一、ERP的产生、发展和前景（论文文献综述）
杨彬安[1]（2021）在《创业型企业实施ERP的成本效益评估研究 ——以RK公司为例》文中研究指明
陈莹[2]（2021）在《面向3DoF+的虚拟视图合成算法研究》文中研究说明
张寻政[3]（2021）在《基于工业互联网的新型边缘-云协同架构设计与实现》文中研究说明工业技术在国家综合生产能力体系中占有举足轻重的地位,工业和制造业的发展是一个国家经济实力的重要体现。近年来,随着我国工业化进程的加快和中国“智能制造2025”的推进,工业互联网成为重要的网络基础设施,众多新型工业计算密集型应用也开始涌现,如工业目标检测（Object Detection）,人脸识别（Face Recognition）,多媒体（Multimedia）传输等等。同时,伴随移动互联网和无线通信技术的进步,工业物联网（Industrial Internet of Things,IIoT）也面临巨大机遇和挑战。越来越多的设备访问,使网络基础架构承受着巨大的压力,例如现有的云计算（Cloud Computing）技术,在工业物联网的场景下,很多传感器与云平台物理上相距甚远,不能满足延迟敏感应用的低时延高质量需求,服务质量（Quality of Service,QoS）令人不满。作为云计算的重要补充,边缘计算（Edge Computing）通过将应用、数据和服务从集中式节点推向网络边缘,在靠近移动设备和数据源头的地方,融合网络、存储和计算,同时应用具有核心能力的开放平台,就近提供智能服务,推动物联网（Internet of Things,IoT）的发展。但是,高计算消耗型应用也开始向边缘计算的嵌入式环境迁移,巨大的负载使得边缘有时不能满足需求且性能又不如云平台好。所以,在工业互联网中,需要结合云计算的强大存储、计算能力和边缘计算的实时灵活部署等优势,构建新型边缘-云协同网络架构,即边-云协同（Edge-Cloud Collaboration,ECC）。本文基于工业互联网,首先研究设计了一种边缘-云协同架构,其次提出了一种时延约束下的边缘-云优化功率卸载机制,最后将所提出的架构实际构建了新型边缘-云协同平台,并结合实际工业生产线,部署边缘-云协同架构,以提升生产效率,优化网络性能。主要工作如下:（1）在多任务场景下,提出了一种新型边缘-云协同架构并搭建实际演示平台。为了避免节点间的异构问题,统一采用树莓派（Raspberry Pi,RP）卡片计算机作为工作节点,设计了一个面向边缘计算的边缘-云协同框架,该框架主要分为三层,分别是边缘节点树莓派层（Edge Raspberry Pi,ERP）,任务监控调度树莓派层（Monitoring&Scheduling Raspberry Pi,MSRP）和云中心层（Cloud Center,CC）。层与层之间可以在无线网络连接下,实现不同树莓派之间、树莓派与云中心之间的协作通信。通过架构各个功能部分的耗时分析,进行架构总体时延问题建模,目的是使该边缘-云协同架构的工作时间最小化。通过MSRP的调度,ERP能够与CC协同工作,充分利用了边缘端和云端的计算资源。ERP层运行了人脸识别、目标检测这两种具有代表性的边缘任务。（2）在时延约束场景下,提出了一种最优功率查找的边缘-云匹配算法。首先,考虑信道状态、时延约束和效用函数,提出了一个在边缘-云卸载条件下,具有时延约束惩罚机制的最小能耗任务执行系统模型。然后,基于该建模问题,在边缘向云端卸载任务时,提出了一种最优发射功率的二分搜索算法和一种快速权值匹配的任务卸载算法,用来寻找边缘-云协作的边缘最优发射功率和快速合适的边缘-云匹配。（3）在实际生产线中,结合物联网节点和5G基础网络架构,搭建了物联网端-边缘-云协同工业智能检测平台,将快速深度学习算法融合高速工业互联网,使边缘计算、边缘-云协同技术得以以物联网设备为载体落地实施于实际工业生产线,具有良好的现实意义和应用前景。
孙富[4]（2021）在《治疗决策中风险和收益的权衡 ——来自行为和ERP的证据》文中指出近年来,有报告指出,慢性病患者的治疗依从性较低,因此研究人员开始关注慢性病患者治疗决策的状况,试图寻找提高治疗依从性的方法。为了探究慢性病患者如何对治疗药物可能产生的副作用和疗效进行权衡及治疗决策过程中的神经机制,本研究在前人研究的基础上,进行了如下实验:实验一采用6（疗效概率:5%,16%,36%,64%,84%,98%）×6（副作用概率:5%,16%,36%,64%,84%,98%）两因素被试内实验设计。在实验过程中,给被试呈现不同概率疗效和副作用的组合,要求被试做出是否接受这种组合的治疗,考察慢性病患者对治疗的有效性和副作用进行权衡的结果。记录被试的选择和反应时间。结果显示:随着副作用概率的升高和疗效概率的降低,被试选择接受治疗的百分比逐渐降低;副作用的贴现值比疗效的值高。表明了,在治疗决策中,药物副作用概率和疗效概率共同影响被试对身体健康收益的感知,从而影响被试的治疗决策,并且被试对疗效的估值受副作用概率的影响,副作用概率越高,对疗效的估值越低。实验二采用3（疗效概率:36%,64%,98%）×3（副作用概率:35%,65%,97%）两因素被试内实验设计。探讨治疗决策的神经机制。实验二与实验一采用相同的实验范式,要求被试根据相关信息做出是否接受治疗的决策,在此过程中记录脑电信号。实验结束后对实验数据进行重复测量方差分析,结果显示,在刺激呈现后的200300毫秒出现显着的P200成分,统计发现副作用概率显着影响P200的波幅。无论疗效概率如何,低副作用概率条件比高副作用概率条件诱发的P300波幅更大。结果表明,个体在决策的早期阶段对风险信息进行自动加工,在晚期阶段才对风险和收益信息进行权衡,被试对疗效的价值评价随着风险的增加而降低。本研究结果表明,治疗药物的副作用概率和疗效概率对慢性病患者治疗决策有显着影响。个体对疗效价值的评价受副作用概率的影响,副作用概率越大,疗效价值的评价就越低。现实生活中,在疗效概率相似的情况下,相较于高副作用概率的治疗,人们对低副作用概率的治疗有更高的依从性。
