课程文献中心 更多>>

关键词： 粒子群-神经网络   风景园林   施工项目   子网络   工期压缩   资源约束  

摘要： 风景园林施工项目管理过程中依靠单一神经网络求解工期压缩模型,容易陷入局部最优,导致压缩费用过高,因此提出基于粒子群-神经网络的风景园林施工项目工期压缩方法.该方法充分考虑风景园林施工涉及的众多施工环节,建立施工项目子网络,并通过引入工期压缩机理搭建项目群网络计划框架;从赶工费用、索赔费用等方面入手,构建以压缩费用最低为目标的项目工期压缩数学模型,给出资源约束条件、工期压缩约束条件和关键路径不变约束条件;运用粒子群算法优化神经网络,在避免陷入局部最优的同时,分析多种工期压缩方案模拟实施后产生的数据,更准确预测压缩费用变化,且以此项目工期压缩数学模型的求解,得到最优压缩策略.实验结果表明:依托该方法对某风景园林施工项目进行工期压缩处理,产生的总压缩费用仅为55万元,极大降低了施工成本.

关键词： 流空间   网络特征演化   信息流   货运流  

摘要： 基于百度指数和互联网信息平台上的货运信息,构建了江苏省信息流与货运流空间网络,并且通过社会网络分析方法分析江苏省空间网络特征演化。研究发现:在“流空间”作用下,信息流网络特征演化较为均衡,而货运流空间的演化过程变化较明显,不均衡性较显著。信息流与货运流空间的凝聚子群均呈现子群扩张与子群收缩的演化趋势,地理邻近效应凸显。

关键词： 锂电池   电池健康状态   自适应噪声完备集合经验模态分解   小波阈值降噪   时间卷积网络   门控循环单元   多头注意力机制  

摘要： 针对噪声干扰导致锂电池老化过程中关键特征提取困难的问题,首先,在增量容量曲线中提取反应电池老化规律的峰值特征,捕捉电池性能随时间变化的关键信息;然后,通过改进的自适应噪声完备集合经验模态分解与小波阈值降噪对特征进行联合降噪,重构出更高精度的特征序列;最后,将该特征序列输入到时间卷积网络提取序列特征,并利用门控循环单元捕捉长时间依赖性,同时引入多头注意力机制进一步增强模型对关键特征的感知能力。实验结果表明,用该方法可有效提高锂电池健康状态估计的准确性,使均方根误差小于1.5%,平均绝对误差小于1%。

关键词： 涉警网络舆情   安全   应对  

摘要： 涉警网络舆情是公众对公安工作关注与期待的体现。处置不当,引发负面舆论,不仅会对公安机关形象造成损害,还可能危及社会安全稳定。通过剖析涉警网络舆情应对过程中存在的问题,以及涉警网络舆情对社会安全的潜在影响,提出了舆情监测预警、强化培训赋能、深化警媒协作等应对策略,以期为公安机关在实际工作中提供参考。

关键词： 自动驾驶   轨迹规划   驾驶风险评估   动态规划  

摘要： 针对自动驾驶轨迹规划中关于实时性、安全性和舒适性的问题,提出一种优化采样点选择策略的自动驾驶轨迹规划方法,通过代价函数选取最优轨迹。综合考虑道路风险和障碍物风险,基于三角函数和二维高斯函数构建风险代价函数,引入障碍物筛选函数,提高处理复杂环境的能力;针对传统动态规划算法存在冗余计算的问题,基于车辆运动学、动力学性质和行驶特性,设计了有最大横向约束和不可倒车约束的采样点选择策略,提高动态规划算法的求解效率;构建速度优化模型,确保速度曲线符合速度限制、安全性和舒适性标准。通过联合仿真验证了该算法在不同道路环境下能够满足安全性要求,具有一定舒适性,且计算效率明显提升。

关键词： 脑电信号   癫痫   经验模态分解   多尺度自适应残差网络   注意力机制  

摘要： 针对现有癫痫检测方法输入数据单一、特征提取不充分问题,提出一种基于多尺度自适应残差网络的癫痫检测方法。该方法首先对脑电信号使用经验模态分解获得5阶固有模态函数(IMF);接着将分解后的5阶IMF分别输入到多尺度自适应残差网络(MSAR)中,该网络结合CBAM-Residual和多尺度自适应卷积网络用于提取信号的多尺度时频信息以及细粒度特征;然后将MSAR提取的信号特征进行融合;最后输入到全连接层中实现分类。所提方法在CHB-MIT数据集的分类准确率达到98.94%,与现有方法相比取得了显著提升。

