课程文献中心 更多>>

关键词： 参数估计   增广状态估计   区间分析   分位数回归   误差传播  

摘要： 为满足现代电网对于输电线路参数估计和跟踪维护的需求,该文提出一种基于分位数回归双向门控循环单元(QR-BiGRU)神经网络与区间抗差增广状态估计的线路参数区间追踪估计方法。所提方法基于区间估计理论与动态增广状态估计模型,首先采用QR-BiGRU神经网络代替传统Holt指数平滑预测函数进行状态区间预测,并获得了更准确、可信的状态预测区间;其次基于量测值及其所允许的最大误差构建量测区间;再次,基于区间分析理论与误差传播定律求解考虑零注入功率约束的区间抗差增广状态估计模型,获取了由状态预测区间、量测区间所导致的参数估计区间,实现了对输电线路电阻、电抗的区间追踪估计;最后,通过融合了美国纽约独立系统运营商时间序列数据的多个IEEE节点测试系统,验证了所提方法的有效性。

关键词： PSO-BP   神经网络   爆破振动   回归分析  

摘要： 采用传统钻爆法对隧道进行开挖时,需要采用更为精准的爆破振速预测方法控制爆破振动,进而实现对隧道周边目标的保护。以乐业隧道为研究对象,借助爆破测振仪获取爆破现场监测数据,分别建立回归分析后的萨式经验公式、BP神经网络、PSO-BP神经网络3种模型,对爆破振速进行预测。根据获得的预测精准度进行对比分析可知:基于非线性回归分析得到的萨式经验公式预测平均误差为36.03%,预测精准度较差;BP神经网络预测平均误差为22.98%;利用粒子群(PSO)算法优化后的BP神经网络预测平均误差为13.11%,预测精确度最高,更加适于乐业隧道爆破振速的预测。研究方法可为类似工程中的爆破峰值振速预测提供参考。

关键词： 人工智能   大数据   高校网络   安全问题与对策  

摘要： 随着大数据和人工智能等前沿技术的快速创新与应用,高校网络安全问题日益凸显,网络安全建设已经成为高校数字化校园建设的一个重要环节。在当前人工智能大数据的时代背景下,网络安全正面临着一系列复杂而严峻的问题与挑战,部分高校在网络安全管理方面的意识尚显薄弱,使网络系统面临潜在的安全漏洞威胁。针对这些问题,必须采取一系列切实有效的对策,以维护人工智能大数据背景下的高校网络安全,提升高校网络安全防护能力,确保高校网络空间的安全稳定与健康发展。基于此,本文对人工智能大数据背景下高校网络安全问题与对策进行了研究。

关键词： 卫生资源配置   网络数据包络分析方法   耦合协调度模型  

摘要： 目的分析和评价中国省际卫生资源配置效率情况,为进一步合理优化配置资源提供依据。方法采用网络(dataenvelopmentanalysis,DEA)模型对我国30个省份的卫生资源配置效率情况进行分析,并利用耦合协调度模型分析各省份资源投入效率和服务产出效率情况。结果2011-2020年10年间,中国30个省份的卫生资源配置整体效率、资源投入效率和医疗服务产出效率均值分别为0.745、0.882和0.843。整体效率值和分阶段效率总体均呈上升趋势,2020年有所下降。从区域资源配置来看,东部地区的医疗资源投入效率均值最高(0.903),高于西部地区(0.878)和中部地区(0.859);中部地区的医疗服务产出效率值最高(0.921),高于西部地区(0.911)和东部地区(0.743)。从耦合协调度可知,中西部地区的水平值最高,均值为0.941,东部地区的水平值最低,均值为0.885。结论我国各省市卫生资源配置效率差异较大,各地区医疗卫生资源的投入水平和医疗服务产出水平之间协调度不高,应通过适宜的投入产出评估机制来调整资源配置结构,提升资源利用效率。

关键词： 电力耦合网络   风险概率预测   蓄意攻击   Page Rank算法   灰色模型   累加矩阵  

摘要： 为了准确预测电力耦合网络风险概率、提高电力耦合网络的稳定性,对蓄意攻击下的电力耦合网络风险概率预测算法进行了研究。在蓄意攻击状态下,将节点相关性矩阵引入Page Rank算法,分析电力耦合网络拓扑结构和实例潮流分布的重要程度,并进行归一化处理,以识别电力耦合网络关键节点。通过灰色模型预测电力耦合网络的风险指标,确定单项风险指标值。通过熵权法计算各项评价指标的动态权重,获取电力耦合网络的总体风险概率预测值。试验结果表明:电力耦合网络风险概率预测算法的电力耦合网络风险均衡度高达0.964;获取的电力耦合网络风险概率预测结果和真实风险概率更加接近;预测时间最低为0.0706 s,在0.2 ms以内即可完成收敛。该算法可以准确预测电力耦合网络风险概率,确保网络的稳定运行。

