课程文献中心 更多>>

关键词： 深部地层钻探   岩石可钻性   预测模型   栈式自动编码器   LSTM神经网络   深度学习  

摘要： 在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM组合模型的训练时间和预测结果与BP神经网络、支持向量机、随机森林和单一的LSTM模型进行了对比分析。结果表明:所构建的SAE-LSTM组合模型预测地层可钻性训练用时最短,预测值与实际测量值误差最小,拟合结果的均方根误差RMSE仅为0.081,平均绝对百分比误差MAPE为1.189,决定系数R^(2)为0.966,其RMSE和MAPE最小,R 2最大,较其他模型预测精度更高。该方法为地层参数预测提供了新的途径,能改善以往预测方法在处理复杂地层问题时预测效率低、预测精度不高等问题。

关键词： 高职院校   计算机网络   1+X证书制度   产教融合  

摘要： 在国家职教改革背景下,1+X证书制度成为创新教育模式,助力高职计算机网络技术专业群对接市场需求。本文通过实施1+X证书制度,强化学生职业技能与实践力,旨在培育高素质技能型人才,有效提升学生就业竞争力。

关键词： 硬皮病   雷公藤   雷公藤甲素   网络药理学   分子机制  

摘要： 目的运用网络药理学和分子对接对雷公藤治疗硬皮病(sytemic sclerosis,SSc)单体成分及蛋白靶点进行预测及分析,并通过动物实验探究雷公藤对硬皮病(sytemic sclerosis,SSc)产生治疗效果的主要单体成分及其作用机制。方法依托TCMSP、similarity ensemble approach(SEA)平台查找并筛出雷公藤所包含的化学成分及靶点;在TTD、GeneCards、DisGeNET信息库中搜索SSc相关联的基因靶点;利用Venny平台整合雷公藤治疗SSc的潜在靶点;构建蛋白相互作用(PPI)网络;借助Cytoscape 3.8.0软件筛选出雷公藤治疗SSc的主要单体成分和核心作用靶点;将雷公藤治疗SSc的靶点导入Metascape进行GO功能富集分析和KEGG信号通路富集分析;用AutoDock Vina对雷公藤主要单体成分与核心靶点进行分子对接;HE和Masson染色观察雷公藤主要单体成分对SSc小鼠皮肤和肺组织病理学的影响;酶联免疫吸附法(enzyme-linked immunosorbent assay,ELISA)检测小鼠血清白细胞介素-6(IL-6)、肿瘤坏死因子-α(TNF-α)、γ-干扰素(INF-γ)水平;蛋白免疫印迹法分析(western blot,WB)雷公藤主要单体成分对血管内皮生长因子A(vascular endothelial growth factor,VEGFA)、细胞肿瘤抗原P53(P53)、前列腺素G/H合成酶2(prostaglandin G/H sgnthase 2,PTGS2)靶点的调控作用。结果共得到雷公藤51个化学活性成分,SSc相关靶点1627个,药物-疾病交集靶点65个,雷公藤治疗SSc的主要单体成分为雷公藤甲素(triptolide,TPL),关键核心靶点为P53、PTGS2、VEGFA;KEGG通路分析表明雷公藤甲素可能通过调控癌症通路抑制新生血管生成、改善炎症及免疫微环境,达到抗SSc的作用。分子对接验证表明雷公藤甲素与核心靶点P53、PTGS2、VEGFA的对接结合活性较高;动物实验结果显示,与模型组比较,雷公藤甲素可明显改善小鼠炎症和纤维化症状、下调P53、PTGS2、VEGFA的表达水平(P<0.05,P<0.01)。结论雷公藤治疗SSc具有多成分—多靶点—多通路的作用特点,其机制可能与雷公藤甲素影响P53、PTGS2、VEGFA等靶点调控癌症信号通路相关。

关键词： 神经网络   飞行参数   载荷预测   多元线性回归   视情维修  

摘要： 飞机使用数据的关键结构载荷预测对飞机的损伤分析和寿命预测具有重要的作用,可以为实现飞机的主动视情维修提供技术支撑。采用机器学习方法中的前馈神经网络建立大型运输机尾翼根部剪力、弯矩、扭矩载荷模型,与有限元模型计算的载荷进行对比,并且将前馈神经网络的预测结果与随机森林方法和多元线性回归方法的预测结果进行对比和分析。结果表明:前馈神经网络的预测结果的相对误差满足工程要求,前馈神经网络的预测精度优于随机森林方法和多元线性回归方法,为构建基于数据驱动的飞机结构损伤分析和寿命评估体系提供了重要的技术支持。

