ERP系统导入后的绩效评估方法

南开大学提出新物体分割评价指标，相比经典指标错误率降低 69.23%

人工智能-搜索引擎

摘 要： 在研究了现有几种电子干扰效果评估准则的基础上， 深入分析各准则的自身属性， 阐明功率准则与信息准则分别适用于压制性干扰和欺骗干扰效果评估， 而概率准则适用于某个系统的抗干扰能力评估， 以及在评估某系统自身性能时， 用效率准则进行评估比较优越。 　　在复杂电磁环境中， 高技术电子对抗战将成为未来战争的主体。干扰效果（ Jamm ing Effectiveness）评估是电子对抗作战的问题， 也是电子对抗技术研究、电子对抗设备开发的关键技术， 对装备作战效能的客观、准确地估计， 以及改善其干扰性能或抗干扰性能具有重要意义。 　　电子对抗领域中的干扰效果是指： 在对其他电子系统进行电子

对作战行动方案进行效能评估实现了为指挥员提供决策辅助。分析了作战行动方案中 作战行动之间的依赖关系，建立了作战行动方案效能模型和相应的贝叶斯网络，用贝叶斯方法对作 战行动方案进行了效能评估和优选。以某联合登岛作战为案例的实验表明，该方法较好地处理了 作战行动方案的不确定性和复杂性，评估结果可以为指挥员的决策提供参考。

储能系统容量优化配置及全寿命周期经济性评估方法研究_修晓青.caj

方案评估方法归纳.pdf

CNNIQAplusplus 以下论文的PyTorch 1.3实施： 笔记 在这里，选择优化器作为Adam，而不是本文中带有势头的SGD。 训练 CUDA_VISIBLE_DEVICES=0 python main.py --exp_id=0 --database=LIVE --model=CNNIQAplusplus 训练前， im_dir在config.yaml被指定必须的。 可视化 tensorboard --logdir=tensorboard_logs --port=6006 # in the server (host:port) ssh -p port -L 6006:localhost:6006 user@host # in your PC. See the visualization in your PC 要求 conda create -n reproducib

供电企业作业危害辨识与风险评估方法借鉴.pdf

dct变换matlab代码介绍 此存储库包含以下技术报告的源代码： @inproceedings{NBIQA2019, author = {Fu-Zhao {Ou} and Yuan-Gen {Wang} and Guopu {Zhu}}, title = {A Novel Blind Image Quality Assessment Method Based on Refined Natural Scene Statistics}, booktitle = {2019 IEEE International Conference on Image Processing (ICIP)}, pages = {1004-1008}, year = {2019}, } 摘要：自然场景统计（NSS）模型由于其对图像失真的高度敏感性而在图像质量评估（IQA）社区中受到了相当大的关注。 然而，大多数现有的基于 NSS 的 IQA 方法从空间域或变换域提取特征。 同时考虑这两个领域的特征的工作很少。 在本文中，提出了一种基于精化 NSS 的新型盲 IQA 方法（NBIQA）。 提议的 NBIQA 首先