邱淼淼,柴雄力,邵枫[5]（2021）在《一种立体全景图像显着性检测模型》文中认为三维全景给用户提供360°视角的同时给人以强烈的三维立体真实感,虽然近年来研究人员开发了大量的算法来检测二维及三维图像中的显着区域,但针对立体全景图像显着性检测的研究较少。考虑到全景图像的投影特点、立方体投影（CMP）图像有助于消除顶部与底部引起的扭曲及边框效果,利用等矩形投影（ERP）图像中所有可用的上下文信息,以ERP作为全局信息、CMP作为局部信息,融合了全局和局部的视觉显着图。提出的立体全景显着性检测模型由颜色相似度算法和区域对比度算法两部分组成。首先,对图像进行多尺度线性迭代聚类超像素分割,根据像素块的颜色差异得到颜色对比特征图;然后依据空间分布紧凑性计算区域对比度;根据颜色对比特征和区域对比度特征得到图像显着图。通过结合赤道偏移并且融入深度信息得到最终的立体全景显着图。最后,将所得结果在公开的立体全景图像数据库ODI中进行了对比验证,实验结果表明,所提方法得到的显着结果具有较高的准确率、召回率和F-measure值,其综合性能优于6种经典的显着预测算法。所提模型既能够充分利用图像信息,又能有效地抑制复杂的背景区域,可得到更加符合视觉感知的显着图。
司念文[6]（2021）在《面向图像识别的深度学习可视化解释技术研究》文中研究说明可解释性是当前深度学习领域面临的突出问题之一。与传统机器学习方法相比,深度神经网络“端到端”的特点和分布式的特征表示形式,使人们难以理解其工作机制及决策依据,阻碍了其性能提升及面向风险敏感领域的拓展应用。其中,卷积神经网络（Convolutional Neural Network,CNN）是图像识别领域最常用的网络结构,提升CNN模型的可解释性对其进一步研究和应用具有重要意义。为此,本文面向图像识别领域的CNN模型,分别从正常场景和对抗场景两个方面出发,围绕如何提升CNN模型决策的解释效果及解释的可信任性问题,研究了基于显着图可视化的CNN可解释性方法及其攻击与防御方法,旨在从可视化的角度直观地对CNN模型内部表征及决策进行解释,并确保对抗场景下解释结果的有效性。本文完成的主要工作如下:第一,针对现有基于显着图可视化的CNN可解释性方法缺乏统一直观比较的问题,通过分析主流可视化方法的算法原理,对其进行了分类整理、特点归纳与效果比较,实现了统一标准下的评估与对比。首先,本文将主流可视化方法概括为5类:基于扰动的方法、基于反向传播的方法、类激活映射、激活最大化和其它方法,详细介绍了每类中的典型方法。然后,归纳了现有方法的6个方面特点,并对每种特点作了深入分析。最后,选取其中十余种典型方法,在相同输入和后处理方式下,对其可视化效果进行直观比较。该部分工作可为用户在应用中选择合适的方法提供指导,同时也为本文后续研究打下基础。第二,针对现有类激活映射方法仅关注特征图通道特征、未能充分利用空间分布特征的问题,提出了一种基于空间-通道注意力的类激活映射方法,利用注意力机制调整对特征分布的关注,以生成效果更佳的类激活图,用于解释CNN预测与输入特征之间的关联。具体地,首先归纳设计了一种基于类激活映射的CNN可视化框架。然后,基于该框架,首次提出类激活权重的概念,并推导了两种类激活权重间的关系。最后,采用注意力机制的思想,将两种类激活权重视作注意力权重,结合推导出的线性对应关系,提出基于注意力的类激活映射方法表示形式。实验中,在4种典型CNN结构下,对类激活权重和类激活图进行了可视化实验与分析。结果表明,两种类激活权重之间存在线性对应关系,与理论推导结果一致。与GAP-CAM（Global Average Pooling based Class Activation Mapping）和Grad-CAM（Gradient-weighted CAM）相比,所提方法的类激活图可视化效果具有一定优势。第三,针对现有方法生成的显着图存在的粗糙、噪声多和不够细粒度的问题,提出了一种基于区分性反卷积的细粒度显着图可视化方法,通过区分性反卷积过程逐层融合特征图信息,在上采样的同时提升显着图清晰度,以实现细粒度的显着图可视化效果。具体地,该方法首先利用改进的Grad-CAM方法生成初始类激活图,将其作为反卷积过程的起点。然后,通过两个反卷积分支将其逐层传递到输入空间,分别获取细粒度显着图和类别区域掩码。其中,细粒度反卷积分支从各层特征图中融合有益特征,以逐层提升显着图清晰度。最后,将细粒度显着图和类别区域掩码融合以获取最终显着图。实验结果表明,该方法在定性和定量评估指标上优于7种现有的典型可视化方法,尤其针对传统方法可视化效果不佳的小目标图像,该方法的细粒度效果更为明显。