课程文献中心 更多>>

关键词： 环氧乙烷   催化剂失活   反应动力学   反应器模型   支持向量回归  

摘要： 环氧乙烷是乙烯工业的重要衍生物之一,主要由乙烯在银催化剂作用下直接氧化生产。针对催化剂活性缓慢衰减,需定期调整操作条件以维持产量和高选择性的问题,提出了机理模型和数据模型耦合的方法,以确定催化剂的活性变化和各操作条件的影响。以某工业环氧乙烷反应器为对象,通过阿里云智能制造平台挖掘生产数据,分别使用反应动力学、失活动力学、反应器模型和支持向量回归,建立了各操作条件与反应器出口组成的模型。结果表明,在输入变量中添加机理模型所得的活性变量后,支持向量回归模型较原始模型更加准确,计算的反应器出口组成和选择性在测试集上的平均绝对百分比误差小于3%,为优化选择性提供了基础。

关键词： 自动驾驶   高精地图   众包更新   数据模型   奖励机制  

摘要： 本文主要探讨了自动驾驶技术的快速发展及其对高精度地图实时更新的需求。分析基于不同数据的众包地图构建方法在自动驾驶高精地图中的关键作用以及不同地图更新要素的更新方法。其次,细化了高精地图更新的关键技术,综述了众源式高精度地图动态更新可靠性的方法;说明了如今数据采集传感器的多样性选择和相应的方法;总结了国内外数据模型的研究现状;描述了众包模式下奖励机制的重要程度。归纳了高精地图平台对自动驾驶的支持与作用,以及存在数据质量、信息安全、法律法规等问题与方法。This paper explores the rapid development of autonomous driving technology and its demand for real-time updates of high-precision maps. It analyzes the critical role of crowdsourced map-building methods based on different data types in high-precision maps for autonomous driving, as well as the update methods for various map update elements. Furthermore, it details the key technologies for updating high-precision maps, reviews methods for ensuring the reliability of dynamically updated crowdsourced high-precision maps, and explains the diversity of current data collection sensors and their respective methods. The paper also summarizes the research status of domestic and international data models and describes the importance of reward mechanisms in crowdsourcing models. It concludes by summarizing the support and role of high-precision map platforms in autonomous driving and discusses issues and methods related to data quality, information security, and legal regulations.

关键词： 糖尿病   机器学习   网格搜索与交叉验证   切比雪夫距离   GCC-KNN  

摘要： 糖尿病是世界上常见的慢性病,及时查验和治疗非常有必要。在目前数字化背景下,将机器学习与医疗安全相结合具有重要意义。针对医院检查人群中潜在糖尿病病人遗传分类识别进行研究。由于糖尿病病人分类识别的特征值较多且密集,且本文主要的需求是保证其识别的准确率,故在KNN算法的基础上进行改进,使用了改进的GCC-KNN模型来对其进行分类识别,通过网格搜索优化算法确定了K值的最优参数,以及将不同距离进行对比,选择了该模型的最优距离切比雪夫距离,实现了医院检查人群中潜在糖尿病病人遗传的初步划分。经过实验对比,GCC-KNN模型准确率在潜在糖尿病病人遗传分类识别中均优于其他对比模型。Diabetes is a common chronic disease in the world, so it is necessary to check and treat it in time. In the current digital context, combining machine learning with medical security is of great significance. The genetic classification and identification of potential diabetes patients in the hospital inspection population were studied. Because the feature values for classification and recognition of diabetes patients are more and more intensive, and the main demand of this paper is to ensure the accuracy of their recognition, it is improved on the basis of the KNN algorithm, using the improved GCC-KNN model to classify and recognize them, determining the optimal parameters of K value through the grid search optimization algorithm, and comparing different distances, selecting the optimal distance Chebyshev distance of this model, realizing the preliminary division of the genetics of potential diabetes patients in the hospital inspection population. Through experimental comparison, the accuracy of GCC-KNN model is superior to other comparison models in genetic classification and recognition of potential diabetes patients.

关键词： 自主式水下航行器   动态目标   改进头脑风暴算法   协同搜索  

摘要： 针对搜索水中动态目标问题,提出一种基于改进头脑风暴优化(brain storm optimization,BSO)算法的多自主式水下航行器(autonomous underwater vehicle,AUV)协同搜索方法。该方法采用基于马尔可夫过程的运动预测目标存在概率,联合探测信息与预测信息更新目标存在概率。AUV间共享目标存在概率、环境不确定度、协调信息素等信息,各自利用滚动优化策略规划搜索路径。对该方法进行了有效性和鲁棒性的仿真验证。仿真结果表明,该方法能搜索到不同运动模式的水中动态目标,搜索效果优于随机算法、遍历算法等传统算法和BSO智能算法,且对AUV的不同初始出发位置不敏感,提高了战术使用的灵活性。

