课程文献中心 更多>>

关键词： 深度特征融合   深度迁移学习   循环对抗神经网络   孪生神经网络   电力工程数据   数据核查  

摘要： 针对电力工程造价数据集数量少、质量差且难以应用于智能化的招投标数据校核的问题,文中基于改进的迁移学习模型提出了一种电力工程数据对比算法。针对传统迁移学习算法无法训练多重特征数据集的缺陷,采用JMMD函数对联合分布的差异进行度量,从而提高了算法训练的准确性。使用迁移学习算法对传统GAN进行一致性改进,并采用Cycle-GAN对数据进行训练。为了提升算法运行的效率,通过孪生神经网络对不同的输入数据进行预训练,得到自适应参数指导模型的训练。在实验测试中,所提算法运行速度、数据核查准确度在所有对比算法中均为最优,同时加入迁移学习模型后,训练少量样本数据集的性能下降相较原算法更慢,验证了算法改进的有效性。

关键词： 人工免疫算法   模数转换器   电子集成电路   故障信号   自动诊断   克隆变异  

摘要： 由于电子集成电路结构的多样性和元件参数的离散性,电路故障诊断识别率较低,故提出了一种基于人工免疫算法的电子集成电路故障自动诊断方法。通过高精度模数转换器采集电子集成电路信号,并结合傅里叶变换、频率响应调整及固有时间尺度分解技术,对信号进行预处理。采用小波变换提取电子集成电路故障信号的时频特征,并结合小波阈值去噪技术和峭度评估,对关键故障特征信号进行筛选和重构。基于故障信号特征,运用人工免疫算法模拟生物免疫机制,以动态调整抗体克隆与变异,从而实现对电子集成电路故障的高效自动诊断。实验表明,该方法在不同电子集成电路故障中的诊断识别率均符合设计标准,具有一定的实际应用价值。

关键词： 智能财务   伦理困境   伦理框架   算法  

摘要： 随着人工智能技术的迅猛发展,智能财务在提升财务处理效率、优化决策支持和提高财务透明度方面取得了显著进展。然而,技术进步也带来了数据隐私保护、算法偏见、责任归属等系列伦理问题,成为智能财务进一步发展中的主要挑战。本文系统探讨智能财务发展中的伦理困境,包括隐私保护与数据利用、算法公正性与效率、算法透明度与商业机密、责任归属、智能化与就业保障等内容。研究旨在为构建智能财务伦理框架提供初步的尝试,并为智能财务系统设计、政策制定和企业实践提供借鉴。

关键词： 主副瓣干扰   特征投影预处理   自适应波束形成   主瓣保形  

摘要： 针对自适应波束形成(adaptive beamforming,ADBF)技术抗主副瓣干扰存在天线方向图主瓣分裂进而影响测角性能的问题,提出了一种特征投影预处理(eigen-projection preprocessing,EPB)结合自适应波束形成的抗主副瓣干扰算法。首先利用特征投影预处理剔除主瓣干扰,再利用ADBF技术抑制副瓣干扰,达到剔除主瓣干扰(期望方向除外)、主瓣保形并抑制副瓣干扰的效果。仿真结果验证了该算法具备抗主副瓣干扰的能力,且不影响测角性能。

关键词： K-means   差分进化算法   聚类   坐标融合  

摘要： 室内人群监测和定位已成为发展智慧楼宇科技的一个关键要素。目前的毫米波技术存在精度低、手段单一以及坐标重叠等问题。针对上述问题,将差分进化算法与K-means聚类相结合,设计了一种新的楼宇室内坐标融合算法,以提升人群室内定位的精度。实验表明,所提算法能够有效优化人群定位信息,为室内导航、紧急疏散以及设备调控等应用提供科学依据。

关键词： CEEMDAN   小波阈值函数   降噪   均方根误差  

摘要： 电弧炉声信号中包含大量冶炼状态信息,同时容易受到机体和周围噪声干扰.针对此问题,提出了一种改进小波阈值函数与自适应噪声完备集合经验模态分解(CEEMDAN)联合降噪的新算法.首先用CEEMDAN算法将声信号分解成由高频到低频自动排列的固有模态函数(IMF);再用相关系数法判断出由噪声信息主导的IMF分量并进行消除,从而实现信号初次降噪,对于其它IMF分量,使用改进小波阈值函数进行降噪,实现含噪信号二次降噪;最后进行线性重构,得到降噪后的信号.该文提出的方法兼具CEEMDAN分解及改进小波阈值降噪的优点,与软阈值和硬阈值方法相比,其信噪比提高了2.7 dB,均方根误差分别降低了16.8%和19.8%,降噪效果更好,可应用于电弧炉声信号的降噪处理当中.

