民国时期河南教育经费独立问题研究(1922-1941)

来源 :郑州大学 | 被引量 : 0次 | 上传用户:rongsiyouyu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
其他文献
增强现实技术是在虚拟现实基础上发展起来的一项技术,其目的在于将计算机生成的虚拟物体准确地叠加到真实场景中并实现真实与虚拟场景无缝融合,进而完成对真实场景的增强,从而辅助用户对现实世界的认知。因而,虚实场景的配准技术是增强现实技术的关键,而虚实配准技术中最重要的环节就是位姿估计技术。相比于基于机械装置、超声波装置、磁传感器、惯性装置、GPS等传感器的位姿估计方法,基于视觉的位姿估计方法以其成本低、易
在当今社会,随着软件技术的应用与发展,计算机软件与人们的日常办公、学习和生活密不可分。在这些软件系统中,有一类叫做遗留系统(Leagcy System)。遗留系统开发投入使用较早,内部结构复杂,由于技术人员变动频繁,系统文档不完善,给系统的使用和维护造成很大的困扰。不论在面向对象系统还是面向过程系统中,几乎所有的软件系统都是以模块化的形式设计开发的,尽管如此,多年的维护和进化使得软件产品趋向大型化
2021年宿迁市中考作文解析及高分案例展示真题回放碗,一头连着餐桌,一头系着国运。碗,可以记录情感、传承精神、彰显文化、折射时代变迁。请以“碗中日月”为题,写一篇文章,可以叙写经历和感受,可以发表议论和看法。思路点拨2021年宿迀中考作文根据导语给出完整的题目。考题的导语包含了两层意思:一是交代‘碗”的物质属性,它“连着餐桌",是日日使用的寻常之物;二是引申"碗”的文化属性,突出其不寻常之处
期刊
串联弹性驱动器(Series Elastic Actuator,SEA)是一种具有仿生弹性驱动,能够实现柔性功能的力输出设备。通过在负载与驱动器之间加入弹性单元和相应的传感器,可以实现对相应的关节进行主动柔顺控制的功能。目前,SEA在仿人机器人、康复机器人、机械外骨骼等领域已经开始广泛应用,而将SEA应用于机械臂,可实现机械臂柔顺化动作、自调整接触、防碰撞等仿人性要求,降低发生意外时对机械臂本体和
作为引起核反应堆压力容器用钢辐照脆化的重要因素,纳米富Cu团簇自上世纪60年代以来就引起人们的研究兴趣。通过使用各类计算机模拟技术可以得到富Cu团簇的形成长大及纳米Cu析出相的结构演化等多方面的信息。本文采用基于经典牛顿力学的分子动力学方法模拟了具有BCC晶格结构的Fe基体中包含小尺寸Cu纳米粒子的Fe-Cu二元体系在升温过程中的原子堆积结构变化。通过计算Cu原子均方位移、Cu原子对分布函数和原子
随着科学技术的快速发展和不断进步,机器人已经广泛应用于工业生产、军事等领域。并联机器人作为目前机器人研究领域的热点之一,近年来引起了许多学者的关注与重视,其市场前景被广泛看好。3-TPT并联机器人是东北大学用于钢坯局部缺陷自动化修磨而研制出的一台并联机器人试验样机,该机平动自由度是由约束机构的限制来实现的,其由两层相同的复合平行四边形结构串联组成,但该结构存在影响工作空间大小、影响运动平台位姿误差
随着全球CO2气体排放的逐年增长,碳捕集与封存技术(Carbon Capture and Storage,CCS)受到各行各业的广泛关注。在燃烧前捕集、富氧燃烧和燃烧后捕集三条CO2的捕集技术路线中,富氧燃烧和燃烧后捕集可以在现有的燃煤电厂基础上进行改造,比燃烧前捕集的成本更低。因此,本文从富氧燃烧和燃烧后碳捕集入手,以操作简便和制备气体纯度较高的变压吸附法(Pressure Swing Adso
随着深度学习的广泛应用,目标检测识别技术越来越多地应用到了很多人工智能的系统中。智能监控系统就是该项技术的典型应用场景。目前许多基于深度学习的目标检测识别模型虽然可以大幅地提升检测的准确率,但是计算速度还是无法达到实时。同时,这些模型无法很好地检测到较小的目标物体。本文针对以上目标检测和识别方法出现的问题,研究利用深度学习的解决方案,具有很强的科学意义和应用价值。本文首先以在学术界和工业界广泛应用
近年来,因磁制冷技术的潜在应用,探索新的具有较大磁熵变的磁性材料备受关注。在本文中,我们合成了蜂窝晶格化合物GdCrTeO6和GdMnTeO6,并对其晶体结构、磁性和磁热效应进行了系统的研究,主要内容如下:1、简要概述了研究背景、磁制冷基本原理、磁热效应、样品制备手段、晶体结构和磁性表征设备。2、利用高温固相法制备了化合物GdCrTeO6和GdMnTeO6多晶样品。X-射线粉末衍射结果表明,样品为
故障诊断作为制造业的重要问题之一,目前正朝着智能诊断的方向发展。由于数据可用性的提高,以及近期人工智能算法在各个领域都起到重要作用,基于人工智能算法的故障诊断研究也越来越活跃。然而在工程实践中,很难获得高质量的带标签数据;同时,由于机器工作条件不断变化,导致不同时期的数据分布往往不同。这些都给故障诊断提出了较大挑战。因此,本文针对机械设备故障诊断数据的特点,结合深度学习与迁移学习,改进并将其运用于