课程文献中心 更多>>

关键词： 算法资本主义   数字资本主义   平台   智能时代  

摘要： “算法资本主义”指的是以智能算法为控制中枢的当代资本主义形态,表征着数字资本主义在新一轮科技革命下的迭代升级。与此前的资本主义形态不同,算法资本主义遵循着智能化的运作逻辑,具有跨区域、全流程、自动化和隐性支配的全新特征。从核心构架来看,算法资本主义遵循着“算法-平台-数据-资本”的四元构架,其中,算法是“动力”要素,平台是“形式”要素,数据是“质料”要素,资本是“目的”要素。算法资本主义具有进步性和局限性的双重意义,带来更多流动性与社会变革的同时,更是引发了严重的负面伦理效应。算法资本主义研究在当下具有重要的理论价值和现实意义。

关键词： 智能制造   大数据   供应商画像   算法   指标  

摘要： 随着大数据技术的飞速发展及在冶金企业中的深度应用,智能制造及数字化转型成为某钢铁企业生产经营转型的一个重要手段,要实现智能制造及数字化成功转型就要充分利用好大数据。本文作者着重阐述了原燃料采购中的供应商画像大数据技术应用,对业务功能进行了探索与展望,揭示了供应商画像技术在钢企原燃料采购中的重要意义。

关键词： 涡旋压缩机   遗传算法   流场分析   结构优化  

摘要： 为了降低电动汽车空调系统的耗能,提高电动汽车续航能力,文章使用遗传算法对电动压缩机涡旋盘的主要结构参数进行优化设计,并运用计算流体力学(computational fluid dynamics,CFD)方法对电动涡旋压缩机内部工质的流动进行计算和分析。仿真计算和压缩机性能试验结果表明,在相同的压缩机吸气容积和运行工况条件下,通过优化涡旋盘的相关结构参数,压缩机的外压缩指示功降低60.71%,压缩中心腔排气温度降低1~2 K;分析电动涡旋压缩机工作时的内部流场可知,结构参数优化后的涡旋盘在一定程度上减少了因气体涡流而导致的流动功耗,降低了电动涡旋压缩机的压缩总功耗,在压缩机制冷量不变的情况下,优化后输入电功率降幅为2.68%。

关键词： uBlock算法   AVX2指令集   并行运算   低延迟   快速软件实现  

摘要： 为对国产分组密码算法uBlock进行软件优化,选择支持256 bit数据位宽的AVX2指令集,提高编译器自动优化等级,优化函数的调用过程,优化数据存储结构,综合使用高位并行、低延迟指令逻辑优化等方法实现单线程并行计算。通过使用这种有效的组合方法,uBlock-128/128算法、uBlock-128/256算法和uBlock-256/256算法单密钥短消息加密的速度较原代码分别提升269%、182%和49%。基于这些优化方法,uBlock-128/128、uBlock-128/256和uBlock-256/256三个算法版本均实现了单密钥场景与多密钥场景。

关键词： 火力分配   混沌映射   自适应网格划分   多目标优化   鲸鱼优化算法  

摘要： 传统多目标优化算法在解决多于两个目标函数的火力分配问题时收敛效果不佳,多样性差,耗时过大。基于此,提出了一种自适应网格多目标鲸鱼优化算法(AG-MOWOA)来解决以震塌比例、弹药成本和自身剩余价值为目标函数的火力分配问题。该算法引入混沌映射和外部Pareto存档进化策略提高了种群的多样性,通过自适应网格选取最优个体的方法极大地减少了算法运行时间。仿真实验结果表明,该算法较其他算法收敛速度更快、收敛质量更高、解集分布更多样,能够有效解决火力分配问题。

关键词： 基坑工程   主动控制   粒子群算法   轴力优化  

摘要： 当前,轴力伺服(补偿)系统对软土基坑变形控制的效果时好时坏,其优势未能充分发挥。为此,在基坑侧向变形主动控制方法的基础上,创新性地运用基于群智能的粒子群算法解决支撑轴力优化问题,建立考虑基坑施工过程的支撑轴力优化方法,并开发基于粒子群算法的竖向弹性地基梁法计算程序,获得在动态、多工况变化的基坑施工中能够满足支护结构强度、刚度要求的合理支撑轴力。结果表明,本文引入的粒子群算法可以简单高效地求解涉及围护结构内力、变形和支撑承载能力等动态、多约束条件下的支撑轴力优化问题,为今后基于主动控制的深基坑设计提供了借鉴。

