钱学森谈系统工程

本文介绍了系统工程的发展,从早期的独担者、监工到总工程师的角色转变,强调了在大规模工程中总体设计部的重要性。总体设计部负责协调复杂的系统工程,解决各部分间的协调问题,体现了系统工程作为科学方法的实践和理论发展。系统工程方法不仅应用于国防尖端技术,也在日常生活和小型设备设计中发挥着作用。
摘要由CSDN通过智能技术生成

1、独担者

先从工程技术方面说起。在历史上,例如作为个体劳动者的一个泥瓦匠,他要造房子,首先要弄到材料,选定一个可行的方案,然后进行建设。他要建造一间什么样的房子,在他动手建造之前,房子的形象已经存在于他的头脑之中。他按照一定的目的来协调他的活动方式和方法,并且随着不断出现的新的情况来修改原来的计划。在整个劳动过程中,他既构想这所房屋的“总体”结构,又从每一个局部来实现房屋的建造;他是管理者也是劳动者,两者是合一的。

2、监工

后来生产进一步发展了,在手工业工场里,出现了以分工为基础的协作。马克思说:“许多人在同一生产过程中,或在不同的但互相联系的生产过程中,有计划地一起协同劳动,这种劳动形式叫做协作。”又说:“一切规模较大的直接社会劳动或共同劳动,都或多或少地需要指挥,以协调个人的活动,并执行生产总体的运动———不同于这一总体的独立器官的运动———所产生的各种一般职能。一个单独的提琴手是自己指挥自己,一个乐队就需要一个乐队指挥。”(《马克思恩格斯全集》第二十三卷第362、367页)这是说有了职能的分工,在一切规模较大的工程技术中,都有“总体”,都有“协调”问题,都需要有个指

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值