关键词： 网络安全   防御策略   攻击方视角   信息技术   信息安全  

摘要： 在数字时代,互联网已成为推动国家和社会进步的核心平台,然而,网络攻击的频繁发生引起了广泛关注,网络安全成为社会大众关注的焦点问题。现有的安全防范措施在应对日益多样化的网络挑衅时显得力不从心,这迫使我们从网络威胁的发起者视角审视这一难题,并在技术革新的同时,从法律管控和政策层面促进对应措施的协同发展。本文深入探讨基于攻击者视角的网络安全防御战略,旨在加强网络的总体防护能力,并维护国家安全和社会稳定。

关键词： 滚动轴承   故障诊断   概率神经网络   遗传算法   最小二乘法   指数平滑法  

摘要： 针对滚动轴承故障诊断问题,提出遗传算法优化概率神经网络(GA-PNN)的诊断方法。首先,用遗传算法优化PNN网络中的散布常数。其次,从实验室采集到内环故障和正常状态下的滚动轴承振动信号,考虑到采集系统等存在缺陷因素,采用最小二乘法和指数平滑法消除振动信号中的漂移和微弱噪声。随后,提取多个时域特征参数,并根据参与建立诊断模型的输入变量不同而建立起6个不同模型。最后,利用GA-PNN和PNN对6个模型进行诊断并综合分析。研究结果表明:GA-PNN对6个模型的诊断效果均能达到95%以上,而PNN由于散布常数设置问题导致诊断结果差异较大;散布常数和输入变量均会影响PNN的诊断效果;从校验集收敛误差、测试集诊断准确率等角度出发,GA-PNN相比PNN更适宜滚动轴承故障诊断。

关键词： 乳腺癌   深度学习   乳腺X线摄影   人工智能  

摘要： 目的 构建一种基于乳腺X线摄影的乳腺良恶性病变深度学习模型并评估其诊断效能。方法 回顾性收集行乳腺X线摄影检查且经超声引导下穿刺活检或术后获得病理结果的乳腺肿瘤女性病人210例,平均年龄(53.3±11.2)岁。根据病理结果将病人分为良性组82例,恶性组128例。按照2∶1比例随机将病人分为训练集140例(良性53例,恶性87例)和验证集70例(良性29例,恶性41例)。以残差网络(ResNet)深度神经网络框架为基础,基于训练集数据构建鉴别乳腺肿块良恶性的诊断模型,并使用验证集数据评估该诊断模型的诊断效能。由高、中、低年资3名放射诊断医师分别对验证集肿块良恶性进行主观评价。良恶性组间以及训练集和验证集间病人基本临床资料比较采用t检验、Mann-Whitney U检验。采用加权Kappa方法分析不同年资放射医师和深度学习模型间的一致性。采用多阅片者-多病例(MRMC)的受试者操作特征(ROC)曲线下面积(AUC)评估深度学习模型和不同年资放射医师的诊断效能,并采用DeLong检验比较各分析对象之间的诊断效能。结果 训练集和验证集中,恶性组的病人年龄和病灶直径均大于良性组(均P<0.05)。深度学习模型与低、中、高年资医师对良恶性肿瘤分类的一致性中等或较好(κ值分别为0.546、0.656、0.788)。在训练集或验证集中,深度学习模型与高年资医师对乳腺良恶性病变诊断的AUC值差异无统计学意义(均P>0.05),而高于中、低年资放射医师(均P<0.05)。结论 基于神经网络的深度学习模型在乳腺X线摄影良恶性病变鉴别诊断中的诊断效能较高,相当于高年资放射医师水平,可为临床医生决策提供参考依据。

关键词： 积雪草酸   木犀草素   宫颈癌   网络药理学   作用机制  

摘要： 通过Pubchem、ETCM、SuperPred、SwissTargetPrediction和GEO数据库获取积雪草酸、木犀草素、宫颈癌的交集靶点,构建蛋白互作网络图,并进行GO功能和KEGG通路富集分析。采用Cytoscape软件构建“药物-靶点-通路”网络机制图并进行分子对接。结果发现积雪草酸、木犀草素、宫颈癌共133个交集靶点、299项GO功能和60条KEGG信号通路,6个核心靶点(IL1B、CXCL8、CASP8、CCL2、MMP9、PRKCB),分子对接的结合能均<-5.0kcal·mol^(-1),说明积雪草酸联合木犀草素能够通过多靶点、多通路发挥抗宫颈癌的作用。

关键词： 教育数字化   中小学师生   网络安全意识   网络安全教育  

摘要： 推进教育数字化转型是建设数字中国、教育强国的战略要求,是实现中国式教育现代化的重要组成部分。教育数字化背景下提高师生网络安全意识可以有效促进教育数字化转型,营造教育数字化生态,实现教育数字化可持续发展。但大规模依托网络数字化教育平台组织教学活动极大增加了中小学师生接触网络不良信息的风险、个人网络信息泄露的风险以及师生维护网络安全的技术难度,对中小学师生网络安全提出了严峻的挑战。通过构建“社会+学校+家庭”三结合的网络安全教育体系、“家校联合、师生互动”的网络安全监督管理体系以及“政府主导、平台赋能”的网络安全技能培养体系,可以形成有效提高中小学师生网络安全意识的良好教育生态,为实现教育数字化转型,建设数字中国、教育强国贡献力量。