精神信念

摘要： 《钢铁是怎样炼成的》这部小说不仅蕴含了丰富的优良精神品质,还具有较强的文学价值,值得反复品读。试从坚定理想和信念这一角度出发,对《钢铁是怎样炼成的》中的精神信念及其文学价值进行分析。

摘要： 工匠精神是一种专注于把事情做到极致,精益求精、尽善尽美,达到常人无法达到的境界的精神信念和态度,体现在对职业的敬畏热爱、对产品的独具匠心、对质量的精益求精、对技艺的不断追求和对品牌的专注坚守等。自中央领导人在2016年《政府工作报告》中首次提出“工匠精神”以来,它已逐步成为新时代追求品质与卓越的代名词,也体现出我国对工业产品从量到质的飞跃的决心与意志。一种技术可以被复制,而一种精神却无法复制,工匠精神是当今时代的重要思想资源和强大精神动力。[1]其内涵包括敬业、精益、专注和创新,这与职业教育人才培养方向完全契合,可以说工匠精神为职业教育注入了新的灵魂。

摘要： 梧州市不动产登记改革的步伐,一直坚持力争上游。2020年,梧州市全面启用不动产登记电子证照,将群众的不动产权证“装”进手机里,不动产登记正式进入“数字证书”时代;2021年,梧州市不动产登记手机APP上线,群众足不出户便可办理不动产登记业务,实现了“24小时不见面”、零次跑、全流程掌上办理。在梧州市不动产登记办证加速的过程中,涌现了许多勇于担当、善于作为的人和事。今天,面对不动产登记历史遗留问题,玉凯以“勇于担当、为民服务”的精神信念,逐一击破错综复杂的细节问题,将群众期待了多年的“红本本”,实实在在地送到了他们手中。

摘要： 世界上的真理并不多。我们所关注和我们所能论说的一切,其实都是以既有的文化积累为前提,都是古老真理的延续或者前人思想的引申。世人探寻真理的途径却很多。因此才有各自独立、而又彼此相关的信仰和文化,才有不同信仰与文化之间的交流或碰撞,才有精神信念的分享和文化创造的更新。

摘要： 习近平总书记多次强调要“发扬斗争精神,增强斗争本领,为实现伟大复兴的中国梦而顽强奋斗”。中国共产党人的斗争精神,是在长期革命建设和发展实践中培育成的“革旧鼎新、不怕牺牲、百折不挠、坚持原则、刀口向内、舍我其谁”的思想意志和精神信念,它既是中华民族刚健有为自强不息的优秀文化、“为有牺牲多壮志,敢教日月换新天”的中国革命精神的历史传承,又有鲜明的时代特点;既蕴含着中华民族的精神养分,又彰显出共产党人的精神品质,内涵丰富、特点突出。可以用六个字来概括中国共产党的伟大斗争精神的内涵特质。

摘要： 幼儿园文化建设是幼儿园在长期发展过程中所形成的具有独特凝聚力的园所面貌、制度规范和精神信念等。从某种意义上讲,幼儿园文化蕴涵着幼儿园的办园方向、教育目标、运营策略、社会责任以及园长对理想幼儿园模式的系统构想,是凝聚和激励全体保教人员进行教育教学改革的精神力量,是可持续发展的强大内驱力,也是幼儿园最为宝贵的精神财富、核心竞争力所在。近年来,靖远县第三幼儿园积极从制度文化、物质文化、精神文化、教师文化、幼儿文化、课程文化、环境文化、家园文化八个方面,高品位、高标准地构建幼儿园文化,取得了一定的成绩,有力地促进幼儿园有内涵的发展。

摘要： 新时代农业科技工作者的使命实现中华民族伟大复兴是近代以来中华民族最伟大的梦想。决胜全面建成小康社会,进而全面建设社会主义现代化国家,把我国建成富强民主文明和谐美丽的社会主义现代化强国。这是党的十九大提出的＂两个一百年＂奋斗目标,也是新时代赋予年轻一代的光荣使命。