此外,在简单背景图像上的弱监督实例分割实验表明,该方法实现了比较有效的分割效果,对该领域具有一定应用前景。第四,在对抗场景下,针对现有的显着图攻击方法存在攻击代价较大、攻击方式单一的问题,提出了一种基于对抗补丁的显着图攻击方法,通过为输入图像添加专门设计的对抗补丁以构造对抗图像,可在不修改目标模型的条件下,使Grad-CAM方法产生异常显着图,从而更简单地实现攻击目的。具体地,该方法在模型的分类损失后添加对显着图的约束项,可以针对性地优化出一个对抗补丁,用于诱导显着图的显着性区域偏向补丁位置,实现对显着图的攻击。同时,通过批次训练方法与增加扰动范数约束,提升了对抗补丁的泛化性,并可利用其生成对抗样本。实验结果表明,该方法可以有效地攻击多种不同CNN结构下的显着图,诱导其偏向指定区域,并可用于攻击未见过的新图像的显着图,适用于多种不同攻击场景。与现有基于模型微调的Grad-CAM显着图攻击方法相比,该方法无需修改模型权重,可在保持模型分类精度的同时,更简单有效地实现攻击目的。第五,在对抗场景下,针对可视化方法由于受到对抗样本攻击而导致的显着图异常和解释过程失效的问题,提出了一种基于随机扰动的显着图对抗样本防御方法,通过简单的输入预处理策略,即可恢复对抗样本的显着图,保证在对抗场景下解释的有效性。具体地,该方法在对抗样本输入模型和可视化方法前,对其添加服从高斯分布的随机噪声,利用噪声扰动来抵消其中的对抗性特征,实现对抗样本显着图的恢复。为了验证该方法的有效性和通用性,在ILSVRC 2012数据集上进行了广泛实验,针对3种类激活映射方法和6种反向传播可视化方法对应的对抗样本分别进行了效果测试与对比。结果表明,该方法能够有效地恢复对抗样本的显着图,对多种敌手攻击方法生成的对抗样本均适用。与现有基于对抗性训练的防御方法相比,该方法无需重新训练模型,仅需对输入样本进行简单预处理,再按照常规流程即可获得有效的显着图,在现实环境中更加简单易用。
邱康伟[7]（2021）在《ERP的企业人才培养创新模式探析》文中认为ERP这一概念诞生于上世纪90年代的美国,因洞悉信息技术良好的发展前景,美国一家IT公司提出了以计算机为载体、以互联网牵线的供应链管理思想,ERP也在十余年的发展中不断得到优化与完善,并逐渐应用到企业管理实战中。依靠ERP创新人才培养模式是企业顺应社会发展做出的正确选择,也是使企业实现战略性部署的必要措施。一、基于ERP的企业人才培养模式相关内容综述1.ERP简介。ERP（Enterprise Resource Planning）即企业资源计划,是由美国Gartner Group设计制作的资源计划软件,
冯学伟[8]（2020）在《普联软件公司发展战略研究》文中进行了进一步梳理普联软件于2001年在山东济南成立,自成立以来业务聚焦于大型企业集团的财务管理系统,2018年度营业收入为3.68亿元。目前公司已形成大型央企、行业龙头企业、金融保险企业三大客户群,涉及石油、石化、建筑、地产及银行、保险领域。本文以普联软件作为研究对象,通过内外部环境分析,本文发现普联软件在外部环境方面拥有国家政策、市场需求旺盛、技术进步和上下游关系等发展机遇,同时也面临着人才结构和人才成本的挑战。而对于内部环境,普联软件在技术研发、产品解决方案、行业案例、本土化服务、团队方面具备优势,但是在规模、高端人才储备、融资渠道上存在劣势。从公司内外部环境出发,未来五年发展总体目标应当是努力成为国内领先的企业管理信息化综合服务提供商,成为客户信赖的长期合作伙伴。一方面聚焦大型集团战略客户,稳固提升现有大型集团战略客户信息化市场的优势地位,着力拓展更多大型集团企业新客户;另一方面聚焦资金、财务、共享领域,提炼打造高质量的产品和方案,加快拓展更多行业领域客户。为了实现战略目标,公司应当采取四大战略举措,一是聚焦集团客户,发挥资源优势,二是聚焦行业需求,拓展未来行业领域,三是加强研发投入,增强客户交付能力,四是加强营销建设,完善服务网络体系。此外,为了提高战略举措的实施效果,公司应当构建战略保障体系,公司需要调整组织架构,提高运转效率,加强人力资源管理体系建设,加强技术平台建设与应用,提升财务融资能力。
陈梓豪[9]（2020）在《基于深度强化学习的全景视频传输优化》文中研究指明超高清全景视频的广泛应用需求,对全景视频传输技术提出了挑战。全景视频从球面投影到二维网格平面后,经过压缩生成待传输的视频流文件。相应的,全景视频传输策略的设计需要考虑投影格式的影响。为了提供用户沉浸式体验,超高清全景视频的空间分辨率极高,需要极大的带宽资源。基于分块的全景视频传输方案需要同时考虑空间和质量的自适应调度,以实现带宽资源受限环境下的用户体验最优。本文针对全景视频传输优化的核心问题,在内容制作和传输过程等方面基于深度强化学习提出了三个解决方案。（1）立方体投影方式常用于投影全景视频。然而默认的立方体投影方法,未能有效考虑前景对象的分布,导致部分前景对象跨越多个投影平面,存在明显的失真。为了解决上述问题,本文提出一种基于深度Q学习（Deep Q-Learning,DQL）的全景图像内容自适应立方体投影方法,通过分析前景对象的分布,在有限次迭代中快速地预测水平旋转角度,优化立方体投影结果。