关键词： 网络直播   法律风险   成因分析   防范措施  

摘要： 近年来,网络直播快速发展,但也面临诸多法律风险。本文在梳理网络直播发展现状的基础上,从知识产权侵权、内容违法、合同违约等方面分析网络直播面临的主要法律风险,剖析风险成因,并从完善法律法规、健全监管机制、强化行业自律、加强从业者教育培训、提升受众媒介素养等方面提出防范措施。研究表明,化解网络直播法律风险需要政府、平台、行业组织、从业者、公众等多方共同努力,对于促进网络直播规范有序发展具有重要意义。

关键词： 非酒精性脂肪性肝病   网络药理学   反向药靶   以药测证  

摘要： 目的:探讨非酒精性脂肪性肝病(nonalcoholic fatty liver disease,NAFLD)的证机、治法、方药,并验证预测的中药复方的有效性。方法:采用靶点数据集建立蛋白质-蛋白质相互作用(protein-protein interactions,PPI)网络、拓扑分析、反向药靶关系检索等方法,探讨NAFLD证型、方药。另将24只Wistar大鼠分为空白组(正常饲养)、高脂饮食组(high-fat diet,HFD)(给予高脂饲料)和中药组(在高脂饲料基础上以中药灌胃),每组8只,4周后检测体质量、肝质量、肝指数、内脏脂肪质量、体脂率、血清生化等,评价预测处方对NAFLD的治疗作用。结果:采用反向药靶关系网络预测、分析出NAFLD主要涉及14种不同的证型,可以将桑叶、金银花、沙棘、银杏叶、葛花作为底方,参考16种中药类别而选择药物,实验研究显示预测处方能够显著改善NAFLD病理。HFD组相较空白组大鼠体质量、肝重、肝指数、内脏脂肪质量、体脂率、血清谷草转氨酶(aspartate aminotransferase,AST)、谷丙转氨酶(alanine aminotransferase,ALT)、甘油三酯(triglyceride,TG)、总胆固醇(total cholesterol,TC)、游离脂肪酸(free fatty acid,FFA)及肝组织TG含量均升高(P<0.01),且中药组相较HFD组体质量、肝重、肝指数、内脏脂肪质量、体脂率、血清AST、ALT、TG、TC、FFA及肝组织TG含量均降低(P<0.05);HFD组相较空白组肝组织TG含量升高(P<0.01),病理切片显示肝内出现显著的气球样变、炎症细胞聚集及部分肝细胞坏死。结论:NAFLD主要与热、毒、风、痰、瘀、湿相关,涉及了14种不同的证型,治疗以清热、解毒、化痰、止痛、健脾、祛风立法,且结合动物实验验证了桑叶、金银花、沙棘、银杏叶、葛花为底方对NAFLD的治疗效果。

关键词： 输电线路   目标检测   卷积神经网络   区域建议网络  

摘要： 通过机器人对线路绝缘子等装置进行维护、检修和清洗作业,对保障电力系统的供电质量具有重要作用。然而,夜间环境下带电作业机器人仍存在工作效率低、目标检测精度差等问题。基于此,文中提出了一种基于卷积神经网络(ConvNet)和区域建议网络(RPN)的绝缘子目标识别算法。论证发现,基于ConvNet-RPN的模型可以显著改善夜间环境下带电作业机器人的识别精度,具有良好的性能。

关键词： 算力网络   确定性网络   算力调度   通信计算一体化  

摘要： 无线算力网络充分挖掘并利用了移动终端的算力资源,极大地提升了计算过程的灵活性与实时性。旨在面向确定性性能需求和随机性传输环境的矛盾,深入分析无线算力网络特性,研究和展望无线算力网络的确定性技术。从算力网络与确定性技术的发展现状切入,涵盖网络架构、业务场景,从算力信息收集、算力资源调度、算力服务平台三方面探讨支撑确定性技术的算力管控体系,重点介绍了随机网络演算、极值理论、随机优化、机器学习等对抗随机性的确定性技术理论基础,并针对无线算力网络中随机无线环境与通信计算耦合的技术挑战,详细分析和展望了面向无线算力网络的确定性技术方案。这些技术的发展将进一步推动算网融合,提升网络在新兴行业应用的服务能力,为业务提供确定性性能保障。