课程文献中心 更多>>

关键词： 算法共谋   信息交流说   知悉规则   依赖理论   博弈论   算法交互性  

摘要： 《平台经济领域的反垄断指南》分别引入美国与欧盟司法实践中的“信息交流说”与“知悉规则”,作为互联网共谋行为经营者主观联系的认定标准,从而将算法共谋问题推至我国反垄断法实践与理论的前台。学理上,算法共谋行为可分为信使型共谋、轴辐协议型共谋、可预测代理型共谋和电子眼型共谋。无论何种类型,反竞争共谋关系的形成都取决于经营者之间的相互依赖程度,而算法程序的广泛使用深刻改变了经营者之间的依赖关系。依据博弈论对依赖关系的解释,算法时代经营者之间的博弈关系由“人—人”依赖性转变为“人—机”控制关系下的算法交互关系。规范算法共谋行为的理论路径为,通过“人—机”控制关系与算法交互关系的结合来构建算法共谋中的经营者主观联系标准。

关键词： 天然气压缩机   输送效率   性能评估   能效提升  

摘要： 随着天然气需求的日益增长,天然气压缩机的性能与能效成为影响天然气开采、加工及输送效率的关键因素。基于此,本文通过实验测试与数值模拟相结合的方法,对压缩机在不同工况下的性能进行全面评估。在此基础上,探讨了压缩机的能效提升技术,并分析了这些技术对压缩机整体性能及系统能效的影响,为天然气压缩机的高效运行提供理论依据和技术支持。

关键词： 人工智能艺术   算法   多模态   生成作品   通用人工智能  

摘要： 随着人工智能技术在绘画、作曲、视频生成等多个领域取得突破性进展,人工智能艺术正成为艺术产业和艺术理论研究的新焦点。相比于传统的艺术,人工智能艺术以数据化的创作土壤、数字化的艺术媒介和动态交互的艺术效果,呈现出迥异的艺术图景。人工智能艺术是使用算法驱动、基于多模态融合技术、由人工智能自主生成的艺术作品。预计在“选择和协作”阶段之后,到未来的通用人工智能时代,受自主行为和自主价值驱动的人工智能将可能在人类过去的艺术系统之外创造另一种崭新的系统,扩展人类对艺术的认知。

关键词： 超分辨率重建   双三次插值   拉普拉斯锐化   现场可编程门阵列  

摘要： 超分辨率重建是一种可以提高图像分辨率的技术,在监控安防和游戏渲染等领域应用广泛。该技术对硬件有很高的要求,需要使用大量的计算资源。为了解决算力的需求,基于改进双三次插值算法和改进拉普拉斯算法设计了一种超分辨率重建电路,能够将分辨率为960×540的低分辨率图片超分辨率放大到3840×2160。基于自建数据集和X4K1000FPS数据集,从主观和客观两个角度对改进的算法进行了评估,并在XC7Z020-2CLG400l的FPGA开发板上对所设计的电路完成了板级验证。实验结果表明,提出的电路在工作时钟频率为167 MHz时处理一幅图片耗时约32.7 ms,处理速度能够达到约30帧/s,可以满足实时处理的要求,计算速度是一种高效软件计算速度的4倍。

关键词： “传感器-武器-目标”分配   分布式任务分配   动态任务分配   合同网协议   弹道导弹防御  

摘要： 资源分配算法是实现一体化防空反导的关键技术。针对弹道导弹防御过程中“传感器-武器-目标”动态分配问题,提出一种基于合同网协议的分布式分配方法。首先,对“传感器-武器-目标”动态分配问题进行形式化建模,模型考虑传感器和武器空间能力、传感器制导通道和武器拦截弹数量等实际约束,并设计目标函数以实现弹道导弹防御中尽早拦截和尽可能提高拦截成功概率这两个主要原则。然后,在合同网协议框架的基础上,构建反导资源协同动态分配流程,并针对传感器和武器的任务特点分别设计反导资源投标与中标策略。其中,武器资源投标策略设计中考虑对已分配目标的置换,并在估计被置换对象重招标所带来效能损失的基础上提出基于校正效能的置换对象选择方法。计算机仿真实验结果表明,所提算法能够实现分配方案的动态调整,且与传统反导体系下的分配算法相比,对导弹的拦截时间更早,成功概率更高,平均反导效能提高43.7%。

关键词： 共识算法   实用拜占庭   信誉模型   区块链  

摘要： 针对传统PBFT(practical Byzantine fault tolerance)共识算法主节点随机选择、通信复杂度和共识时延高等问题,提出了一种基于推荐信誉模型和聚类分析的改进拜占庭容错算法。根据推荐信誉模型,利用节点之间的交易行为计算出节点的全局信任值。在此基础上,利用全局信任值将节点划分为共识节点,非共识节点以及主组节点,并使全局信任值最高的节点成为主节点,可以大大降低恶意节点成为主节点的概率,从而提高了系统的效率。在每一轮共识结束后,对共识节点根据其特征进行聚类划分,进一步更新节点的全局信任值。通过仿真实验分析得出,改进后的TK-PBFT算法的共识时延降低了25%,通信开销成本减少超过50%,且具有更高的吞吐量。