关键词： 电容式电压互感器   压缩激励网络   在线评估   计量误差  

摘要： 针对电容式电压互感器(CVT)传统停电离线评估方法对电网运行影响较大,提出了一种CVT计量误差状态在线评估方法,通过采集相关历史特征数据搭建傅里叶变换压缩激励残差网络模型(FT-SE-ResNet),并通过布谷鸟搜索算法(CS)对该网络进行初始权值优化。仿真实验结果表明,该方法预测结果的准确率为96.1%,能够满足电压互感器在线评估的准确性要求,无需停电进行离线评估,从而防止影响电网运行。

关键词： YOLOv8n   玉米雄穗   CBAM   PConv   GhostNetV2  

摘要： 为有效解决玉米雄穗无人机识别过程中因雄穗尺寸过小造成的漏检、识别速度慢、模型体积大等问题,通过添加注意力机制、融入轻量化模块和优化损失函数,建立了一种改进YOLOv8n卷积神经网络的玉米雄穗检测模型YOLOv8n-maize。结果表明:改进后的模型在测试集上的平均精度均值(Mean average precision,m AP)达97.8%,比原模型提高了2.6%;模型计算量(Floating point operations,FLOPs)减少了15.8%,参数量(Parameters,Params)体积缩小了17.6%。这种高精度、小体积模型能够满足玉米雄穗快速识别的需求,可为无人机机载平台的部署提供关键技术支持。

关键词： 超分辨率   遥感图像   边缘提取   注意力机制   生成对抗网络  

摘要： 针对遥感图像分辨率低于传统图像且受到复杂退化过程的影响,传统生成对抗网络会生成不真实的特征,导致出现伪影和大量虚假、尖锐的边缘等问题。提出了一种基于边缘提取和增强的遥感图像超分辨率网络EEEGAN。该网络首先采用了边缘提取算法TEED以提取图像边缘。其次设计了双重注意力机制TAM以获取图像丰富的空间和通道信息。同时提出了一种基本块RRDJB以扩大模型的处理能力,并引入下采样网络SPD进一步减少细节损失。在RSOD数据集的基础上,根据退化模型对数据集进行了不同的数据退化处理。结果表明文中所提出的模型,在不同的退化条件下,与目前的主流图像超分辨率模型相比,指标均有所提升。文中的方法相对于真实增强图像超分辨率对抗网络在退化条件I的样本上SSIM提升了0.034,PSNR提升了1.329 8 dB。图像在重建后,边缘细节的视觉效果更好。并且,在DIOR和HRSC2016数据集上均取得了良好的泛化效果。

关键词： 网络直播   税收征管   治理对策  

摘要： 随着社会步入大数据时代,网络融媒体应用不断深化拓展,网络直播作为其中一个覆盖范围广、受众群体大的平台,被各行各业广泛采用。相关网络运营公司或公会数量增加,从业人员和收入规模不断增加,收入来源多样化、涉税数据庞大,导致相关税收征管问题日益凸显,文章对网络直播涉及的税收问题进行分析探讨,提出治理对策以助力网络直播行业健康发展,维护社会公平正义,保护国家财政收入。

关键词： 网络测量   超点测量   草图  

摘要： 针对典型草图无法直接应用到超点测量的问题,提出新型的多重过滤草图(MFS),给出理论误差分析.MFS以前置分流过滤器来去除重复数据包,在兼顾流频率测量任务的同时完成超点测量.后级统计过滤器划分为3级子结构,分别用来捕捉不同大小的流,以适应现实中偏态的网络流量分布特征,提升草图的内存利用率及测量精度.提出非对称的插入和查询算法(AIQ),该算法利用流量的偏态分布特征,快速完成插入和查询操作,满足链路转发的速度要求.实验结果表明,与当下的先进方案相比,所提的多重过滤草图的流频率测量精度提升了2~48倍,大象流测量精度提升了3~53倍,超点测量精度提升了2.0~3.0倍,测量吞吐量与经典草图相当.

关键词： Digital twin network   Native artificial intelligence   Stackelberg game   Task offloading   Deep reinforcement learning  

摘要： A communication network can natively provide artificial intelligence(AI)training services for resourcelimited network entities to quickly build accurate digital twins and achieve high-level network *** that network entities that require digital twins and those that provide AI services may belong to different operators,incentive mechanisms are needed to maximize the utility of *** this paper,we establish a Stackelberg game to model AI training task offloading for digital twins in native AI networks with the operator with base stations as the leader and resource-limited network entities as the *** analyze the Stackelberg equilibrium to obtain equilibrium *** the time-varying wireless network environment,we further design a deep reinforcement learning algorithm to achieve dynamic pricing and task ***,extensive simulations are conducted to verify the effectiveness of our proposal.