课程文献中心 更多>>

关键词： 风电功率   深度学习   区间预测   复合非交叉   分位数回归   ReLU罚函数  

摘要： 为进一步提升风电功率区间预测精度,提出一种基于混合分位数回归长短期记忆神经网络的风电功率短期区间预测方法。通过同时考虑复合、平滑和非交叉3个特点对传统分位数回归模型进行改进,首先使用平滑函数代替弹球损失函数,使长短期记忆神经网络更易于拟合分位数回归模型。然后构建复合目标函数,使其能在给出多个分位数的条件下不重复训练多个独立模型。接着利用ReLU罚函数进行非交叉约束来避免分位数交叉现象的发生。最后将改进后的分位数回归与长短期记忆神经网络相结合并应用于中国甘肃省某风电场,运行结果表明所提模型在不同置信水平下对应PICP和PIAW分别提高了4.17个百分点和降低了2.31 MW,验证了方法的有效性。

关键词： 网络古装微短剧   传统美学   审美特征  

摘要： 近年来,微短剧已成为视听新“势”力。而网络古装微短剧则是微短剧通过“新融合”的形式成为展现和传播传统美学的有效途径,其利用传统美学和现代审美的融合,让受众感受到景中之意、剧中之情。通过对《桃花马上请长缨》的审美特征分析,探究网络古装微短剧作为形式载体对中华传统美学传承与创新发展的时代价值。

关键词： 电信网络诈骗   犯罪预警   犯罪情报   预警情报   大数据侦查   预测性警务  

摘要： [研究目的]在电信网络诈骗犯罪日益构成广泛威胁的背景下,研究电信网络诈骗犯罪的预警失灵现象,旨在为构建更加精准、高效的预警系统提供理论支持和实践指导。[研究方法]采用文献分析和案例剖析,全面探讨电信网络诈骗犯罪预警情报的生成流程和情报失灵的影响因素,并提出一系列优化策略。[研究结果/结论]预警系统的优化需综合考虑数据、技术和机制三个维度:在数据层面,需破除数据壁垒并严格控制数据质量;在技术层面,要引入人工智能技术,加强传统情报技术,并改进模型生成技术;在机制层面,应建立跨部门情报共享机制、健全偏差结果校正机制、优化预警响应机制。

关键词： 网络时代   媒介素养   意识形态工作者  

摘要： 网络媒介素养是指人们通过网络媒介获取、解读、生产和传播信息的能力,良好的网络媒介素养是广大意识形态工作者做好网络意识形态工作的必要条件。本文基于媒介素养培育的视角,廓清了意识形态工作者网络媒介素养的内涵,总结了意识形态工作者的网络媒介素养问题及成因,并探索了提升网络媒介素养的路径,旨在为做好意识形态工作提供建议。

关键词： 卷积神经网络   免疫网络   攻击检测   数据降维   正则化  

摘要： 网络攻击手段不断演化和变异,攻击者会采用各种新的技术和策略来规避检测,加大了攻击检测难度。为此提出基于卷积神经网络的免疫网络攻击检测方法。预处理免疫网络流量数据,采用t-SNE算法降维流量数据,利用Min-Max归一法归一化数据,引入borderline SMOTE算法对数量较少的流量样本过采样,提升免疫网络流量数据质量。结合Dropout正则化方法、随机梯度下降法等改进后卷积神经网络,并将预处理后流量数据用于网络训练,最后利用训练后的卷积神经网络实现免疫网络攻击检测。实验结果表明,所提方法在免疫网络攻击检测中准确率更高、均方误差更小、误检率和漏检率更低、检测效率更高。

关键词： 公交车   车载监控视频   网络化   平台化   发展趋势  

摘要： 科技的发展推动公交车车载监控视频迅速迈向网络化、平台化。在物联网、大数据及云计算技术持续演进的背景下,公交车载监控系统正从单一设备逐步向综合管理平台转变。本文对此趋势展开深入探讨,解析其背后的技术支撑,如5G网络所具备的低延迟、高带宽特点,边缘计算对实时数据处理的有力支持,还有云平台在数据存储和分析方面的显著优势。就当前的应用情况来看,多数城市已逐渐完成公交车载监控系统的全方位覆盖,切实提高了公共交通的安全性和运营效率。这一领域依旧面临众多挑战,如数据隐私的保护、设备维护所需的高额成本等问题。通过对相关数据的解读能够发现,网络化、平台化的车载监控系统能够明显降低交通事故的发生概率,并为应急响应给予及时的支撑。阐述其发展带来的好处,不但对提升公共交通管理水平大有助益,而且能够优化乘客的体验。未来的发展重点会聚焦在智能化的升级上,结合AI技术达成自动识别危险行为的目标,进一步助推智能交通系统的构建,为其后续发展提供参考。