实验结果表明,相比已有的投影优化方法,文中提出的方法有效降低前景对象的失真程度。（2）针对全景视频传输过程的优化,本文提出一种应用于单用户点播场景的全景视频传输方案,该方案采用基础层和增强层的协作传输方式,为用户视口内传输高码率的图块和为用户视口外覆盖低码率的基础块。方案执行时采用视口预测算法准确预测未来数秒内用户视口,又称预测视口;然后使用基于异步优势执行者-评论者算法（Asynchronous Advantage Actor-Critic,A3C）的码率自适应算法选择预测视口内图块的码率,以及动态缩减图块的预取时间以提高视口预测算法的准确率。实验结果证明,在单用户点播场景中,该方案能够在整个传输过程中获得更高的用户质量体验。（3）为了在多用户点播场景中同时优化多用户的观看体验,基于上述方案,本文提出一种应用于多用户点播场景的全景视频传输方案,方案的核心是在内容分发网络的边缘设备（例如基站）中添加边缘计算以及边缘缓存能力。基站使用请求队列收集和整理不同用户的全景视频请求,分析带宽和边缘缓存等因素,使用基于A3C的全局码率算法分配多个用户视口内图块的码率。边缘缓存用于短时间存储频繁使用的图块,便于重复调用。为了进一步高效利用边缘缓存,本文提出一种与视口相关的优化置换算法,有效提高图块置换效率。实验结果证明在多用户场景中,该方案能够在服务端下行带宽不变的前提下,为所有用户提供高质量的沉浸式体验,降低服务端吞吐压力。
于化龙[10]（2020）在《大跨度视频编码与传输体系研究》文中认为随着人们对视觉内容的消费需求越来越高,互联网中视频数据的储量呈爆炸式增长。海量视频的存储和传输消耗着大量的存储和带宽资源。为了降低视频数据量,视频编码方案使用了层出不穷的高效技术以提升编码效率。但是为了支持灵活的随机访问,视频码流中存在着很多随机访问点,它们将码流分割为多段相互独立的随机访问片段。由于不能相互参考,随机访问片段之间的冗余信息无法被有效剔除,以至于不能进一步提升编码效率。实际上,在很多视频中,随机访问片段在大跨度的时间间隔内存在着反复出现的背景或对象。为了利用这种大跨度的相关信息,前人提出基于场景知识库的视频编码方法,通过引入包含多样场景内容的外源知识图像库,为主视频中包含相似场景的随机访问片段提供外源参考信息。然而,外源知识图像带来了两方面的问题。一方面,在编码层,生成获取的知识图像的内容和质量会极大地影响视频编码的效率,而获取内容多样又存储精简的最优知识图像集会消耗很多的计算时间,这为其在海量视频的压缩上带来了阻碍,如何快速地获取最优知识图像是在编码层获得编码性能增益的一个关键问题;另一方面,在系统层,外源知识图像在大跨度时间上的交替共享使用为视频码流的随机访问的实现和传输效率的提升带来了严峻的挑战,如何处理知识图像和主视频中随机访问片段之间的紧凑存储和高效传输,是保持编码层获得的编码效率增益的另一个关键问题。本文对这种使用大跨度外源参考信息的视频编码方法（简称大跨度编码）进行了深入全面的分析,并针对外源知识图像在编码层的高效获取和在系统层的高效存储传输等关键问题开展了研究工作,取得了以下创新性的研究成果:·在编码层,本文着眼于最优知识图像的选择问题。一方面在复杂度受限的情况下,减低大跨度编码的计算复杂度,使其适用于长时视频的高效编码;另一方面在码率受限的情况下,提升大跨度编码的最优编码性能,使其更具有竞争力:1.本文提出一种基于众包的最优知识图像集选择方法。该方法根据知识图像和主视频的联合率失真优化,将最优知识图像选择的问题转化为物理意义上相一致的众包理论中的用户选择问题,使用优化算法快速求解得到能够提供最多参考信息且占用最少数据量的最优知识图像集。与已有的基于知识库的视频编码方法相比,该方法在长时的电视剧序列上的编码复杂度降低超过20%,并仍可以比HEVC获得近28%的编码性能增益。2.本文提出了 一种基于局部失真传递的知识图像质量调整方法。该方法根据主视频中随机访问片段和知识图像之间的依赖关系,建立图像块级的局部失真传递链,得到知识图像的失真传递权重,用以调整知识图像的质量。该方法能够在不引入过多知识图像数据量的前提下自适应调整知识图像中不同区域的质量,在上述基于众包的编码方法上进一步获得4%左右的编码性能增益。通过这两方面的编码层优化,大跨度编码方法在HEVC通用测试序列上能够获得19%以上的编码性能增益,在长时电视剧序列上能够获得38%以上的编码性能增益。·在系统层,本文针对使用大跨度编码的视频在本地存储播放和流媒体传输,解决主视频和知识图像联合的存储文件格式和同步传输,在保证系统层操作简便的同时,实现使用大跨度编码的视频在大规模视频服务应用中的紧凑存储和高效传输。1.在存储文件格式方面,本文提出一种基于样本群组的大跨度文件格式,该方法将主视频图像按照其参考的知识图像进行分组归类,实现主视频图像和知识图像之间的外源依赖关系描述。与现有基础文件格式相比,该方法避免了知识图像数据在存储文件中的重复,能够紧凑地实现主视频与知识图像的联合存储。2.在流媒体传输方面,本文提出一种基于片段索引的大跨度传输方案。该方法在片段索引中增加主视频图像与知识图像之间的外源依赖关系,使得接收端能够快速解析外源依赖关系以实现主视频图像和知识图像的同步传输。同时,本文还提出一种知识图像缓存管理方法,根据知识图像的重要性管理其存储和更新,提升知识图像的重用率,从而降低知识图像在随机访问点的重复传输和重复解码的次数。这解决了现有流媒体传输方案只能多次重传和重解码知识图像的问题。相较于引入额外传输数据量和解码时间的现有传输方案,我们提出的传输方案能够减少45%的传输码率,并降低9%的解码时间,充分发挥大跨度编码的效率。基于以上两种系统层的方法,我们能够实现系统层对大跨度编码的视频的便捷高效操作,同时不会为外源知识图像的使用消耗额外的存储、带宽和解码资源。
