【摘 要】
：
规章制度是无线广播电视发射台正常运转的重要保障,也是依规工作的重要基础.为进一步改进工作作风、提高工作效率,促进发射台各项工作有序推进,有必要结合实际情况和以往的实践经验,建设内容完备、执行有效的制度体系,确保“不间断、高质量、既经济、又安全”的维护方针得以贯彻.本文结合笔者工作实际对建设安全播出管理制度体系提出了一系列思考.
【机 构】
：
内蒙古自治区广播电视传输发射中心呼伦贝尔广播发射中心台 内蒙古 呼伦贝尔市 021008
论文部分内容阅读
规章制度是无线广播电视发射台正常运转的重要保障,也是依规工作的重要基础.为进一步改进工作作风、提高工作效率,促进发射台各项工作有序推进,有必要结合实际情况和以往的实践经验,建设内容完备、执行有效的制度体系,确保“不间断、高质量、既经济、又安全”的维护方针得以贯彻.本文结合笔者工作实际对建设安全播出管理制度体系提出了一系列思考.
其他文献
大数据处理是近年来广受关注和研究的技术领域,数据挖掘作为从大量数据中挖掘隐藏价值信息的技术,是处理大数据的有效工具.本文主要从数据挖掘的角度对大数据处理算法的研究现状进行分类总结.首先介绍了大数据中针对流式数据分类的方法,包括单模型算法和集成分类算法;其次分别从单机算法和基于分布式并行平台的多机算法两个角度概括介绍了大数据聚类方法以及大数据关联规则挖掘方法;最后总结了现有面向大数据的数据挖掘算法的研究进展并展望未来的发展趋势.
传统的聚类算法一般只适用于静态数据的处理,而真实世界的数据往往数据量大且变化多,静态的聚类算法不能为动态数据提供其演化规律的分析学习.演化数据的聚类,一方面要正确反映每一时刻数据的合理簇划分,另一方面又要使动态的聚类结果在演化过程中尽可能平滑.本文提出了一种自适应时间平滑的演化聚类框架,该模型考虑到当前时刻数据与历史时刻数据的未知关联,通过限定时间回溯的范围,自适应地寻找与当前快照最相关的历史快照,并通过有机融合基于Itakura?Saito距离的静态相似度和基于时间序列的动态相似度,计算各个时间片快照上
元强化学习是指自动从一组相关任务中学习强化学习所需归纳偏置的相关理论和方法,对于提高强化学习算法在困难场景下的样本效率和泛化能力具有重要用途.本文提出一种新的元强化学习框架,指出设计和分析一个元强化学习算法需要同时考虑学习经验(相关任务)、归纳偏置及学习目标3个独立因素及这3个因素之间的依赖关系.在此基础上对该领域的研究现状进行了分析和总结,特别对近年来元强化学习若干文献进行了分析和归类,并详细阐述了几种代表性算法的原理及各自特点.本文还对元强化学习常用的实验环境和性能评价方法进行了介绍,对该领域的不足和
9月15日,内蒙古自治区广播电视局党组理论学习中心组召开扩大学习会议,专题学习习近平总书记在中央民族工作会议上的重要讲话,传达汪洋同志的总结讲话精神.局党组书记、局长王笑铁,局领导牧仁、邹韬、王玉君、陆文祥、何文,机关各处室及直属事业单位主要负责人参加学习.
在高温干燥的氧气环境中,SiC材料将氧化生成SiO2氧化膜,影响材料性能.SiO2在SiC上的生长由氧气通过氧化物的扩散控制.由于温度条件限制,传统实验方法很难测定氧气在高温氧化物中的扩散.本文采用分子动力学研究不同温度下氧在熔融SiO2中的扩散行为.基于Morse、L?J等势函数及其参数,模拟了高温下的无定形SiO2结构,计算获得了氧在950、1100、1200、1300及1400℃温度下的均方位移曲线及扩散系数,分析了温度对气体扩散的影响作用,拟合了温度相关的Arrhenius公式.研究结果可为SiC
传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断,为解决其成本高、失误率高和损坏率高等问题,提出了基于深度学习的多目标实时检测分类模型(Multi-object real-time detection and classification model,MRDC)。该模型以YOLOv3为基础,使用SKNet作为注意力机制进行特征重构提高精确度,配合灰度图快速转化算法与跳帧检测方法提高检
深度强化学习在学习过程中需要与环境进行大量的交互,训练效率低下.模仿学习通过从专家示范中学习,可以有效地应对这一挑战,但是需要收集大量的专家示范轨迹,在复杂任务中往往导致高昂的示范代价.本文提出一种基于主动学习的行为克隆算法,通过主动挑选示范起始状态来减小示范代价.该方法基于不确定性采样和不相似性采样两种策略,从状态候选集中挑选最有价值的状态作为起始状态,然后向专家查询固定长度的示范轨迹,希望从尽可能少的示范中学习出有效策略.在多个不同任务上的实验表明,本文方法可以用更少的示范轨迹进行行为克隆,降低了强化
由于光照变化、相机抖动和动态背景等因素影响,现有基于传统图像处理方法的前景提取算法并不能在复杂场景下获得良好的分割效果。针对此类问题,本文提出了一种基于全卷积孪生神经网络的前景提取算法,仅需任意2帧图像即可准确提取运动前景。将输入的2帧图像分为背景图像与待提取图像,将其输入全卷积孪生神经网络得到二者的相似性度量图,该相似性度量图中包含待提取图像相对于背景图像的各像素变化情况信息;接着将相似性度量图
在证件审核场景中,常规的深度学习人脸识别方法人证比对精度低且在嵌入式设备运行效率差。为解决上述问题,本文提出了改进的轻量级卷积神经网络Lightnet,并采用了迁移学习方法。Lightnet是结合深度可分离卷积、线性瓶颈结构和注意力模块构成的轻量级卷积神经网络模块,引入附加角度裕量的损失函数AM-Softmax监督训练后,网络模型能够保持较高的验证精度,并有效解决标准卷积神经网络参数冗余、计算量大
非负矩阵分解模型是一种常见的数据降维方法。在现有非负矩阵分解算法用于聚类的研究中,每个类别一般仅由一个或者指定多个中心点表示,然而这种表示方式往往无法准确描述其类别的特征和结构,从而影响聚类效果。为了解决这个问题,本文提出了峰值点非负矩阵分解算法。该算法首先为数据集找到多个密度峰值点,并构建密度峰值点和样本点的二部图,然后利用二部图完成聚类。此外该算法引入流形图正则化项来充分利用数据间的流形结构信