课程文献中心 更多>>

关键词： 深度强化学习   作业车间调度   卷积神经网络   近端策略优化   空间金字塔池化  

摘要： 作业车间调度问题是一个经典的NP-hard组合优化问题,其调度方案的优劣直接影响制造系统的运行效率。为得到更优的调度策略,以最小化最大完工时间为优化目标,提出了一种基于近端策略优化(Proximal Policy Optimization,PPO)和卷积神经网络(Convolutional Neural Network,CNN)的深度强化学习(Deep Reinforcement Learning,DRL)调度方法。设计了一种三通道状态表示方法,选取16种启发式调度规则作为动作空间,将奖励函数等价为最小化机器总空闲时间。为使训练得到的调度策略能够处理不同规模的调度算例,在卷积神经网络中使用空间金字塔池化(Spatial Pyramid Pooling,SPP),将不同维度的特征矩阵转化为固定长度的特征向量。在公开OR-Library的42个作业车间调度(Job-Shop Scheduling Problem,JSSP)算例上进行了计算实验。仿真实验结果表明,该算法优于单一启发式调度规则和遗传算法,在大部分算例中取得了比现有深度强化学习算法更好的结果,且平均完工时间最小。

关键词： 糖尿病肾病   RNA测序   机器学习   网络药理学   分子对接   津力达颗粒  

摘要： 目的:探讨糖尿病肾病的病理机制及津力达颗粒的治疗潜力。方法:通过R4.4.2软件分析GSE30122数据集来获取差异表达基因,结合GeneCards等数据库筛选出与糖尿病肾病相关的靶点并提取交集基因,使用CytoScape 3.10.2软件构建PPI网络、识别枢纽基因并进行生物信息富集分析。结合Lasso回归等机器学习方法构建生物标志物预测模型,并使用GSE104954数据集进行外部验证。利用TCMSP等数据库获取津力达颗粒的活性成分及干预靶点,并通过Autodock⁃Tools1.5.7软件进行分子对接来评估核心复合物的相互作用。结果:获取糖尿病肾病差异表达基因535个,从数据库筛选出与糖尿病肾病相关的靶点基因1534个,交集基因121个,识别39个枢纽基因,机器学习分析显示CX3CR1、CCL2、SPARC是糖尿病肾病的关键生物标志物,CX3CR1、CCL2、DKDGS对诊断具有较高预测能力。GO和KEGG分析显示,主要涉及炎症免疫反应和纤维化等相关通路。津力达颗粒的干预靶点21个,主要涉及IL-17和TNF信号通路、NOD样受体信号通路、AGE-RAGE等信号通路,且与津力达关键活性成分结合力较强。结论:糖尿病肾病主要涉及炎症免疫、纤维化等病理机制,CX3CR1、CCL2、SPARC是糖尿病肾病发病机制的关键生物标志物,而津力达颗粒通过靶控多个炎症免疫、纤维化相关的通路来发挥治疗作用。

关键词： 改进BP神经网络   电网   生产成本   精准估计   学习率  

摘要： 电网生产成本包括多个方面,这些成本项目繁多,且相互关联,使得整体成本估计变得复杂,当前的成本估计方法存在相对偏差较高、置信水平较低的问题,为此提出基于改进BP神经网络的电网生产成本精准估计方法。首先,收集电网生产成本数据样本,对其进行编码和归一化处理;然后,在梯度下降的基础上添加一个惯性项以及自适应更新学习率实现BP神经网络改进;最后,利用改进的BP神经网络构建电网生产成本精准估计模型并对其训练,得到相关的估计结果。经实验证明,设计方法的电网生产成本估计相对偏差不超过1%,置信水平得到了明显的提升,在电网生产成本估计方面具有良好的应用前景。

关键词： 发动机水泵   卷积神经网络   气密性检测   漏检率  

摘要： 农业机械装备智能化升级是目前农业机械领域研究的热点。机器视觉技术应用于农作物的修剪、采摘等领域的研究,已取得初步成果,但是在农业机械装备中进行机器视觉的缺陷检测鲜有研究。研究针对农用机械发动机水泵气密性能缺陷,进行基于机器视觉的自动化检测技术进行相关试验研究。采用基于MobileNetV3卷积神经网络的深度学习算法进行气泡识别。在进行气密性检测试验中,首先需要对气泡原始图像进行气泡区域提取算法处理,以降低图像的分辨率,然后将处理后的图像用于MobileNetV3卷积神经网络进行深度学习,训练后的神经网络模型就可以实现气密性检测中对气泡进行识别和定位。将识别结果与人工标注结果进行对比,计算出气泡识别算法的气泡漏检率。试验结果表明,气泡识别算法的漏检率与气泡平均直径存在较大关联,总体上表现为气泡平均直径越小,气泡的漏检率越高,气泡平均直径与发动机水泵壳体上的泄漏孔大小成正比关系。当气泡平均直径大于0.2mm时,气泡漏检率均在2%以下;平均直径小于0.2 mm的气泡,漏检情况相对较多,漏检率在5%~10%波动。研究提出的气泡识别算法能够对图像中的气泡进行识别和标记,从而检测出发动机水泵壳体的气密性能。算法对于小尺寸气泡的识别能力有待进一步提高,以增强对微小气泡特征的捕捉能力。