二、ERP的产生、发展和前景（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、ERP的产生、发展和前景（论文提纲范文）
（3）基于工业互联网的新型边缘-云协同架构设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第1章 绪论 |
| 1.1 论文选题背景 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及创新点 |
| 1.3.1 研究内容 |
| 1.3.2 创新点 |
| 1.4 论文结构安排 |
| 1.5 本章小结 |
| 第2章 工业互联网下的边缘计算及边缘-云协同技术 |
| 2.1 工业互联网概述 |
| 2.1.1 工业互联网的内涵 |
| 2.1.2 工业互联网的发展 |
| 2.2 边缘计算技术 |
| 2.2.1 边缘计算卸载 |
| 2.2.2 边缘计算平台 |
| 2.3 边缘-云协同技术 |
| 2.3.1 边缘-云协同总体要求 |
| 2.3.2 边缘-云协同关键技术 |
| 2.4 本章小结 |
| 第3章 基于树莓派的新型边缘-云协同架构设计与实现 |
| 3.1 系统模型 |
| 3.1.1 本地执行模式 |
| 3.1.2 监控调度模式 |
| 3.1.3 云端执行模式 |
| 3.2 问题建模 |
| 3.3 系统实现 |
| 3.3.1 任务部署 |
| 3.3.2 任务卸载决策 |
| 3.3.3 任务边缘-云协作 |
| 3.4 平台性能及分析 |
| 3.4.1 时延结果分析 |
| 3.4.2 帧速率结果分析 |
| 3.4.3 能耗结果分析 |
| 3.5 本章小结 |
| 第4章 边缘-云协作的能量最小化任务卸载机制研究 |
| 4.1 系统建模 |
| 4.1.1 任务建模 |
| 4.1.2 边缘-云卸载能耗建模 |
| 4.2 问题建模 |
| 4.3 最优边缘-云卸载策略设计 |
| 4.3.1 边端功率控制 |
| 4.3.2 边缘-云卸载策略 |
| 4.4 仿真结果与实际部署 |
| 4.5 本章小结 |
| 第5章 端-边缘-云协同工业智能检测平台搭建 |
| 5.1 系统需求分析 |
| 5.2 系统设计 |
| 5.2.1 系统架构设计 |
| 5.2.2 系统工作流程 |
| 5.3 系统功能测试 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间取得的成果和参与的项目 |
| 学位论文评阅及答辩情况表 |
（4）治疗决策中风险和收益的权衡 ——来自行为和ERP的证据（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 1 文献综述 |
| 1.1 治疗决策的相关研究 |
| 1.1.1 风险决策理论 |
| 1.1.2 风险决策的神经基础 |
| 1.1.3 治疗决策的行为研究 |
| 1.1.4 治疗决策的神经机制 |
| 1.2 与治疗决策相关的概念及模型 |
| 1.2.1 治疗依从性 |
| 1.2.2 健康信念模型 |
| 1.2.3 概率贴现模型 |
| 1.2.4 对事件价值主观评估的神经机制 |
| 2 问题提出及研究构想 |
| 2.1 问题提出 |
| 2.2 研究构想 |
| 2.3 研究意义及创新点 |
| 2.3.1 研究意义 |
| 2.3.2 创新点 |
| 3 实验一治疗决策中风险和收益权衡的行为学研究 |
| 3.1 研究目的 |
| 3.2 研究方法 |
| 3.2.1 实验设计 |
| 3.2.2 被试 |
| 3.2.3 实验材料 |
| 3.2.4 实验仪器 |
| 3.2.5 实验程序 |
| 3.3 结果与分析 |
| 3.4 讨论 |
| 4 实验二治疗决策中风险和收益权衡的脑电研究 |
| 4.1 研究目的 |
| 4.2 研究方法 |
| 4.2.1 实验设计 |
| 4.2.2 被试 |
| 4.2.3 实验材料 |
| 4.2.4 数据采集 |
| 4.2.5 实验程序 |
| 4.3 结果与分析 |
| 4.3.1 行为结果处理与分析 |
| 4.3.2 脑电数据处理与分析 |
| 4.4 讨论 |
| 5 总讨论 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学位论文情况 |
| 致谢 |
（5）一种立体全景图像显着性检测模型（论文提纲范文）
| 1 引言 |
| 2 投影格式转换 |
| 3 显着性检测方法 |
| 3.1 多尺度线性迭代聚类超像素分割 |
| 3.2 颜色相似度计算 |
| 3.3 区域对比度计算 |
| 3.4 基于颜色相似度和区域对比度的显着性检测 |
