课程文献中心 更多>>

关键词： 反向传播-人工神经网络(BP-ANN)   微钻阻力仪   峰谷年轮识别算法   年轮  

摘要： 峰谷年轮识别算法仅使用峰谷差值这一个特征进行年轮识别,因此该算法的误判率和漏判率较高。为了进一步提高微钻阻力年轮识别精度,提出了一种基于多个波峰特征的反向传播-人工神经网络(BP-ANN)年轮识别方法。首先使用峰谷年轮算法识别有效波峰,然后使用波峰阻力值、波峰与前波谷和后波谷的阻力差值、波峰与前波谷和后波谷的距离、前波谷与后波谷的距离等6个参数描述波峰特征;然后根据阻力图与圆盘图像确定有效波峰的类型,如果该波峰是一个年轮信号,则标记为“1”,否则标记为“0”;最后使用BP-ANN算法构建有效波峰分类模型。结果显示,BP-ANN模型的准确率比峰谷年轮识别算法提高了1.26个百分点,误判率和漏判率比峰谷年轮识别算法分别减少了1.06和1.38个百分点。结果表明:基于多个波峰特征的BP-ANN模型的年轮识别方法可行;与传统的峰谷年轮识别算法相比,该方法可有效提高年轮识别精度,有效降低年轮误判率和漏判率.

关键词： 现代流通体系   零工工资   居民消费水平  

摘要： 为研究现代流通业集聚对新型就业形态零工就业的影响,本文构建城市层面的现代流通业集聚程度指数,并与互联网零工招聘大数据相匹配,实证分析现代流通业集聚对零工工资的影响。研究发现,现代流通业集聚能显著提升零工工资。机制检验表明,现代流通业集聚通过扩大零工岗位需求与提升居民消费水平影响零工工资,该效应在现代流通业岗位中更明显。本文深化了对现代流通体系促进零工经济的内在逻辑和传导方式的理论认知,为政府推动现代流通体系进一步发展以及扩大就业规模与增加就业形态提供政策指导。

关键词： 心肌缺血-再灌注损伤   铁死亡   差异表达基因   功能富集分析   蛋白质相互作用网络  

摘要： 目的探索心肌缺血-再灌注(I/R)损伤中铁死亡相关基因的表达及功能,通过构建分子网络及其验证分析,为心肌I/R损伤的治疗提供新的分子靶点。方法对GSE108940数据库中的基因表达数据进行标准化处理,利用火山图和热图筛选差异表达基因(DEGs)。结合FerrDb数据库,进行交集分析以识别铁死亡相关的差异表达基因(DEFRGs)。通过聚类分析器R包对这些基因进行GO和KEGG功能富集分析。使用STRING数据库构建蛋白质相互作用(PPI)网络,并利用Friends工具评估关键枢纽基因。通过GSE4105数据集和HL-1小鼠心肌细胞株缺氧-再氧化(OGD/R)模型,验证这些关键基因的表达变化。结果基于GSE108940数据集,通过标准化处理后的基因芯片数据,识别出533个DEGs,包括312个上调和221个下调基因。进一步通过交集分析,与FerrDb数据库中的铁死亡相关基因对比,识别出23个DEFRGs,其中19个上调、4个下调基因。这些基因的功能富集分析涵盖多个关键生物过程,如铁离子运输、细胞内铁离子稳态等,并在多个细胞组成部分和分子功能层面显示其重要性。PPI网络揭示了20个基因节点之间的复杂相互作用,并确定了5个关键枢纽基因:Sqstm1(Sequestosome 1)、转铁蛋白受体(Tfrc)、脂联素2(Lcn2)、细胞周期依赖性激酶抑制剂1A(Cdkn1a)和溶质载体家族40成员1(Slc40a1)。利用GSE4105数据集以及构建的HL-1小鼠心肌细胞株OGD/R模型,均显示这些关键基因在心肌I/R损伤模型中的表达变化。结论本研究基于生物信息学方法构建了心肌I/R损伤相关的铁死亡分子网络,并通过实验初步验证了关键枢纽基因的作用,为未来心肌I/R损伤的治疗提供了潜在的靶点。

关键词： 台阶爆破   爆破参数数据集   爆破块度预测   多种神经网络   敏感性分析   人工智能算法  

摘要： 为实现露天矿山台阶爆破效果预测,以爆破经验公式和现场爆破数据为基础,构建了爆破参数经验数据集,采用BP、FNN和RBF神经网络智能算法对爆破参数优化进行研究和分析。基于深度神经网络算法对爆破参数与岩石破碎的关系进行研究和分析,建立了爆破参数与大块率的预测模型,对爆破参数进行敏感性分析,并将预测结果与实例对比。研究结果表明:3种预测模型的训练过程的损失值均小于0.05,对敏感性分析发现,孔距和排距对模型预测结果具有最显著的影响;在数据集的训练和测试中,BP模型表现出优越的预测精度,FNN模型在各方面表现均衡,RBF模型表现出显著的稳定性;在应用实例中,3种模型的相对误差均不超过10%,在预测爆破结果参数方面具有较高准确度,此研究模型和结果可以作为爆破工程实践的参考。

