Facing the crush of the liberalization and globalization, the companies try their best to improve the ability of competitiveness. For saving cost and focusing on their development, the enterprises divide their business into two parts: the core and the non-core. The establishments assign others companies to conduct the non-core business such as information outsourcing, equipment-maintaining outsourcing, catering outsourcing, security outsourcing and so on. There may be many outsourcing cases in a large commercial enterprise. In order to enhance the efficiency and efficacy, reduce executing time and ensure the quality, the individual system is established. Although the individual system can administer the various kinds of outsourcing cases, it gains extra processing-time and reduplicate working-processes. Based on the specialties, the outsourcings are divided into three kinds: project, long-term contract, the combined of project and long-term contract. The outsourcing process and problems are examined by interviewing the employers and employees. According to the analyses, the operation procedures of outsourcing platform, the manuals of operating system, and the simulation with Arena are designed. Due to the results of simulation, the platform can solve the outsourcing problems and increase the efficiency. Therefore, the template can be established.

The furniture industry is a thriving industry in the past decades all over the world. The increase in production and sales of furniture products means that more raw materials are needed and more furniture waste is produced at the same time. Taking into account the unsolved environmental issues, it is necessary to make innovation changes to reduce the waste and overcome the continuously increasing resource consumption. Circular economy draws a wide attention under this situation. As an alternative to replace the traditional linear consumption model, it balances the economic development and environmental concern. Turning waste into a new resource is a profitable opportunity for the furniture industry. However, product recovery in this industry meets obstacles due to the character of the furniture.This study considers discarded bulky furniture products. It focuses on the first step of furniture waste recovery: the collection process. The aim of this research is improving the efficiency of a “many to one” collection process in a reverse logistics system and increasing the recovery level within the hierarchy of options for discarded furniture. By using the soft system methodology, this study explores the current discarded furniture collection situation within Europe and then analyzes each essential element of this collection system. After that, combining with the relevant circular economy theory and information gathered from a case furniture company, we design a new conceptual business process model for discarded furniture collection.In the newly designed model, the collection process is carried out by the individual transport option with sufficient capacity from customer’s home to the furniture store. The new model is based on a collaborative lifestyle information platform. By managing the real-time information, the platform aligns individuals’ transport resources with discarded furniture demand to reduce the transport cost of the collection process. This model aims for optimal use of the available individual resources to complement the transport process. Moreover, this information platform helps to collect information in the early stage to reduce the uncertainty of reverse logistics.