| 3.5 全局视觉和局部视觉显着融合 |
| 4 结果与分析 |
| 4.1 数据库 |
| 4.2 主观评估 |
| 4.3 显着性检测客观评价结果 |
| 5 结论 |
（6）面向图像识别的深度学习可视化解释技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 面向图像识别的深度学习技术进展 |
| 1.1.2 深度学习面临不可解释的挑战 |
| 1.2 研究现状分析 |
| 1.2.1 可解释性方法的研究现状 |
| 1.2.2 可解释性方法的攻击与防御方法研究现状 |
| 1.3 本文研究内容与结构安排 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文结构安排 |
| 第二章 基于显着图可视化的CNN可解释性方法对比研究 |
| 2.1 可视化方法 |
| 2.1.1 基于扰动的方法 |
| 2.1.2 基于反向传播的方法 |
| 2.1.3 类激活映射 |
| 2.1.4 激活最大化 |
| 2.1.5 其它方法 |
| 2.2 可视化方法的特点比较 |
| 2.3 实验与分析 |
| 2.3.1 基于扰动、基于反向传播和类激活映射方法的实验 |
| 2.3.2 激活最大化方法的实验 |
| 2.4 本章小结 |
| 第三章 基于空间-通道注意力的类激活映射方法 |
| 3.1 引言 |
| 3.2 类激活映射与注意力机制 |
| 3.2.1 类激活映射 |
| 3.2.2 注意力机制 |
| 3.3 提出的方法 |
| 3.3.1 类激活映射可视化框架 |
| 3.3.2 类激活权重分析 |
| 3.3.3 基于空间-通道注意力的类激活映射 |
| 3.4 实验与分析 |
| 3.4.1 实验设置 |
| 3.4.2 类激活权重可视化 |
| 3.4.3 类激活图可视化 |
| 3.5 本章小结 |
| 第四章 基于区分性反卷积的细粒度显着图可视化方法 |
| 4.1 引言 |
| 4.2 提出的方法 |
| 4.2.1 PGrad-CAM |
| 4.2.2 区分性反卷积 |
| 4.2.3 算法的过程 |
| 4.2.4 与现有方法的比较 |
| 4.3 实验与分析 |
| 4.3.1 实验设置 |
| 4.3.2 定性评估 |
| 4.3.3 定量评估 |
| 4.3.4 弱监督实例分割实验 |
| 4.3.5 显着图后处理中缩放参数的影响 |
| 4.3.6 逐层反卷积的细节分析 |
| 4.4 本章小结 |
| 第五章 基于对抗补丁的显着图攻击方法 |
| 5.1 引言 |
| 5.2 对抗样本与对抗补丁 |
| 5.2.1 对抗样本的基本原理 |
| 5.2.2 攻击解释方法的对抗样本 |
| 5.2.3 对抗补丁 |
| 5.3 提出的方法 |
| 5.3.1 Grad-CAM符号定义 |
| 5.3.2 显着图攻击方法 |
| 5.3.3 可泛化的通用对抗补丁 |
| 5.3.4 扩展到对抗样本 |
| 5.3.5 对攻击方法的原理分析及比较 |
| 5.4 实验与分析 |
| 5.4.1 实验设置 |
| 5.4.2 攻击结果与分析 |
| 5.4.3 不同模型上的攻击结果比较 |
| 5.4.4 通用对抗补丁实验 |
| 5.4.5 对抗样本实验 |
| 5.5 本章小结 |
| 第六章 基于随机扰动的显着图对抗样本防御方法 |
| 6.1 引言 |
| 6.2 问题定义与敌手模型描述 |
| 6.2.1 问题定义 |
| 6.2.2 敌手模型描述 |
| 6.3 提出的方法 |
| 6.3.1 算法的出发点 |
| 6.3.2 算法的过程 |
| 6.4 实验与分析 |
| 6.4.1 实验设置 |
| 6.4.2 攻击过程的细节分析 |
| 6.4.3 针对Grad-CAM和 LRP的对抗样本防御实验 |
| 6.4.4 不同可视化方法的对抗样本防御效果比较 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 A 软件:可解释性知识推理原型系统 |
| 附录 B 软件:智能会议听抄系统 |
| 作者简介 |
（7）ERP的企业人才培养创新模式探析（论文提纲范文）
| 一、基于ERP的企业人才培养模式相关内容综述 |
| 1. ERP简介。 |
| 2. ERP特点。 |
| 二、基于ERP的企业人才培养模式创新思路 |
| 1. ERP观念实践。 |
| 2. ERP虚拟课堂。 |
| 3. ERP实习工作。 |
| 4. ERP创新理念。 |
| 三、基于ERP的企业人才培养模式创新策略 |
| 1. 加强对ERP人才培养的投入力度。 |
| 2. 优化人力资源管理配套机制。 |
| 3. 依靠第三方培训机构扩大资源优势。 |
| 四、结语 |
（8）普联软件公司发展战略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 研究思路与框架 |
| 1.2.1 研究思路 |
| 1.2.2 研究框架 |
| 1.3 研究方法与工具 |
| 1.3.1 研究方法 |
| 1.3.2 研究工具 |
| 1.4 论文创新点 |
| 第2章 理论与文献综述 |