关键词： 牛身份识别   智能养殖   数据融合   多角度   固定通道  

摘要： 为提高智慧奶牛养殖场生产管理效率,提出基于养殖场固定通道中多角度数据融合的奶牛身份识别算法。首先,在养殖场通道中安装2个不同背面和3个不同侧面的摄像头,采集60头奶牛的身份识别数据,构建奶牛的多角度身份识别数据集;然后,训练并对比分析7个骨干网络在奶牛身份识别数据集上的表现。结果表明,HRNet骨干网络在奶牛的正背面、斜背面、前斜侧面、后斜侧面和正侧面上的效果较好,Rank@1准确率分别达到96.55%、98.08%、91.23%、95.83%和89.36%,平均精度均值分别达到83.28%、89.88%、75.09%、84.48%和78.27%;采用身份识别较好的HRNet网络构建多角度数据融合奶牛身份识别算法,在设定相似度阈值为0.9时,奶牛身份识别准确率在数据集上达到100%。研究结果为奶牛养殖场固定通道中的牛身份识别提供了一种解决方案。

关键词： 矩阵因子模型   宏观经济   矩阵时间序列数据   缺失值填补   动态交互作用  

摘要： 随着大数据技术的飞速发展,高维数据的缺失问题变得愈发显著,尽管如此,针对这一问题的研究仍然为准确识别并妥善处理数据存储和采集中出现数据缺失问题,基于矩阵因子模型的缺失数据填补算法,在保证矩阵时序数据结构的完整性的同时,可利用矩阵因子揭示数据中的行间依赖性和列间依赖性。进一步考虑到时间序列数据中可能存在动态交互作用,借助这种多维依赖性可以更精确地估算缺失值,从而构建结合矩阵因子和时间序列的矩阵因子填补衍生模型。通过模拟数据和宏观经济数据的应用,检验所提方法的有效性,展示了矩阵因子填补算法在解决高维数据缺失问题方面的卓越性能。通过实证分析发现,相较于传统的向量因子填补技术,矩阵因子填补算法及其衍生模型均展现了更优的性能,有效改善了向量因子填补方法的局限性。

关键词： 目标检测   YOLOv7-Tiny   解耦头   特征融合   小目标   海上船舶  

摘要： 针对海洋环境下无人艇载光学图像背景信息复杂、小目标,当前目标检测算法特征提取能力不足、定位能力弱、检测精度差等问题,提出了一种基于YOLOv7-Tiny的改进的海上目标检测算法。利用RepVGG在推理时的“无损耗”特性设计了特征提取模块RepELAN,在不影响推理速度的同时提升网络特征提取能力;改进特征共享融合网络,融合高分辨率特征图提升对小目标特征提取能力,裁剪低分辨率特征图减少网络推理计算量;针对网络在复杂环境下定位检测能力弱的问题,设计检测头模块,区分定位与分类2种解耦头,提升网络定位检测能力。在建立的船舶目标检测数据集进行实验,检测精度提升了6.2%,设计了模块消融实验与对比实验,论证了所提算法的有效性。

关键词： 农业用水量   机器学习   用水量预测   SHAP   河套灌区  

摘要： 农业用水预测是区域水资源规划中的关键环节,对于实现水资源合理开发,保障粮食安全具有重要的指导意义。然而,现有农业用水预测模型普遍存在输入参数冗余、模型精度不够等问题,不利于有效地进行水资源管理和优化决策。因此,选择内蒙河套灌区作为研究对象,首先对灌区农业用水量相关驱动因子进行主成分分析(Principal Components Analysis,简称PCA),筛选出影响灌区农业用水量的关键因子;其次构建多种基于机器学习的农业用水预测模型;最后,利用Shapley加法解释方法(SHapley Additive exPlanations,SHAP)验证最优模型应用的合理性,并深入挖掘各特征值对农业用水量的贡献影响。结果表明:多层感知器神经网络(MLP)机器学习模型可以有效的预测农业用水量,其R2评价指标为0.84,相较于其他五种不同机器学习模型(最小绝对收缩和选择算子回归Lasso、岭回归Ridge、决策树DT、随机森林RF、极限梯度提升XGboost),该模型预测结果较好。采用SHAP值法对MLP机器学习模型中的输入参数进行量化分析,发现第一产业总产值与粮食产量有较高的绝对平均SHAP值,而在不同灌域中SHAP值贡献大小略有差异。构建农业用水量预测筛选模型可以准确预测农业用水量,从而实现灌区农业精准灌溉并提高水资源利用效率,对于缓解未来河套灌区水资源供需矛盾具有重要的实际意义。