关键词： 目标检测   ShuffleNetv2   YOLOv5s   损失函数  

摘要： 针对矿井复杂环境光照不均、粉尘干扰、目标遮挡及传统的目标检测模型检测效果差、模型不易部署等问题,基于YOLOv5s提出了SDW-YOLOv5s目标检测模型。使用ShuffleNetv2作为特征提取网络,大幅度提升了模型的检测速度;在Ncek区域引入深度可分离卷积,提升模型检测精度的同时降低了模型的参数量和计算量;采用Wise-IoU损失函数提高了模型检测精度。实验结果表明:相比YOLOv5s模型,改进模型检测速度达到111帧/s,提高了70.7%,参数量降低了64.5%,计算量降低了90.5%,模型大小降低了88.8%,mAP达到89.2%,改进模型在模型轻量化和检测精度方面达到了很好的平衡,为模型在移动端轻量化部署提供了技术参考。

关键词： 物流网络   级联失效   连通子图   随机攻击   蓄意攻击  

摘要： 为了提升城市物流网络的可靠性和应对突发事件的能力,降低级联失效所带来的风险,以南京市物流网络为研究对象,以最大连通子图的相对大小作为可靠性测度指标,分析级联失效对物流网络的影响。通过采用不同的攻击策略,分析了节点之间的信息量大小以及节点度等因素对网络性能的影响,并对南京市物流网络级联失效现象进行仿真,以观察网络可靠性的变化情况。研究结果表明:面对随机攻击,权重系数越大,网络可靠性越低;面对蓄意攻击,权重系数较大时网络可靠性较高;节点度数越大,其失效对网络可靠性的影响也越大。

关键词： 异型卷烟   分拣优化   卷积神经网络   模型训练   分拣效率  

摘要： 异型卷烟分拣是烟草物流配送中的一个重要环节,对提高异型卷烟的配送和销售效率具有重要意义。针对当前异型卷烟分拣技术中存在的分拣效率低、误识别率高等问题,提出了一种基于卷积神经网络的分拣优化算法。通过构建并训练适用于异型卷烟分拣任务的深度学习模型,结合优化理论和图像识别技术,该模型能够高效、准确地识别并区分不同类型的异型卷烟。基于上述模型设计了异型卷烟的分拣优化算法,算法包括分拣优化和包装优化两个阶段。仿真实验表明,该算法显著提升异型卷烟的分拣效率,提高了异型卷烟分拣的自动化水平。

关键词： 网络处理器   芯粒技术   敏捷交换   分组处理   异构资源  

摘要： 5G,8K视频等新业务类型不断涌现,使得网络处理器(network processor,NP)的应用场景日趋复杂多样.为满足多样化网络应用在性能、灵活性以及服务质量保证等方面的差异化需求,传统NP试图在片上系统(system on chip,SoC)上集成大量处理器核、高速缓存、加速器等异质处理资源,提供面向多样化应用场景的敏捷可定制能力.然而,随着摩尔定律和登纳德缩放定律失效问题的逐渐凸显,单片NP芯片研制在研发周期、成本、创新迭代等方面面临巨大挑战,越来越难以为继.针对上述问题,提出新型敏捷可定制NP架构ChipletNP,基于芯粒化(Chiplet)技术解耦异质资源,在充分利用成熟芯片产品及工艺的基础上,通过多个芯粒组合,满足不同应用场景下NP的快速定制和演化发展需求.基于ChipletNP设计实现了一款集成商用CPU、FPGA(field programmable gate array)和自研敏捷交换芯粒的银河衡芯敏捷NP芯片(YHHX-NP).基于该芯片的应用部署与实验结果表明,ChipletNP可支持NP的快速敏捷定制,能够有效承载SRv6(segment routing over IPv6)等新型网络协议与网络功能部署.其中,核心的敏捷交换芯粒相较于同级商用芯片能效比提升2倍以上,延迟控制在2.82μs以内,可以有效支持面向NP的Chiplet统一通信与集成.

关键词： 绩效改进   广电企业  

摘要： 随着信息技术的飞速发展,广电网络运营商所面临的市场竞争环境日益激烈。因此,提高企业绩效和竞争力已成为广电网络运营商的重要任务。中国广电广州公司在近年来积极推动了一系列绩效改进项目,以深度挖掘用户价值、提升企业整体绩效和竞争力。为了更好地推进相关工作,公司的人力资源部与相关业务部门,以及分公司、客服中心等销售渠道统筹策划了中国广电广州公司增值业务的绩效改进项目(以下简称“广电绩效改进项目”)。基于此,文章主要探究广电网络运营商企业绩效改进方面的内容,并指出其中存在的不足和局限性,同时指明运营商企业未来的发展方向,以供参考。

关键词： 电动式振动台   自适应迭代学习   NARX神经网络   系统辨识  

摘要： 针对传统振动台台面控制效果不佳的问题,提出了一种自适应迭代学习控制算法,该算法在原有的位移三参量控制系统基础上构建外部位移闭环,形成双闭环控制系统。同时为更准确地模拟振动台的动态行为,引入灰狼优化(GWO)算法优化非线性有源自回归(NARX)神经网络对振动台模型辨识。仿真结果表明,利用GWO-NARX神经网络进行振动台模型辨识,取得了较高的辨识效果,精度可达99.8%。在辨识模型的基础上,利用自适应迭代学习控制算法极大地提高了振动台的控制精度,最大误差较原系统下降了49.6%。与传统的NARX神经网络进行振动台模型辨识相比,GWO-NARX神经网络辨识效果更好,模型更贴近真实系统;与传统的三参量控制系统相比,自适应迭代学习控制算法提高了振动台波形复现精度,并且能够更好地适应系统的复杂性,为实际工程应用提供了可靠的技术支持和解决方案。