Актуальность и важность исследования автоматизированной системы распознавания эмоций по лицу человека с использованием глубоко разделяемой сверточной нейронной сети во многом определяются использованием преимуществ методов глубокого обучения. Таким образом, для модели с хорошей точностью настройка гиперпараметров является важным аспектом процесса глубокого обучения, а оптимизация поможет в разработке хорошего распознавания эмоций по лицу. Целью диссертации является разработка модели глубокого обучения для распознавания эмоций по лицу с использованием алгоритма сверточной нейронной сети и многоклассовой классификации, а также настройки гиперпараметров с использованием оптимизации ускоренного градиента Нестерова (NAG) для повышения производительности модели глубокого обучения. Целью данной работы является проведение экспериментальных исследований по разработке модели глубокого обучения для определения эмоций человеческого лица на основе черт лица с использованием TensorFlow. Предметом является применение методов машинного обучения для анализа автоматизированной системы распознавания эмоций по лицу человека с использованием DS-CNN. Научная новизна предлагаемой работы заключается в создании нового набора данных по эмоциям лица, который доступен на сайте Kaggle. Во-вторых, для увеличения нелинейности использовались слои глубинной свертки, точечной свертки и глобального среднего пула. И, наконец, алгоритм оптимизации ускоренного градиента Нестерова (NAG) использовался для ускорения обучения и улучшения скорости сходимости. Практическая значимость работы заключается в том, что эта работа позволяет нам разработать модель глубокого обучения с использованием сверточной нейронной сети вместе с многоклассовой классификацией и предлагаемым набором данных, где данные будут предварительно обработаны, а модель DL будет обучена с помощью набора поездов и проверено с помощью тестового набора. Разработанная методология распознает четыре основные эмоции в изображениях людей, такие как счастье, удивление, нейтральность и злость, используя наш предлагаемый набор данных, где эксперимент будет проводиться с предлагаемым набором данных, который доступен на веб-сайте Kaggle. А данные будут оцениваться с помощью статистического анализа с помощью корреляции. Размеченные данные будут предварительно обработаны, а набор данных будет разделен на 3 пары обучающих, проверочных и тестовых наборов различного размера. Модель глубокого обучения будет обучаться с каждым обучающим набором, чтобы найти правильный обучающий размер набора данных, обеспечивающий максимальную точность обучения. Модель глубокого обучения будет проверена с помощью тестового набора для определения наилучшей точности теста, а полученные результаты эксперимента будут проанализированы. / The relevance and importance of the study of automated human facial emotion recognition system using Depthwise Separable Convolutional Neural Network are largely determined by utilizing the benefits of deep learning techniques. So, for a good accuracy model, hyper parameter tuning is an essential aspect of the deep learning process and Optimization will help in developing a good facial emotion recognition. The aim of the thesis is to develop a deep learning model for facial emotion recognition using Convolutional Neural Network algorithm and Multiclass Classification along with Hyper-parameter tuning using Nesterov’s Accelerated Gradient (NAG) Optimization to improve the performance of the deep learning model. The objective of this work is to deal with experimental research to develop a deep learning model to identify the emotion of a human face based on facial features using TensorFlow. The subject is the application of machine learning methods to analyze the automated human facial emotion recognition system using DS-CNN. The scientific novelty of the proposed work is the creation of a new facial emotion dataset which is available on the Kaggle website. Secondly, Depthwise convolutional, pointwise convolutional, and global average pooling layers have been used to increase the nonlinearity. And finally, the Nesterov’s Accelerated Gradient (NAG) optimization algorithm has been used to speed up the training and improve the convergence rate. The practical significance of the work lies in the fact that this work allows us to develop a deep learning model using convolutional neural network along with multiclass classification and proposed dataset where the data will be preprocessed and the DL model will be trained with the train set and validated with the test set. The developed methodology recognizes four basic emotions in images of human beings such as happy, surprise, neutral, and angry using our proposed dataset where experiment will be performed on the proposed dataset which is available on Kaggle website. And the data will be evaluated using statistical analysis with the help of correlation. The labeled data will be pre-processed and the dataset will be split into 3 pairs of training, validation and testing sets of varying sizes. The deep learning model will be trained with each training set to find the proper training size of the dataset which gives highest training accuracy. The deep learning model will be validated with the test set to find the best test accuracy and the obtained results of the experiment will be analyzed.

"Wissenschaftskultur. Gelehrte Gesellschaften und wissenschaftliche Vereine" ist der Titel eines neuen Online-Informationsportals, das die Sächsische Landesbibliothek – Staats- und Universitätsbibliothek Dresden (SLUB) mit Unterstützung des Sächsischen Staatsministeriums für Wissenschaft und Kunst, der Universitätsbibliothek Leipzig und der Sächsischen Akademie der Wissenschaften seit Herbst 2008 aufgebaut hat. Am 28. März 2009 wurde das Portal www.wissenschaftskultur.de anlässlich eines festlichen Symposiums zum 175-jährigen Bestehen der „Naturwissenschaftlichen Gesellschaft ISIS zu Dresden“ offiziell freigegeben.

"Wissenschaftskultur. Gelehrte Gesellschaften und wissenschaftliche Vereine" ist der Titel eines neuen Online-Informationsportals, das die Sächsische Landesbibliothek – Staats- und Universitätsbibliothek Dresden (SLUB) mit Unterstützung des Sächsischen Staatsministeriums für Wissenschaft und Kunst, der Universitätsbibliothek Leipzig und der Sächsischen Akademie der Wissenschaften seit Herbst 2008 aufgebaut hat. Am 28. März 2009 wurde das Portal www.wissenschaftskultur.de anlässlich eines festlichen Symposiums zum 175-jährigen Bestehen der „Naturwissenschaftlichen Gesellschaft ISIS zu Dresden“ offiziell freigegeben.