关键词： 索结构   有限元方法   TL列式   UL列式   非线性分析  

摘要： 有限元方法中的TL列式(Total Lagrangian Formulation)和UL列式(Updated Lagrangian Formulation)是分析索结构的两种主要方法,它们基于不同的运动参考状态,在理论推导和求解算法方面也有所差异.尽管两种列式在索结构分析中都有较好适用性,但对于二者在具体应用中的差异和适用场景的对比分析却相对缺乏.本文基于能量变分计算,推导了两种列式下的索单元切线刚度表达式,并对比分析了各自列式下非线性平衡方程的迭代策略差异,最后通过具体算例,证明了对于仅涉及几何非线性的索结构分析而言,二者能得出一致的分析结果,并指出:TL列式相比于UL列式,概念简单且求解算法简洁,在仅涉及几何非线性的索结构分析中有明显优势.

关键词： PCB缺陷   BiFormer注意力机制   MPDIoU损失函数   上采样算子CARAFE   目标检测  

摘要： 在PCB缺陷检测领域中检测精度的提高一直是1个具有挑战性的任务。为了解决这个问题,提出一系列基于PCB缺陷检测的改进方法。首先,引入一种新的注意力机制,即BiFormer注意力机制,这种机制利用双层路由实现动态的稀疏注意力,从而减少计算量;其次,采用一种创新的上采样算子CARAFE,能够结合语义信息与内容信息进行上采样,使得上采样过程更加全面且高效;最后,基于MPDIoU度量采用一种新的损失函数,即LMPDIoU损失函数,能够有效地处理不平衡类别、小目标和密集性问题,从而进一步提高图像检测的性能。实验结果表明,所提改进后的模型在平均精度均值(mAP)方面取得了显著提高,达到了93.91%,与原YOLOv5模型相比提高了13.12个百分点,同时,在识别精度方面,所提改进后的模型表现也非常出色,达到了90.55%,与原YOLOv5模型相比提高了8.74个百分点。引入BiFormer注意力机制、CARAFE上采样算子以及LMPDIoU损失函数,对于提高PCB缺陷检测的精度和效率具有非常积极的作用,为工业检测领域的研究提供了有价值的参考。

关键词： 激光雷达   去噪   自适应噪声完备集合经验模态分解   小波阈值函数  

摘要： 针对激光雷达远距离探测时回波信号背景噪声大问题,将自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、去趋势波动分析(detrended fluctuation analysis,DFA)和新型小波变换相结合,提出一种激光雷达去噪算法。首先,激光雷达回波信号通过CEEMDAN进行分解,获得多个本征模态函数(intrinsic mode function,IMF)。其次,引入DFA算法计算各IMF分量与原始回波信号的标度指数,自适应地将IMF分量划分为信息主导分量和噪声主导分量。再次,采用新型小波变换对噪声主导分量进行去噪处理。最后,将信息主导分量和去噪后的噪声主导分量进行信号合并重建。激光雷达仿真信号在-10 dB的去噪结果表明,与改进的CEEMDAN结合小波软硬阈值相比,所提算法的均方根误差分别降低了52.13%和96.49%,信噪比分别提高了3.9323 dB和3.7542 dB。实测信号的去噪结果也表明,所提算法在低信噪比条件下稳健性好且去噪性能更佳。

关键词： 气温预报   ECMWF   机器学习   LightGBM   预报效果评估  

摘要： 为进一步提高站点气温的预报精度,增强对极端气温的预报能力,本研究利用2017-2019年江西省91个国家站地面观测数据和ECMWF模式高空和地面预报数据,基于LightGBM机器学习算法和MOS预报框架,建立了江西省24 h国家站日最高(低)气温预报模型。2020年评估结果表明:LightGBM模型日最高(低)气温预报和观测变化趋势一致,年平均预报效果优于ECMWF、CMA-SH9、CMA-GFS三家数值模式、RF和SVM两种机器学习产品以及主观订正产品。从预报误差的时空分布来看,模型冬、春季日最高(低)气温预报误差略大于夏、秋季;日最高气温预报误差呈现“南大北小、周边大于中心”的空间分布特征,日最低气温则与之大致相反。从重要天气过程来看,在高温过程中,LightGBM模型在七种产品中预报效果最优;在强冷空气过程中,LightGBM模型预报效果仍优于三家数值模式产品和另外两种机器学习模型,但日最低气温预报效果不如主观订正产品。针对强冷空气过程中低温预报误差进行简单经验订正后,模型低温预报效果与主观订正产品接近。模型重要性分析显示临近地面观测特征对模型建立也有较大贡献,该结果可以为模式改进和气温预报产品研发提供参考。目前,LightGBM模型气温预报产品已应用于江西省气象业务。