精神损失

摘要： 本书收录的65件档案,是从杭州市档案馆馆藏的近7万件民国档案这一片“小海洋”中,通过原始的查档方式手工检索“捞取”后,又经层层精选脱颖而出的。在内容上,反映的抗战损失情况涵盖了一般财产、房屋、人身伤亡、企事业损失、行业损失、失业误工、精神损失等多个方面。这些档案历经千里挑一的过程,相对完整、规范、细节突出、覆盖面广,对于反映抗战损失的主题,具有一定的代表性。

摘要： 2019年3月12日,胡女士由朋友介绍,在市南区某中医文化传播有限公司办理一张价值39800元的健康卡理疗,一共可做十次身体综合调理,另赠送三次,包括艾灸、点穴、按摩、化妆品等。胡女士做到第九次时,身体部位出现灼痛流血、感染等症状,遂入院治疗,花费医疗费5000余元,胡女士找到该中医馆,要求退费并承担精神损失,遭到中医馆拒绝。

摘要： 刑事诉讼法司法解释第一百五十五条规定:"对附带民事诉讼作出判决,应当根据犯罪行为造成的物质损失,结合案件具体情况,确定被告人应当赔偿的数额.犯罪行为造成被害人人身损害的,应当赔偿医疗费、护理费、交通费等为治疗和康复支付的合理费用,以及因误工减少的收入.造成被害人残疾的,还应当赔偿残疾生活辅助具费等费用;造成被害人死亡的,还应当赔偿丧葬费等费用.驾驶机动车致人伤亡或者造成公私财产重大损失,构成犯罪的,依照《中华人民共和国道路交通安全法》第七十六条的规定确定赔偿责任.附带民事诉讼当事人就民事赔偿问题达成调解、和解协议的,赔偿范围、数额不受第二款、第三款规定的限制."第一百六十四条规定:"被害人或者其法定代理人、近亲属在刑事诉讼过程中未提起附带民事诉讼,另行提起民事诉讼的,人民法院可以进行调解,或者根据物质损失情况作出判决."

摘要： 近日,浚县法院审结了一起校园伤害案件,法院最终判决被告人陈某赔偿原告何某医疗费、交通费、护理费和精神抚慰金共计2537元,原被告所在小学赔偿1692元。在校期间,小学生陈某与何某因琐事发生争执,进而发生了肢体上的冲突,导致何某摔倒受伤,期间在场老师李某并未上前制止。何某为治疗受伤共花费医药费1203元。事后何某监护人向陈某及校方索赔无果,于是将二者告上了法庭,要求赔偿治疗期间的费用及精神损失。

摘要： 近日,焦作中院二审办结一起机动车交通事故责任纠纷案件,判决认定交通事故导致高考生小袁精神损失,且造成严重后果,据此支持了小袁关于要求支付精神抚慰金2万元的诉讼请求。2018年6月5日,赵某驾驶小轿车靠路边停车开车门时,与驾驶电动车前往考场查看座位的小袁相撞,小袁倒地受伤,被紧急送往医院救治。第三天,腿伤未愈的小袁参加高考,最终考试成绩受到严重影响。事后小袁向赵某和承保轿车交强险的保险公司提起诉讼,要求支付精神抚慰金等损害赔偿。

摘要： 案例:张老师因工作成绩突出,被县教育局评为年度''优秀教师'',而这一荣誉称号全县仅有10名教师获得。在全县教育工作会颁奖时,张老师因上课无法参加,便委托前往参会的陈校长代其领取荣誉证书。陈校长在乘车返回途中,因疏忽大意被人盗走了装有张老师荣誉证书的提包.

摘要： 本发明公开了一种减少窑筒体表面热损失和无窑头余风热焓损失的水泥生产系统，该系统去除了窑头烟囱，还包括连接窑头引风机和篦冷机冷却风机的窑头余风循环单元、和设置在回转窑筒体上的筒体余热回收装置；窑头余风循环单元由窑头余风循环管道、风量分配器和若干个出风管道组成，窑头余风循环管道一端与窑头引风机出风口连接，窑头余风循环管道另一端与风量分配器进风口连接，风量分配器出风口与对应出风管道一端连接，出风管道另一端连接对应篦冷机中部风室下方冷却风机，将窑头余风送入篦冷机中部风室；筒体余热回收装置进水口与冷水水箱相连，出水口与AQC炉相连。本发明达到窑头余风热焓全部利用，同时减少窑筒体表面热损失，提高了全系统热效率。

摘要： 本发明涉及一种基于感知损失和风格损失的图像扩展方法，包括：对预处理后的数据集送入到构建好的图像扩展网络中，图像扩展网络包括重构路径和生成路径，重构路径用于输入待补全区域图像，获取其待补全部分的先验信息，最后重构出原始图像；生成路径用于输入缺失图像，利用重构路径得到的先验分布，引导图像的生成过程，在训练过程中，重点引入感知损失和风格损失约束生成图像的纹理和风格，改善了传统方法的扭曲模糊结构。感知损失和风格损失分别获取已知区域的语义信息和整体风格，从而有助于网络把握图像的真实纹理风格。

摘要： 劳动生产率损失成本计算系统包括：就业信息存储部(21)，存储关于每个从业者的就业信息的数据；健康诊断结果存储部(22)，存储关于每个从业者的健康诊断的数据；压力检查结果存储部(23)，存储关于每个从业者的压力检查的数据；设定数据存储部(300)，存储设定数据；劳动生产率损失成本计算部(40)，根据就业信息存储部(21)存储的项目数据、健康诊断结果存储部(22)存储的项目数据以及压力检查结果存储部(23)存储的项目数据计算劳动生产率损失成本；以及输出部(50)，将已计算出的劳动生产率损失成本输出。

