课程文献中心 更多>>

关键词： 改进ABC   异构无线网络   节能分簇   路由路径  

摘要： 分簇路由易造成网络能量消耗高等问题,故提出基于改进ABC的异构无线网络节能分簇路由算法。在常规ABC算法的基础上加入轮盘赌反向选择机制,通过改变个体寻蜜行为强度,解决算法早期收敛问题;根据节点簇头与ID关系,设置网络节能分簇路由协议。计算每个节点处的等待时延,在确定簇头后,按照簇节点数量生成TDMA时隙,使每个节点均拥有传输权限。根据簇头节点的当前能量,给出归一化能量因子,结合更新的蜜源位置,获取最佳路由路径选择结果。实验表明,应用该算法后,第一个节点失效到最后一个节点失效的间隔更短,经过250轮次后,仍有35个节点存活,说明该算法延长了网络生命周期,能够达到节能目的。

关键词： 人工智能生成内容   生成对抗网络   变分自编码器   自回归模型   Transformer模型  

摘要： 随着人工智能技术的快速发展,人工智能生成内容(artificial intelligence-generated content,AIGC)已成为研究热点,其在提高内容创作效率和质量方面展现出巨大潜力。本文首先探讨AIGC的基本概念与原理,其次综合分析生成对抗网络、变分自编码器、自回归模型和Transformer模型4种主要算法的优势和应用场景,最后总结AIGC技术实际应用,并分析其面临的挑战和未来发展。结果表明,尽管AIGC技术已在内容生成方面取得显著进展,但在数据质量、计算资源需求和伦理法规等方面仍面临挑战。未来,AIGC技术发展应注重技术进步与社会责任的统一,以确保其应用不偏离社会价值观,保障数据安全和个人隐私。本研究可为AIGC研究和实践提供参考。

关键词： 单元教学设计   核心素养   立德树人   实施策略   素质教育   钟启泉   计算思维   单元设计  

摘要： 在新课程改革背景下,指向学科核心素养的大单元设计是学科教育落实立德树人、发展素质教育、深化课程改革的必然要求。信息科技作为新时代的重要学科,不仅要培养学生的技术操作能力,还要关注学生的信息意识、计算思维、数字化学习与创新,以及信息社会责任核心素养。教育专家钟启泉等人强烈建议采用大单元教学设计来推动课堂教学的转型和升级。然而,鉴于信息科技学科的特殊性,大多数教师在实际教学中仍然面临如何具体实施这些理念的挑战。因此,本文将从大单元教学设计的核心概念、优势、实施策略等方面,探讨如何在小学信息科技教学中落实核心素养。

关键词： 机电设备   环境参数   异常数据检测   先验聚类   K-means算法   密集度   聚类匹配  

摘要： 传统的聚类异常数据检测算法在处理高维度、大数据量且异常值分布杂乱的机电设备环境参数时,存在聚类效果差和检测效率低的问题。为此,在原有异常检测算法的基础上提出一种基于先验聚类的机电设备环境参数异常检测算法。该算法改用历史数据构建先验聚类,确保聚类构建不会受太多异常环境参数所影响;在选取聚类中心时引入密集度的概念,以确保聚类中心的可靠性,并在选取聚类中心过程中去除已选聚类中心周围的数据点,防止选取的聚类中心集中在某一区域,以此提升聚类效果。进行异常检测时,依次将待检测数据放入先验聚类中进行匹配,一旦测试数据无法匹配任何一个已知聚类,则将其标记为异常数据。实验结果表明:所提算法在机电设备环境参数的异常检测方面具有检测率高、误报率低的特点,在2000例数据异常检测中,其检测准确率达到了97.5%,优于DBSCAN算法的97%以及基础K-means算法的86%;同时,误检率低至0.0106,优于DBSCAN算法的0.0239和基础K-means算法的0.0228。改进后的模型较基础K-means算法和DBSCAN算法在机电设备环境参数异常检测中检测效果更佳,在机电设备环境异常数据检测上具有良好的性能。