关键词： 葡萄膜炎   诊断   病因   人工智能   算法  

摘要： 葡萄膜炎是累及虹膜、睫状体和脉络膜的眼内炎症,病因复杂。既往准确诊断葡萄膜炎和识别其相关全身性疾病需要综合临床病史、体格检查和辅助检查等进行详细分析,具有较大的挑战性。近年来,人工智能(AI)在诊断决策支持系统中的不断涌现和应用,为葡萄膜炎评估及诊断带来了新的方法。中国医药教育协会智能医学专委会和国际转化医学会眼科学专委会组织专家总结了目前AI在葡萄膜炎疾病中的应用现状,就AI在葡萄膜炎病因诊断、分类和评估方面的应用提出了指导性意见,形成该指南,旨在帮助临床医生诊断、分类和管理葡萄膜炎患者。

关键词： 气溶胶   氡子体   Transformer  

摘要： 在人工放射性气溶胶浓度监测过程中,氡及其子体的信号干扰是一个严重的问题。传统方法在适应环境本底变化方面表现出明显的局限性,这些方法往往难以准确捕捉因环境变化引起的信号时变特性及其在不同时间尺度上的特征变化。本文引入了Transformer架构到气溶胶人工放射性浓度计算方法中,利用其多头自注意力机制和特征融合模块来优化信号处理,有效区分氡子体信号及其变化。同时,模型通过多尺度注意力机制增强了对信号动态特性的适应性和鲁棒性。此外,Transformer架构中的特征融合模块动态调整特征表示可根据输入信号的实时变化,进一步提升监测的准确性。实验结果显示,引入Transformer架构后,模型的整体性能得到显著提升,尤其在复杂和动态的环境中处理信号效果突出,使用该方法不仅提高了检测的准确性,而且有效地降低了误报和漏报率。在区分氡子体信号和人工放射性信号的任务中,Matthews相关系数(MCC)达到了0.85,整体准确率为92%。In the monitoring process of artificial radioactive aerosol concentration, signal interference from radon and its progeny poses a significant challenge. Traditional methods exhibit clear limitations in adapting to changes in environmental background, often struggling to accurately capture the time-varying characteristics of signals caused by environmental changes and their feature variations across different time scales. This paper introduces the Transformer architecture into the calculation method for aerosol artificial radioactivity concentration, utilizing its multi-head self-attention mechanism and feature fusion module to optimize signal processing and effectively differentiate radon progeny signals and their variations. At the same time, the model enhances adaptability and robustness to the dynamic characteristics of signals through a multi-scale attention mechanism. Additionally, the feature fusion module in the Transformer architecture can dynamically adjust feature representations based on real-time changes in the input signal, further improving monitoring accuracy. Experimental results show that after introducing the Transformer architecture, the overall performance of the model is significantly improved, especially in processing signals in complex and dynamic environments. This method not only increases detection accuracy but also effectively reduces false positives and missed detections. In the task of distinguishing radon progeny signals from artificial radioactive signals, the Matthews correlation coefficient (MCC) reached 0.85, with an overall

关键词： 分布式约束优化问题   邻居忽略   解空间扩大搜索   局部搜索算法  

摘要： 针对现有基于局部搜索思想的分布式约束优化问题求解算法存在容易陷入局部最优的问题,提出了一系列用于求解分布式约束优化问题(DCOP)的基于邻居忽略策略(NI)的局部搜索算法,以扩大对解空间的搜索,避免陷入局部最优。为了研究智能体之间约束关系的可变性和随机性对局部搜索的影响和极值对于局部搜索的影响,分别设计了单个随机邻居忽略策略和极值邻居忽略策略。同时,基于单个邻居随机忽略策略和极值邻居忽略策略,设计了用于平衡算法探索和开发能力的混合策略。此外,还设计了多个邻居随机忽略策略,以探讨求解DCOP时同时随机忽略多个邻居的可行性,并在理论上证明了随机邻居忽略策略对智能体之间的约束关系没有影响。将提出的一系列基于邻居忽略策略的局部搜索算法与十种先进的非完备算法在三类基准问题上的寻优结果进行了实验对比,结果表明所提一系列用于求解DCOP的基于邻居忽略策略的局部搜索算法显著优于目前先进的非完备算法。