关键词： 死代码   深度学习   文本信息   代码度量   特征提取  

摘要： 死代码是一种不良代码异味,会导致软件质量逐渐衰退。传统的死代码检测方法主要依赖于静态分析技术、代码结构的度量以及启发式规则,这些方法在开发者之间存在高度差异,且对源代码文本信息关注较少,忽略代码在实际执行过程中的情况,存在较大的局限性。针对以上问题,设计一种新型死代码检测方法,并采用基于卷积神经网络和长短期记忆相结合的技术,其主要思路是将代码文本信息和代码度量信息相结合,提高死代码检测的准确性。首先使用DUM-Tool等工具并结合人工以确定应用程序中的死代码实例进行死代码标记,以深度优先遍历抽象语法树获取源代码的文本信息,将标签值与文本信息相匹配,再使用CK代码度量提取工具获取源代码的代码度量信息。然后通过Word2Vec将文本信息转化为词向量,使用卷积神经网络提取代码度量信息的特征,将两者拼接得到死代码检测的数据集。最后使用长短期记忆网络对数据集进行训练,再通过Sigmoid函数进行分类。实验结果表明,将代码文本信息和度量信息相结合可以有效实现死代码的检测,与传统的检测方法相比,平均F1值最高提升12.58百分点。

关键词： AI绘画   人工智能   行为推理理论   公众认知   情感认知   认知分析  

摘要： AI绘画已经逐渐融入社会生产和日常生活的方方面面,但在网络社区中,公众对AI绘画的讨论却呈现出明显的认知分歧和态度差异。基于行为推理理论,通过基于数据挖掘的文本分析研究方法,收集与AI绘画讨论有关的内容并进行操作化编码,以此分析公众对AI绘画的认知现状及差异成因。研究发现,对新技术的信任程度、更充分的接纳理由/抵制理由与媒体评价态度会显著影响公众对AI绘画的认知以及行为态度。

关键词： 高速铁路   累积变形预测   经验约束神经网络   神经网络   累积塑性应变关系  

摘要： 掌握高速铁路路基变形发展对变形病害的控制与运营管理意义重大。目前,机器学习方法被广泛应用于累积变形预测,而传统机器学习路基累积变形预测模型存在时间分布外泛化性差的弊端。因此,提出一种基于经验约束神经网络(ECNN)的高速铁路路基累积变形预测方法。首先,基于工程现场或室内试验数据构建路基累积变形预测数据集,并划分为训练集和测试集;其次,基于训练集建立神经网络模型,综合测试集上的预测精度与误差、预测不确定性2个层次结果,确定最优神经网络预测模型;最后,利用最优神经网络模型驱动路基累积变形的数据信息,并以损失函数修正的方式嵌入累积塑性应变关系曲线(经验信息),实现对最优神经网络模型参数和损失函数的约束,完成ECNN模型构建。案例分析表明:双向门控循环单元(Bi-GRU)模型为最优的神经网络预测模型,拟合优度R~2达到0.972 59,扩展不确定性U_(95)和标准化平均差f_(smd)仅为0.015 6、0.181 09;相较于Bi-GRU模型,ECNN模型在预测精度与误差、预测不确定性2个层次均更优,表明考虑经验信息约束的ECNN模型具备更强的预测性能;ECNN模型相较于Bi-GRU模型具有优异的时间分布外泛化性能,当训练集覆盖的时间跨度较小时,可有效提高累积变形的预测精度。研究成果可为高速铁路路基累积变形预测提供新参考。

关键词： 地格达-8味散   胆汁淤积型肝炎   网络药理学   分子对接   炎症   生物信息学  

摘要： 目的 结合网络药理学和分子对接技术研究地格达-8味散治疗α-萘异硫氰酸酯(ANIT)诱导大鼠胆汁淤积型肝炎模型的机制。方法 建立ANIT致大鼠胆汁淤积型肝炎模型,观察地格达-8味散对大鼠胆汁淤积型肝炎的影响;利用Cytoscape软件建立“疾病-药物-靶点”网络,确定生物学过程和信号通路;结合生物信息学方法,对其中的活性物质和作用靶标进行分子对接,初步验证其作用机制。结果 地格达-8味散可治疗大鼠ANIT致胆汁淤积型肝炎,并改善肝脏病理损伤。网络药理学预测地格达-8味散主要成分对应565个靶基因,胆汁淤积型肝炎相关基因885个,二者共有靶点131个;其中,STAT3、TNF、TP53、AKT1、SRC、VEGFA、IL1B、CASP3、PIK3R1、MAPK8等为关键蛋白。地格达-8味散的主要化学成分能与预测的靶点良好对接。结论 地格达-8味散通过AGE-RAGE信号通路、脂质与动脉粥样硬化、流体切应力和动脉粥样硬化、肿瘤坏死因子等信号通路发挥作用,且可能通过调控TNF、AKT1、TP53、SRC、STAT3蛋白起到防治胆汁淤积型肝炎的作用。