摘要： 本发明公开了一种基于改进黑猩猩算法优化深度信念网络的股票预测方法，其特征在于：包括以下步骤：S1:将股票数据输入到DBN网络中，初始化网络的结构，包含网络的隐含层数、每层的神经元数、学习率、批处理样本数，并对样本数据进行训练；S2:选用DBN模型输出预测值的平均百分比误差MAPE作为优化目标函数；使用黑猩猩优化算法，对DBN的学习率和批处理样本数参数进行优化，避免人为经验设置参数造成的网络性能不稳定性，从而获得最佳的参数组合，提高了DBN模型对于不同股票数据的预测性能。

摘要： 本发明公开了一种基于信念规则库的滚动轴承故障诊断方法及系统，该方法包括：通过训练自学习网络获取特征提取模型；对有标签数据进行特征提取，训练诊断分类器；提取无标签数据的内在特征，作为诊断分类器的输入，输出伪标签；通过信念规则库对伪标签进行校正；将无标签数据和校正标签作为诊断分类器的输入重新训练，基于训练后的诊断分类器重新获取输出的标签对信念规则库进行更新；反复相互迭代训练诊断分类器，更新信念规则库，获取满足要求的诊断分类器；基于特征提取模型和诊断分类器，对轴承进行故障诊断。本发明充分考虑到了信念规则库不完整和有标签数据较少的情况，根据收集得到的数据可快速地对出现的故障进行诊断，找出故障原因。

摘要： 本发明提供一种基于变分循环网络模型的信念一致多智能体强化学习方法，该方法启发于人类团队之间的可以产生默契合作的现象，即通过共同的信念在任务上达成一致性共识。与人类社会群体类似，分布式学习系统中的智能体也可以受益于一致的信念，在有限的通信条件下实现协作。在本文中，我们展示了在分散式协作任务中智能体之间的一致性信念的作用。我们提出了一种新的基于值的方法——一致性信念多智能体强化学习方法，它使用变分模型来学习智能体之间的信念。我们还利用与变分模型结合的循环网络模型(RNN)充分利用智能体历史行为轨迹。我们的算法使智能体能够学习一致的信念，以优化完全分散的策略。我们在两个网格世界游戏以及星际争霸II微观管理基准上验证了该方法。我们的实验结果表明，该方法学习到的共同信念可以有效提高离散和连续状态下的智能体的协作效果。

摘要： 本发明涉及一种基于深度信念网络的数据融合在环境空气预报中应用的方法，该方法首先将监测点位的大气数据和气象数据进行预处理，去除缺测值，并对数据进行归一化处理，然后将处理后的数据输入深度信念网络(DBN)进行训练，得到训练模型，通过深度信念网络(DBN)模型对数据进行数据融合，将融合后的数据应用在环境空气预报中，并将结果返回给用户。本发明通过深度信念网络(DBN)进行数据融合的方法，相比于使用D‑S证据理论方法，降低了环境空气预报的误差，提高了相应的准确性，同时可以实现智能化监测。

摘要： 本发明提供了一种基于信念攻击和显著区域扰动限制的对抗样本生成方法，涉及深度神经网络技术领域和计算机视觉领域，本发明包含以下步骤：提供原始图像和白盒目标模型，使用包含原始图像的数据集作为数据集，利用类激活映射技术生成关于原始图像的显著区域二进制掩码，利用基于信念的攻击方法融合迭代的快速梯度方法生成全局对抗扰动；将生成的全局对抗扰动和显著区域二进制掩码融合生成显著区域对抗扰动；将显著区域对抗扰动添加到输入图像，并迭代地进行更新直到达到预设的终止条件，输出最后的一次迭代的图像对抗样本作为生成的对抗样本。该发明生成的对抗样本具备低扰动、高迁移性。

