一、不变的损失函数进行图像质量评价精度和效率较低的技术问题，有效提高了无参考图像质量评价的精度和效率。

摘要： 描述了用于使用目标图案和参考层图案为掩模生成光学邻近校正(OPC)后结果的实施例。所述目标图案和参考层的图像被提供为机器学习(ML)模型的输入，以生成OPC后图像。所述图像可以被单独输入，或者被组合为复合图像(例如使用线性函数)并且输入到所述ML模型。所述图像是从图案数据渲染的。例如，目标图案图像是从要在衬底上印刷的目标图案渲染的，并且诸如虚拟图案图像等参考层图像是从虚拟图案渲染的。所述ML模型被训练，以使用与目标图案和参考层相关联的多个图像并且使用所述目标图案的参考OPC后图像来生成所述OPC后图像。所述OPC后图像可以被用于生成OPC后掩模。

摘要： 本发明公开了一种融合双深度学习网络的无参考视频质量评价方法，将视频内每一帧的视频图像输入至无参考视频质量评价网络，首先通过双深度学习网络提取获得视频图像的深度特征，经过ANN网络进行特征降维处理后输入双向门控循环网络，通过双向门控循环网络构建视频帧特征之间的联系获取视频帧质量分数，然后视频帧质量分数经过改进的时间记忆模型获得视频质量分数预测分量，同时视频帧质量分数经过高斯分布回归预测模型获得视频质量分数预测分量，再经过调节因子进行优化调节获得最终的视频质量分数。使用本发明可以方便地对视频图像质量给出快速的预测评价分数。