一、专利实施权 专利实施即将获得专利权的发明创造应用于生产实 践中,使之产生效果的行为。《专利法》第11条规定: “发明和实用新型专利权被授予后,除本法另有规定的 以外,任何单位或者个人未经专利权人许可,都不得实 施专利,即不得为生产经营目的制造、使用、许诺销售、 进口其专利产品,或者使用其专利方法以及使用、许诺 销售、销售、进口依照该专利方法直接获得的产品。外 观设计专利权被授予后,任何单位或个人未经专利权人 许可,都不得实施其专利,即不得为生产经营目的制造 销售、进口其外观设计专利产品

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性，对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力，为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面，对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类，分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题，并展望了可能的发展方向

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

一、《建筑结构检测技术标准》 GB/T50344-2004的编制目的 和适用范围 1.标准编制的目的和指导思想 已有检测规范 统一结构检测内容和检测方法 统一检测结果的评价方法

教学目的本节讨论如何将环上的测度延拓到生成的代数上去.这是定义测度常用的方法.下一节将用这个方法定义重要的 Lebesgue测度。本节要点本节所述测度的延拓过程思路较复杂,论证较繁难应注意讲 清主要思路,定理的证明应注意交代主要思想

一、什么是公共关系 1、关系的内涵 关系,人或事物之间的相互联系,或者牵涉、影响。它既表示事务之间相互联系、相互作用、相互 影响的状态,也表示人与人或者人与事物之间的某种联系、作用或影响。在自然界的万事万物中,包括 人与自然、人与人之间,存在着方方面面的、点点滴滴的、千姿百态的、千丝万缕的、丰富多彩的、这 样或那样的、平和或奇异的、有形或无形的、必然或偶然的、认识或未被认识的关系

采用激光熔覆与微弧氧化技术相结合在海洋钢表面制备了复合膜层.运用扫描电子显微镜（SEM）、能谱仪（EDS）和X射线衍射仪（XRD）表征复合膜层的微观结构，采用极化曲线、电化学阻抗谱、腐蚀磨损实验和浸泡腐蚀实验等测试方法研究膜层在质量分数3.5%的NaCl水溶液中腐蚀行为，并与熔覆涂层和基体进行对比.结果表明：复合膜层主要分为内致密层和外疏松层，疏松层主要由γ-Al2O3组成，致密层主要由α-Al2O3组成，与基底层结合较好，复合膜层表面硬度最大能达到HV0.2 1423.3，比熔覆涂层高47.6%，其硬度较S355海洋钢有显著提升.基体在腐蚀和磨损交互作用中主要以腐蚀加速磨损为主，涂层在交互作用中主要以磨损加速腐蚀为主，在经过微弧氧化处理后，膜层的自腐蚀电位负移，钝态电流密度上升，抗磨蚀性能明显提高.熔覆涂层的浸泡腐蚀方式以点蚀为主，复合膜层腐蚀较轻微，阻抗模值最大能达到105.3 Ω·cm2，比熔覆层提高两个数量级，这表明复合处理可进一步提高涂层的耐腐蚀性

一、投资的概念 二、货币的时间价值 三、现金流量的估计 四、资金成本的估计 五、投资方案的评价方法

超疏水表面是具有独特性能的一类表面，本身就具有广泛应用前景。石墨烯材料作为理化性质出众的一类材料，由于其高电导率、高导热系数、高比表面积、高透光率和有优异的机械性能，广泛应用于航空航天、石油化工、海洋船舶等领域。目前，基于石墨烯材料构建超疏水表面，是超疏水表面研究中一个较新的方向。本文对超疏水表面的原理进行了概述，重点总结归纳了石墨烯基超疏水材料制备技术的研究现状，包括表面修饰法、沉积改性法、激光诱导法、涂覆法、层层自组装法等，简要介绍了石墨烯超疏水材料在自清洁、油水分离、防覆冰、耐腐蚀、抗菌等领域的应用，并对石墨烯超疏水材料的下一步研究方向进行了展望

1、了解多项式的基本概念; 2、掌握多项式的整除概念及其判定方法; 3、掌握多项式的因式分解定理及最大公因式 的求解方法; 4、了解多项式函数及其根等