课程文献中心 更多>>

关键词： 微电网   调度   粒子群算法   自适应   变异  

摘要： 为克服传统粒子群算法在求解时容易形成局部最优,求解精度低的不足,提出了一种基于自适应变异粒子群优化的微电网调度求解方法。惯性权重采用自适应正态分布递减,随着迭代次数的增加更新粒子位置的移动策略,并且在算法后期引入变异环节。为验证算法的有效性,文章与其他算法进行收敛性能对比,并对两种典型天气情况下的微网运行成本模型仿真求解,得到最优调度。算例结果表明,改进算法能够对粒子全局最优搜索优化,效果优于其他算法,可合理调配分布式电源出力时段,具有良好的可行性。

关键词： 神经网络优化   历史数据   飞机大修   检修任务   维修经验   派工系统   航空维修   精准控制  

摘要： 现阶段国内各主要航空公司对飞机大修中的检修任务处理以及工卡派工仍是通过依靠维修人员的维修经验、采用人工分配的方式对检修任务进行分配和处理。随着各种新模型和算法在航空维修中的不断深入应用,本文提出了一种基于历史数据分析并结合神经网络优化的飞机大修派工模型,建立了一套科学、合理的飞机大修全任务预派工系统,实现了飞机大修全周期的精准控制。

关键词： 微电网   蚁群算法   优化调度  

摘要： 针对传统微电网调度中存在收敛较慢和局部最优的问题,为提高微电网的准确性、稳定性和收敛速度,提出了基于改进蚁群算法的微电网优化调度策略。首先建立各发电单元的数学模型分析其影响因素,然后建立了约束条件并给出改进蚁群求解算法及其流程,最后通过算例分析对孤岛状态下的微电网进行分析比较,验证了改进蚁群算法可有效降低成本,具有良好的经济性和环境友好性。

关键词： 杂草识别   PP-LCNet   Effcient-RepGFPN   RFAConv   MPDIoU  

摘要： 针对目前田间杂草识别模型精度低,以及参数多难以满足在计算资源有限的移动设备和嵌入式设备中部署的问题,提出一种基于YOLOv8的轻量化田间杂草识别模型。该模型使用改进后的PP-LCNet替代原有主干网络,保证精度的前提下减少模型的计算量;其次引入Effcient-RepGFPN来作为颈部网络,并将上采样前的两个CSPStage模块使用RFAConv来替代,利用不同尺度的特征来提高目标检测的性能;最后,更换MPDIoU损失函数,增强了模型的收敛性和稳定性。实验结果表明,改进模型与原模型相比准确率提升了2.1%,召回率提升了2.8%,mAP值提升了0.2%,同时模型的大小与计算量分别减少为原始模型的68.2%和62.6%,体现了改进算法的有效性。

关键词： 热毒宁注射液   近红外光谱   机器学习算法   临床用药潜在风险   数据均衡   贝叶斯优化  

摘要： 该文采用近红外光谱(near-infrared spectroscopy,NIRS)技术,对热毒宁注射液的129批次市售产品进行分析,获取其近红外光谱信息;并根据国家药品监督管理局药品评价中心(国家药品不良反应监测中心)的药品上市许可持有人药品不良反应直接报告系统中2021年8月—2022年8月热毒宁注射液报告情况估算批次报告率,并据此划分为潜在风险批次与安全批次。采用不处理、随机过采样(random oversampling,ROS)、随机欠采样(random undersampling,RUS)、合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)4种方法,对不平衡数据进行均衡处理。按照合适的采样方法划分样本后进行特征工程,即分别采用竞争性自适应重加权采样法(competitive adaptive reweighted sampling method,CARS)、连续投影算法(successive projections algorithm,SPA)、无信息变量消除法(uninformative variables elimination,UVE)、遗传算法(genetic algorithm,GA)对光谱数据进行特征筛选,然后选取支持向量机(support vector machine,SVM)、逻辑回归(logistic regression,LR)、K最近邻(k-nearest neighbors,KNN)、朴素贝叶斯(naive Bayes,NB)、随机森林(random forest,RF)和人工神经网络(artificial neural network,ANN)6种机器学习算法模型,建立潜在风险预测模型,并对比4种特征工程对模型准确率的影响;选取最优的处理方法,采用贝叶斯优化器(Bayesian optimization)优化模型参数以提高模型识别的准确率及稳健性。为进一步挖掘临床用药潜在风险与质量检验数据的相关性,采用树网(TreeNet)模型识别影响热毒宁注射液临床安全性的潜在质量参数。结果显示,SVM、LR、KNN、NB、RF、ANN算法的F1分数分别为0.85、0.85、0.86、0.80、0.88、0.85,准确率分别为88%、88%、88%、85%、91%、88%,预测时间少于5 s,表明所建立的模型预测准确高效,提示近红外光谱技术结合机器学习算法可快速预测批次热毒宁注射液的临床用药潜在风险。通过TreeNet模型识别出3个可能影响临床安全性的关键质量参数,为热毒宁注射液实现更高的安全标准提供科学依据和策略。