| 2.1 相关概念界定 |
| 2.1.1 企业战略 |
| 2.1.2 企业发展战略 |
| 2.2 战略管理的相关理论 |
| 2.2.1 产业基础观理论 |
| 2.2.2 资源基础观理论 |
| 2.2.3 动态能力理论 |
| 2.3 国内外研究现状 |
| 第3章 公司外部环境分析 |
| 3.1 宏观环境 |
| 3.1.1 政治环境 |
| 3.1.2 经济环境 |
| 3.1.3 社会环境 |
| 3.1.4 技术环境 |
| 3.2 行业环境 |
| 3.2.1 行业经济特性及生命周期分析 |
| 3.2.2 现有竞争者的竞争程度 |
| 3.2.3 供应商的议价能力 |
| 3.2.4 购买者的议价能力 |
| 3.2.5 潜在进入者的威胁 |
| 3.2.6 替代品的威胁 |
| 3.3 竞争环境 |
| 3.3.1 战略群组分析 |
| 3.3.2 竞争对手分析 |
| 3.4 机会与威胁 |
| 3.4.1 机会 |
| 3.4.2 威胁 |
| 3.5 外部环境评价矩阵的构建 |
| 第4章 公司内部环境分析 |
| 4.1 价值链构建 |
| 4.2 企业资源 |
| 4.2.1 有形资源 |
| 4.2.2 无形资源 |
| 4.3 企业能力 |
| 4.3.1 售前咨询能力 |
| 4.3.2 需求分析能力 |
| 4.3.3 订单获取能力 |
| 4.3.4 方案实施能力 |
| 4.3.5 研发能力 |
| 4.3.6 售后服务能力 |
| 4.3.7 组织管理能力 |
| 4.4 企业优势与劣势 |
| 4.4.1 企业优势 |
| 4.4.2 企业劣势 |
| 4.4.3 公司与同行业可比上市公司市场地位、技术实力的比较 |
| 4.5 内部环境要素评价矩阵的构建 |
| 第5章 发展战略的确定 |
| 5.1 公司的使命与愿景 |
| 5.1.1 公司的使命 |
| 5.1.2 公司的愿景 |
| 5.2 战略定位 |
| 5.2.1 战略组合分析 |
| 5.2.2 公司战略定位 |
| 5.3 战略目标的制定 |
| 5.3.1 总体目标 |
| 5.3.2 经济目标 |
| 5.3.3 技术目标 |
| 5.3.4 人力资源管理目标 |
| 5.3.5 财务管理目标 |
| 5.3.6 企业文化建设目标 |
| 5.4 战略举措 |
| 5.4.1 聚焦集团客户,发挥资源优势 |
| 5.4.2 聚焦行业需求,拓展未来行业领域 |
| 5.4.3 加强研发投入,增强客户交付能力 |
| 5.4.4 加强营销建设,完善服务网络体系 |
| 第6章 战略保障体系的构建 |
| 6.1 调整组织架构,提高运转效率 |
| 6.2 加强人力资源管理体系建设 |
| 6.3 加强技术平台建设与应用 |
| 6.4 提升财务融资能力 |
| 第7章 结论及展望 |
| 7.1 研究结论 |
| 7.2 研究不足与展望 |
| 附录 普联软件发展战略研究访谈提纲 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（9）基于深度强化学习的全景视频传输优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 全景内容投影方法 |
| 1.2.2 全景视频传输方案 |
| 1.2.3 深度强化学习技术 |
| 1.2.4 边缘计算和边缘缓存 |
| 1.3 课题研究内容 |
| 第2章 全景图像内容自适应CMP方法 |
| 2.1 引言 |
| 2.2 应用于连续动作空间的强化学习 |
| 2.3 整体方案描述 |
| 2.3.1 执行过程 |
| 2.3.2 数据预处理 |
| 2.4 基于DQL结合NAF的水平旋转角度预测算法 |
| 2.4.1 动作 |
| 2.4.2 奖励 |
| 2.4.3 网络模型 |
| 2.4.4 训练方法 |
| 2.5 对比试验 |
| 2.5.1 数据集 |
| 2.5.2 参数设置 |
| 2.5.3 对比算法 |
| 2.5.4 实验结果 |
| 2.6 总结 |
| 第3章 单用户场景下的全景视频传输方案 |
| 3.1 引言 |
| 3.2 整体方案描述 |
| 3.2.1 基础块与图块 |
| 3.2.2 视点与视口 |
| 3.2.3 基础层缓存和增强层缓存 |
| 3.2.4 图块开始下载时间 |
| 3.2.5 全景视频块开始播放时间与传输卡顿 |
| 3.2.6 质量评价 |
| 3.3 基于A3C的码率自适应调度算法 |
| 3.3.1 状态 |
| 3.3.2 动作 |
| 3.3.3 奖励 |
| 3.3.4 训练方法 |
| 3.4 对比实验 |
| 3.4.1 数据集 |
| 3.4.2 参数设置 |
| 3.4.3 对比方案 |
| 3.4.4 实验结果 |
| 3.5 总结 |
| 第4章 多用户场景下的全景视频传输方案 |
| 4.1 引言 |
| 4.2 整体方案描述 |
| 4.2.1 视频块请求 |
| 4.2.2 请求队列 |
| 4.2.3 图块开始下载时间 |
| 4.2.4 全景视频块开始播放时刻与传输卡顿 |
| 4.2.5 质量评价 |
| 4.3 边缘缓存 |