摘要： 压力损失决定装置(1)具有路径跟踪部(30)、配管信息管理部(50)和损失决定部(40)。路径跟踪部(30)从三维建筑物信息中提取应该配置配管的平面，对平面进行网格分割而分割成多个单元，设定作为配管的始点的始点单元和作为终点的终点单元。配管信息管理部(50)存储有表示流体在单元之间的压力损失值的损失信息(51)。损失决定部(40)检索通过从始点单元到终点单元的单元的连接而形成的多个配管路径，针对多个配管路径的各配管路径，使用损失信息(51)决定从始点单元到终点单元的压力损失值。

摘要： 本发明提供了一种损失分布计算系统，包括：频率分布/规模分布输入部分，用于输入关于频率分布和规模分布的信息；规模分布离散化部分，用于执行针对输入规模分布的上部离散化和下部离散化之一或者两者；子复合分布计算部分，用于在执行对所有事件的划分之后计算针对所有事件之外的部分的损失的累积和的概率值，以便计算上部子复合分布和下部子复合分布之一或者两者，上部子复合分布基于频率分布和上部离散规模分布进行计算，并且下部子复合分布基于频率分布和下部离散规模分布进行计算；精确度计算部分，用于基于上部子复合分布和下部子复合分布之一或者两者计算损失分布函数的上限和下限，基于上部子复合分布和下部子复合分布之一或者两者计算函数作为损失分布函数的近似值，并且计算近似值的精确度；以及损失分布输出部分，用于输出关于具有由关于所计算的精确度的信息表示的保证的精确度的损失分布函数的近似值的信息。

摘要： 本文讨论了用于训练机器学习(ML)模型以基于图像数据确定深度数据的技术。训练可以使用立体图像数据和深度数据(例如，激光雷达数据)。可以将第一图像(例如，左图像)输入到ML模型，该模型可输出预测的视差和/或深度数据。预测的视差数据可与第二图像数据(例如，右图像)一起使用以重建第一图像。第一图像和重建图像之间的差异可用于确定损失。损失可能包括像素、平滑、结构相似性和/或一致性损失。此外，可以确定深度数据和预测深度数据之间的差异和/或预测视差数据和预测深度数据之间的差异，并且可以基于各种损失来训练ML模型。因此，这些技术可以使用自我监督训练和监督训练来训练ML模型。

摘要： 本发明公开了一种基于边缘损失和风格损失的图像卡通化方法、装置、计算机设备及存储介质，其包括：将原始图像输入预设神经网络模型进行训练以获得卡通图像；计算第一训练模型、卡通图像和预设卡通图像的边缘损失值和风格损失值；根据边缘损失值和风格损失值调整预设神经网络模型的参数，并重新对原始图像进行训练以再次获得卡通图像；返回步骤二，并判断当前边缘损失值与上一次边缘损失值之间的第一差值是否在第一预设范围内以及判断当前风格损失值与上一次风格损失值之间的第二差值是否在第二预设范围内；若第一差值在第一预设范围内且第二差值在第二预设范围内，输出卡通图像。本发明可以在保证原图内容信息不丢失的前提下，提高卡通化程度。

摘要： 本发明公开了一种基于深度学习与损失权重分析的涡轮叶片损失模型构建方法，所述方法为了探究如何对现有涡轮叶型损失模模型修正，首先需对叶型损失中的各项损失进行拆分，并与现有模型的预测大小进行对比，分析得到需要修正的系数与项和需要添加的修正项，进而形成具有修正形式的损失预测模型。并通过对比具有不同叶型参数的涡轮叶型损失，找到需要考虑的叶型参数变量。利用人工神经网络模型建立需要考虑的叶型参数变量与需要修正的系数(或项和需要添加的修正项)之间的函数关系，并带入具有修正形式的损失预测模型，进而构建涡轮叶型损失预测模型。该方法能够准确预测具有较大攻角工作范围的涡轮叶型损失。

摘要： 本发明涉及图像深度学习领域，且公开了一种兼顾L2损失与L0损失的对抗攻击方法，包括以下步骤：第一步：首先使用Sign‑OPT攻击产生初始对抗噪声方向θ0和距离λ0；第二步：计算噪声维度不重要度矩阵β；第三步：使用二分搜索寻找一个阈值t，使得将β中高于t的值置0，低于t的值置1后，依然满足f(x0+λ0θ0·β)！＝y0，其中x0表示原始图像，y0表示神经网络对x0的正确分类类别，对初始对抗噪声方向θ0进行维度优化得到最终噪声方向θ'＝β·θ0。该种兼顾L2损失与L0损失的对抗攻击方法，与现有技术比较，不需要重复多次输入多个模型通路，节省了计算资源，受攻击的像素少。

摘要： 在本说明书的一实施例中，可以提供一种对灾害损失区域的损失规模进行评估的服务器的工作方法。此时，服务器的工作方法可以包括：获取至少一个以上的第一灾害图像的步骤；从至少一个以上的第一灾害图像分别推导出损失区域，并以所推导出的损失区域为基础通过贴标获取损失区域相关信息的步骤；以及，使用至少一个以上的第一灾害图像以及损失区域相关信息学习第一学习模型的步骤。