关键词： 交通流量预测   残差网络   视野扩展   坐标注意力   K-Means聚类  

摘要： 为高效、全面提取城市中复杂的时空相关性,提出一种新的端到端的深度学习框架—时空多视野注意残差网络(spatiotemporal multi-view attention residual network, ST-MVAR),用于城市区域交通流量预测。整合交通流量的临近性、周期性、趋势性和外部因素作为网络输入,该网络通过跳跃连接,形成多层嵌套残差网络结构;设计多视野扩展模块,用于捕获交通流量对不同距离的空间依赖;引入坐标注意力机制,有效建立交通流量的时空相关性;通过K-Means聚类方法获取各时段交通流量所属模式,作为额外特征,进一步提高模型的预测精度。实验结果表明:ST-MVAR使用更少的参数获得更高的性能,相比之前的方法 RMSE降低14.2%。

关键词： action mechanism   Biling Weitong Granules   canadine   chronic gastritis   kaempferol   molecular docking   network pharmacology   phenylalanine   quercetin   rutaecarpine  

摘要： Objective To discuss the mechanism of Beiling Weitong Granules in treatment of chronic gastritis by using network pharmacological technology and molecular docking. Methods The active components and predicted targets of Beling Weitong Granules were screened through TCMSP, TCMID, ETCM, and other databases and literature retrieval. The related targets of chronic gastritis were screened by GEO database, PharmGKB, GeneCard, and OMIM database. The “compound - drug - target - disease” network diagram and PPI network were constructed using Cytoscape 3.7.2 software. GO function and KEGG pathway were analyzed based on the David database, and the core components were molecule-docked with the target. Results A total of 182 active ingredients, 1 116 drug targets, and 3 443 disease targets were screened out. Key targets such as TNF, IL-6, Akt1, and TP53 were screened out according to the topological analysis results of “compound - drug - target - disease” network and PPI network. The core components of phenylalanine, quercetin, rutaecarpine, kaempferol, canadine were screened. There were 1 134 GO items and 186 KEGG channels with P < 0.05. Molecular docking showed that key targets were strongly correlated with core components. Conclusion Biling Weitong Granules treat chronic gastritis with effective ingredients such as phenylalanine, quercetin, rutaecarpine, and kaempferol. © 2025 Tianjin Press of Chinese Herbal Medicines. All rights reserved.

关键词： 工业物联网   数字孪生   算力网络   数据处理  

摘要： 针对工业场景的算力孪生网络中对高通量、异构工业数据的实时感知、同步和处理分析的需求,提出一种面向工业生产的算力孪生网络数据处理优化方法,以提高工业算网孪生的数据同步质量。首先,考虑工业生产需求和算网孪生服务需求,提出一种面向工业生产的算网孪生架构。其次,针对数字孪生对低同步时延、高数据准确性、高效算力资源利用等方面的需求,提出一个综合考虑上述因素的数字孪生数据处理模型放置问题。为解决该问题,设计了一种基于和声搜索算法的优化算法,能够高效求解模型放置问题。仿真实验结果表明,相较于基准算法,所提算法可以给出更优的模型放置决策且具备卓越的全局最优解搜索能力。

关键词： 动态网络环境   自适应防火墙   网络安全  

摘要： 文章聚焦于动态网络环境下自适应防火墙策略的优化问题。通过深入分析动态网络的特性及现有防火墙策略的局限性,提出了一系列具有创新性的优化方法和策略,旨在提高防火墙在应对动态网络变化时的自适应能力、安全性和效率,为网络安全防护提供更有效的保障。

关键词： 可辨识性   异构网络   内耦合矩阵   拓扑变化  

摘要： 研究了高维线性时不变动力学系统构成的具有加权有向的多智能体网络拓扑变化可辨识性.这些网络智能体动力学和内耦合矩阵均具有异构性.分析异构内耦合矩阵对网络拓扑可辨识性的影响,并发现网络拓扑结构的可辨识性与智能体之间的内耦合矩阵相关.当内耦合矩阵由同构变为异构时,网络拓扑的可辨识性可能发生变化,既可能由可辨识变为不可辨识,也可能由不可辨识变为可辨识.针对一般网络结构,提出充分和必要的条件以验证拓扑变化的可辨识性.此外,针对有向链状网络、有向星型网络以及有向环状网络等几种典型网络结构,分别给出相应的可辨识性条件.通过实际案例验证了所提条件的合理性和有效性.

关键词： 智能网联汽车   计算机网络安全技术   数据和隐私安全  

摘要： 本文探讨了计算机网络安全技术在智能网联汽车信息保护中的实际应用。随着智能网联汽车的快速发展,其面临的数据安全、隐私泄露和系统安全漏洞等挑战日益严峻。本文分析了这些挑战,并详细介绍加密技术、身份认证与访问控制、入侵检测与应急响应、安全更新与维护、安全架构与隔离技术以及数据和隐私保护等计算机网络安全技术在智能网联汽车中的应用。通过实际案例分析,本文展示了这些技术在防范安全威胁、保护数据和隐私方面的有效性,最后提出了未来发展趋势与建议,旨在进一步提升智能网联汽车的信息保护水平。