关键词： 医学图像分割   神经网络   轻量化   门控注意力  

摘要： 近年来,Transformer模型改善了深度神经网络在传统医学图像分割领域性能欠佳的问题,但因庞大的计算参数量而难以应用于移动端,为此提出一种轻量化网络ECG-UNet。首先,在保持模型性能的前提下,在瓶颈处采用线性映射与注意力相结合的策略替代普通卷积,以减少网络的参数量;同时,在网络中引入轻量化多层感知机模块,从而在图像中学习到关于分割目标更多的位置信息;其次,使用空洞卷积来获取更大的感受野;最后,在跳跃连接上加入门控注意力机制,增强网络中的特征传播,以相对较小的计算代价换取模型性能的进一步提升。在BUSI和ISIC2018两个数据集上对该模型进行验证,结果表明:本文提出的网络结构相较于当前主流算法,在分割性能更佳的情况下大大降低了计算资源的消耗。

关键词： 阳极炉炼铜   还原期   GRNN算法   图像处理   终点判断  

摘要： 针对阳极炉炼铜还原期终点判断依赖人工判断的局限,利用机器学习技术实现智能判断。通过图像去模糊处理优化图像特征,对图像进行灰度差分矩阵运算,将矩阵中提取出的特征值作为神经网络的输入,构建了一种新的铜阳极炉精炼还原期终点判断模型。试验结果显示,在真实生产环境下,采用GRNN算法对还原终点进行预测,有助于消除铜阳极炉精炼过程中不同指标之间的相关性,减少了数据冗余和系统误差,使预测精度提高至96.54%。相较于传统方法,这种新的判断模型有效提高了阳极炉炼铜还原期终点判断的准确性。

关键词： 低密度奇偶校验码   分层自适应最小和译码算法   归一化因子   偏移因子  

摘要： 针对归一化最小和译码算法较置信传播译码算法误差较大的问题,提出自适应最小和译码算法。通过对当前迭代后验概率的硬判决值与前一次迭代后验概率的硬判决值进行计算,动态调整归一化因子与偏移因子,使得到的改进算法更接近于置信传播译码算法。在此基础上,应用分层式调度策略,提出分层自适应最小和译码算法,提升译码算法收敛速度。仿真实验结果表明,在误码率为10-6时,所提译码算法的误码性能与分层归一化最小和译码算法相比有0.25 dB的增益,与分层置信传播译码算法的译码性能十分接近,迭代次数仅有1次的增加,具有更好的收敛性能。

关键词： 习近平新时代中国特色社会主义思想   管理新趋势   新型工业化   赋能   研讨交流   创新驱动发展战略   经验成果   高质量发展  

摘要： 【本刊讯】12月5~6日,2024(第五届)设备管理新趋势交流会在上海市成功召开,本届会议的主题是“新机遇·新能源赋能新质生产力”,主要任务是深入贯彻习近平新时代中国特色社会主义思想和党的二十大、二十届三中全会精神,深入实施创新驱动发展战略,积极推进新型工业化,大力宣传推广工业企业在设备管理与技术创新方面取得的经验成果,研讨交流新时代设备管理新趋势新理念,赋能新质生产力,助推工业企业高质量发展。

关键词： 乳腺癌   聚类   标记基因   差异基因  

摘要： 为了实现在单细胞水平上量化肿瘤空间异质性,选取10×Genomics平台上的乳腺癌空间转录组数据集为研究对象,使用深度图互信息(Deep graph infomax,DGI)模型对乳腺癌细胞进行聚类研究。结果显示,DGI算法展示出较好的聚类性能,调整兰德系数达到0.55,聚类结果接近人工注释分层且边界平滑,能够出色识别出乳腺癌标记基因和簇4与簇8之间的差异表达基因,富集结果表明这些基因与乳腺癌的发生发展有非常密切的关系。分析结果可能为乳腺癌患者找到作为临床诊断和治疗依据的标志物,对乳腺癌诊断和预后产生新的见解。

关键词： 量子联想分类器   均衡叠加态   Hamming距离   量子最小搜索  

摘要： 针对现有联想分类器不能存储重复样本的问题,提出一种基于Hamming距离和量子搜索算法的量子联想分类器设计方法,并给出联想分类器存储和分类的线路图.该方法需提前准备5组量子比特,分别对Hamming距离、输入样本、模式样本、类别和序号进行编码.首先,根据样本总体N,计算联想分类器所需的量子位数,再利用量子旋转门和Hadamard门将初态为|0〉的量子位旋转为恰好包含N个基态的均衡叠加态;其次,根据待存储样本的类别和值,将剩余两组初始状态为|0〉的量子位通过可控操作转换为相应的量子基态;最后,基于量子最小搜索的分类方法,计算输入样本与所有存储样本之间的Ha mming距离,再使用固定相位Grover量子搜索算法搜索这些Hamming距离的最小值,最小值对应存储样本的类别即为输入样本的类别,具体的分类结果可通过测量寄存器中的量子态得到.