摘要： 本发明涉及混合动力汽车领域，特别是涉及一种基于深度信念网络的动力电池SOC预测方法。一种基于深度信念网络的动力电池SOC预测方法，所述动力电池用于混合动力汽车中，所述预测方法包括：提供所述动力电池特征参数的实验室恒流放电数据集；采集所述动力电池特征参数的实际工况数据；使用所述实验室恒流放电数据集训练DBN模型，得到训练完毕的DBN模型；以及将所述实际工况数据输入至所述训练完毕的DBN模型，得到动力电池预测SOC。上述动力汽车SOC预测方法将所述动力电池特征参数的实验室恒流放电数据集训练DBN模型，再将所述动力电池特征参数的实际工况数据输入训练好的DBN模型，不需要深入研究动力电池的内部结构就可以获取运行中的SOC值。

摘要： 本发明公开了一种深度信念网络DBN结构的动态设计及提高股票预测性能，包括隐含层和隐藏神经元的增减；本发明解决了DBN网络结构的问题，以连接权重的范数方根为判断依据，筛选舍弃或分裂的隐层神经元，再根据网络的平均绝对百分比误差来确定神经网络的深度，这样的设计方法不仅调节了隐藏神经元的个数，还考虑了隐藏层的变化，最后得到的网络不仅保留了原始网络的主要结构，提升了网络性能，并且在运行过程中计算简单。该设计不仅能够自动捕捉数据的特征信息来确定网络结构，还能够提升DBN在股票数据预测中的准确度。

摘要： 本发明公开一种基于深度信念网络的自动扶梯制动力智能诊断系统，包括，A．制动距离、制动器振幅以及自动扶梯技术参数的采集并将数据上传至制动性能数据库；B．深度学习建立自动扶梯制动力预估模型和建立自动扶梯制动力故障诊断模型；C．制动性能数据库对数据存储并约减；D．约减后的数据与制动力预估模型和制动力故障诊断模型对比；E．比对结果通过制动力智能诊断平台查看实时数据并预警。有益效果是，利用深度信念网络预估自动扶梯的制动力范围及从自动扶梯故障原始数据中直接提取有用故障特征并识别故障状态，能够第一时间得到制动力异常的预警和制动力故障的诊断结果，及时排查自动扶梯存在的隐患，实现智能管理，提高自动扶梯运行效率。

摘要： 本发明涉及一种基于深度信念网络的航天器惯性姿态敏感器故障诊断方法，包括：对航天器惯性姿态敏感器的数据样本进行预处理；对航天器惯性姿态敏感器的故障模式进行故障编码，并根据编码结果对预处理后的数据样本进行标注；选择深度信念网络的层数和节点，搭建深度信念网络；利用标注后的数据样本对深度信念网络进行训练，并对网络层数和节点数进行优化，最终得到用于航天器惯性姿态敏感器故障诊断的DBN网络进而完成航天器惯性姿态敏感器故障诊断。本发明充分挖掘多个惯性姿态敏感器数据之间的关联关系以及异常数据与故障之间的映射关系，实现航天器惯性姿态敏感器故障的高效、准确诊断。

摘要： 本发明公开了一种基于多核协同学习和深度信念网络的特征提取方法及系统，包括：获取人脸表情图像信息，将所述人脸表情图像信息输入到训练好的深度信念网络，得到人脸表情分类结果；其中，对于深度信念网络的训练过程包括：将三张同一个人脸不同角度的图像分别放入三个DBN网络，三个DBN网络根据视野的不同来提取同一个人脸图像的三个不同特征，将提取到的特征分别放入与DBN网络连接的分类器中，利用小于设定数量的已标记的样本和大于设定数量的未标记样本对多个分类器进行协同训练。本发明实现了利用大量未标记样本进行分类器训练的目的，降低了DBN对人工标记样本的依赖，提高了深度信念网络的实用性。