关键词： 合成孔径雷达   舰船检测   深度学习   注意力金字塔   Transformer  

摘要： 在合成孔径雷达图像的舰船目标检测任务中,不同目标的尺度多样性给检测算法带来了巨大挑战;为了解决多尺度舰船目标检测难题,提出了一种BAPT-YOLOv8n算法,该算法以YOLOv8n为基础框架,通过引入卷积块注意力模块重构颈部金字塔网络,提升了对多层次特征的融合能力与对多尺度目标的特征提取能力;此外,采用基于Transformer的检测头结构,进一步提高特征表示能力和上下文信息利用能力,从而改善了小目标的检测效果;在HRSID数据集和SSDD数据集上的对比实验表明,所提算法在检测精度上分别达到93.6%与98.9%,优于其他对比算法;消融实验进一步验证了算法中各改进部分的有效性,表明该算法能够更好适应多尺度舰船目标检测问题。

关键词： 半监督学习   AUC优化   标签噪声   二分类问题   不平衡数据学习  

摘要： 现有半监督AUC优化方法通常假设数据标注是准确的。然而在许多实际应用中,研究者往往会同时面临标注量不足和不准确的问题。为此,该文首次尝试在不完整和不准确的数据标注情况下优化AUC指标。具体而言,通过分析,对称替代损失在某些情况下可以在半监督问题中具有噪声鲁棒性。在此基础上,该文构建了一个鲁棒半监督AUC优化框架,其导出的经验风险无需估计噪声率。此外,通过紧致泛化上界的分析表明,当模型基于足够大的训练数据集进行学习时,其在未见数据上能够很好地泛化。随后,使用Barrier hinge损失对该框架进行实例化。为加快训练过程,进一步开发了一种加速算法,将损失和梯度估计的复杂度从O(n^(2))降低至O(nlogn),在实验中可获得高达200倍的加速。最后,通过在15个基准数据集上进行实验验证,证明了所提方法的有效性。

关键词： 人工智慧   技術情感   演算法治理性   去主體化   網路生活∕命  

摘要： 各种技术物的诞生，使得人与人和人与物间的情感关系产生微妙的变化，〈Okay，葛洛莉〉和〈闪亮点点〉这两篇短篇科幻故事，经由故障讨论人与演算法机器的「情感」关系，处理情感如何被技术外部化的效应。这里的技术外部化概念借用了史蒂格勒（Bernard Stiegler）的说法，史蒂格勒认为人藉由发明工具而在技术中发明了自己，也就是说在技术中外部化自己。所谓的外部化就是让工具延伸身体功能，当代的电脑、人工智慧、网际网路等延伸或者代理了人的身体或意识种种的功能，甚至外部化人的欲望与情感。当代高科技产品几乎皆为人工智慧产物，罗夫柔伊与本斯（Antoinette Rouvroy and Thomas Berns）指出人工智慧衍生出新的治理方式，也就是演算法治理性（algorithmic governmentality），他们推论，在演算法治理下的个人不太可能具有数位主体性，个体使用人工智慧软体时化约为统计上的双胞胎（statistical doubles），个体失去反思性及反抗的可能，承受去主体化之风险。本文结合史蒂格勒与罗夫柔伊和本斯对技术的看法，认为人工智慧技术诞生的演算法治理性形成了非意义式的技术意识，所以使用者很容易成为被动式个体，由机器介入帮助个体产生情感与记忆关系。本文将以此观点深入研究〈Okay，葛洛莉〉和〈闪亮点点〉想像的网路生活∕命，及其中牵涉的技术情感。

关键词： 三维虚拟视频   关键帧特征提取   背景初始化重构   相似度   加权融合算法  

摘要： 由于三维虚拟视频中的运动目标特征难以捕捉,在提取关键帧时极易出现漏提取和误提取的情况,为此,提出一种三维虚拟视频关键帧特征提取算法。通过将三维虚拟视频背景初始化重构和更新后,从手工特征提取和SIFT深度特征提取两方面得到视频帧中的关键帧,并分别计算其相似度;利用加权融合算法将两方面特征提取得到的关键帧相似度融合在一起,获得三维虚拟视频关键帧总相似度,通过与阈值对比,实现关键帧的特征提取。实验结果表明,所提方法提取到的均为关键帧特征,且关键帧提取准确率、查全率和F_1值均保持在95%以上,表明所提方法具有高提取精度,没有出现漏提取和误提取现象。

关键词： 智能算法   情报分析算法   数智时代   算法演进   算法应用  

摘要： [目的/意义]数智时代随着算法广泛应用于情报分析中,揭示当前情报分析中算法使用的现状不但能帮助情报学领域学者把握学术研究热点,还能指导更多研究者更好地利用算法来解决情报分析过程中的实际问题。[方法/过程]重点梳理近10年情报学领域5本核心期刊与情报分析算法相关文献,尝试梳理数智时代应用于情报分析中的算法分类,并从算法演进、算法应用角度全方位展示这些算法的特征。[结果/结论]从演进来看,近10年情报学领域应用算法的论文持续上升,而LDA是情报分析中运用最多的算法,自2020年起BERT算法呈现出新生演进特征;从应用来看,突发事件下的网络舆情、专利分析等应用呈现出不断细化、继承演进的趋势;图书馆、图书情报、电子商务、物流信息等应用逐渐衰退,取而代之的是数字人文、智慧图书馆、颠覆性技术等。