| 4.4 基于A3C的码率全局调度算法 |
| 4.4.1 状态 |
| 4.4.2 动作 |
| 4.4.3 奖励 |
| 4.5 对比实验 |
| 4.5.1 数据集 |
| 4.5.2 参数设置 |
| 4.5.3 码率调度方案对比 |
| 4.5.4 Fo V-Cache算法对缓存置换算法的提升效果 |
| 4.6 总结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 指导教师对研究生学位论文的学术评语 |
| 学术论文答辩委员会决议书 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（10）大跨度视频编码与传输体系研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 1 绪论 |
| 1.1 选题背景 |
| 1.2 视频编码研究现状 |
| 1.2.1 高效视频编码理论与技术的发展 |
| 1.2.2 帧间预测的参考信息研究概述 |
| 1.3 系统层存储和传输研究现状 |
| 1.3.1 文件格式 |
| 1.3.2 自适应流媒体传输 |
| 1.4 本文研究内容 |
| 2 大跨度编码与传输体系概述 |
| 2.1 大跨度参考结构 |
| 2.1.1 现有编码方案的参考结构 |
| 2.1.2 跨随机访问点的大跨度参考结构 |
| 2.2 编码与传输体系 |
| 2.2.1 大跨度参考结构的挑战和需求 |
| 2.2.2 大跨度编码与传输体系设计 |
| 2.3 本章小结 |
| 3 编码层部分——基于众包理论的最优知识图像选择研究 |
| 3.1 基于众包的知识图像集构造 |
| 3.1.1 联合率失真优化问题 |
| 3.1.2 基于众包的最优知识图像选择问题 |
| 3.1.3 基于次模优化的最优知识图像选择方法 |
| 3.2 编码收益和编码成本分析 |
| 3.2.1 基于颜色直方图的收益和成本度量 |
| 3.2.2 基于局部图像信息的收益和成本度量 |
| 3.3 编码性能分析 |
| 3.3.1 测试配置条件 |
| 3.3.2 快速众包选择方法的性能和复杂度分析 |
| 3.3.3 增强众包选择方法的性能分析 |
| 3.3.4 增强众包选择方法在VVC上的性能分析 |
| 3.4 本章小结 |
| 4 编码层部分——基于局部失真传递的知识图像质量调整研究 |
| 4.1 基于失真传递的联合率失真优化 |
| 4.1.1 基于知识图像的分层参考结构 |
| 4.1.2 联合率失真优化 |
| 4.2 失真传递分析 |
| 4.2.1 间接失真传递 |
| 4.2.2 直接失真传递 |
| 4.3 基于失真传递的量化参数决策 |
| 4.4 基于局部失真传递的直接失真传递因子 |
| 4.5 质量调整方法的性能增益 |
| 4.6 大跨度编码的综合性能分析 |
| 4.7 本章小结 |
| 5 系统层部分——面向大跨度编码的高效存储传输设计 |
| 5.1 面向大跨度编码视频的存储文件格式 |
| 5.1.1 基础文件格式概述 |
| 5.1.2 码流级外源依赖关系 |
| 5.1.3 基于知识图像重用的大跨度编码视频文件存储方法 |
| 5.1.4 基于样本群组的大跨度编码视频文件格式 |
| 5.1.5 大跨度编码视频的本地播放示例 |
| 5.2 面向大跨度编码的视频的流媒体传输 |
| 5.2.1 自适应流媒体传输概述 |
| 5.2.2 码流级外源依赖关系描述 |
| 5.2.3 基于片段索引的图像级外源依赖描述 |
| 5.2.4 知识图像的下载和管理 |
| 5.3 系统层性能分析 |
| 5.3.1 实验设计 |
| 5.3.2 大跨度存储传输方案的传输效率分析 |
| 5.3.3 解码端延时分析 |
| 5.4 本章小节 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读博士学位期间主要的学术成果 |
四、ERP的产生、发展和前景（论文参考文献）
- [1]创业型企业实施ERP的成本效益评估研究 ——以RK公司为例[D]. 杨彬安. 重庆理工大学, 2021
- [2]面向3DoF+的虚拟视图合成算法研究[D]. 陈莹. 西安电子科技大学, 2021
- [3]基于工业互联网的新型边缘-云协同架构设计与实现[D]. 张寻政. 山东大学, 2021(12)
- [4]治疗决策中风险和收益的权衡 ——来自行为和ERP的证据[D]. 孙富. 辽宁师范大学, 2021(09)
- [5]一种立体全景图像显着性检测模型[J]. 邱淼淼,柴雄力,邵枫. 激光与光电子学进展, 2021(08)
- [6]面向图像识别的深度学习可视化解释技术研究[D]. 司念文. 战略支援部队信息工程大学, 2021(01)
- [7]ERP的企业人才培养创新模式探析[J]. 邱康伟. 人才资源开发, 2021(06)
- [8]普联软件公司发展战略研究[D]. 冯学伟. 山东大学, 2020(05)
- [9]基于深度强化学习的全景视频传输优化[D]. 陈梓豪. 深圳大学, 2020(10)
- [10]大跨度视频编码与传输体系研究[D]. 于化龙. 浙江大学, 2020(01)