关键词： 风速   预测   深度学习   图卷积神经网络   双向长短期记忆网络   自适应图时空Transformer  

摘要： 风速预测的准确性始终不理想,为解决风速复杂的时空相关性和非线性问题,提出一种新颖的混合深度学习模型。首先,采用二次分解法将输入序列分解为具有不同频率振动模式的模态分量(IMF);使用图卷积神经网络(GCN)和双向长短期记忆网络(BiLSTM)来预测高频分量;使用自适应图时空Transformer网络(ASTTN)来预测低频分量,以充分考虑输入序列的时空相关性。最后将高频分量和低频分量合并叠加,得到最终的预测结果。将该模型应用于甘肃省某风电场进行风速预测,实验结果表明,所提出混合深度学习模型能有效提高风速预测的准确性。

关键词： 改进孤立森林算法   审计数据   数据异常   异常预警   主动预警  

摘要： 审计数据中出现的异常值可能反映业务活动的异常状态,在进行数据质量评估时,有效异常数据越多,说明数据质量越高,因此在海量审计数据异常检测与识别时,需要对海量异常点进行分析与解释,复杂度较高。为此,文章提出一种基于改进孤立森林算法的审计数据异常主动预警研究。首先自动抓取并预处理审计相关数据,然后选取关键特征,基于选择特征构建孤立森林,最后引入四分位法改进孤立森林中正常与异常数据评分的分界线划分方式,利用改进后的孤立森林算法实现审计数据异常的主动预警。实验结果表明,在此方法下,审计数据异常主动预警结果的G-mean指标高达0.96,AUC高达0.936,验证了该方法的有效性和优越性。

关键词： 特征融合   Transformer   目标跟踪   特征优化   目标分类  

摘要： 近年来判别相关滤波器(DCF)在视觉跟踪领域取得了巨大的成功,然而大多数相关滤波跟踪器仅依赖主干网提取的最后一层特征,忽视了低层丰富的目标结构信息。基于此,提出了一种基于特征融合模块和Transformer结构模型预测器的目标跟踪算法。引入了一个金字塔形的特征融合模块,能有效整合低层特征和高层特征。使用采用非对称位置编码方案的Transformer结构预测目标模型权重,以释放模型的表达能力。提出了一个特征优化模块以根据模型权重优化搜索特征。与现有的方法相比,该算法实现了更优的特征表示和更准确的目标定位。在Tracking-Net、LaSOT和UAV123三个主流数据集上的实验结果表明,跟踪器获得了突出性能。

关键词： 推荐系统   协同过滤   图卷积网络   隐私保护   Rényi差分隐私  

摘要： 近年来,图卷积网络作为一种强大的图嵌入技术在推荐系统领域得到广泛应用.主要原因是推荐系统中大多数信息可以建模为图结构,而图卷积网络是一种基于图结构的深度学习模型,有助于挖掘图数据中用户和项目之间的潜在交互,从而提高推荐系统的性能.由于推荐系统的建模通常需要收集和处理大量的敏感数据,因此可能会面临隐私泄露的风险.差分隐私是一种具有坚实理论基础的隐私保护模型,已被广泛应用于推荐系统中解决用户隐私泄露的问题.目前基于差分隐私的研究主要是面向独立同分布的数据模型.然而,在基于图卷积网络的推荐系统中,数据之间关联性强且不具有独立性,这使得现有方法难以对其进行有效的隐私保护处理.为解决该问题,提出基于Rényi差分隐私的图卷积协同过滤推荐算法RDP-GCF,旨在保护用户与项目交互数据安全的前提下,实现隐私性和效用性之间的平衡.该算法首先利用图卷积网络学习用户/项目的嵌入向量;然后,采用高斯机制对嵌入向量进行随机化处理,同时基于采样的方法放大隐私预算,减少差分噪声注入量,以提升推荐系统的性能;最后,通过加权融合的方式得到用户/项目的最终嵌入向量,并应用于推荐任务.在3组公开数据集上进行实验验证.结果表明,与现有同类方法相比,所提算法能更好地实现隐私保护与数据效用之间的平衡.

关键词： 烟草行业   区域物流   配送中心选址   遗传算法  

摘要： 为提升烟草行业物流资源利用效率,发挥物流规模经济优势,降低行业物流运营成本,基于运输成本和运营成本核心指标构建了区域物流配送中心总成本模型,并采用遗传算法进行求解,给出了推荐的区域物流配送中心选址方案。仿真结果表明:①提出的区域物流配送模式能够充分整合烟草行业现有的物流资源,提升物流规模化效应,实现物流网络的高效运作;②区域物流配送模式相比于单点物流配送模式总成本减少了7.75%,实现了物流网络成本效益最大化;③提出的区域物流配送中心选址方法能够根据不同省份的地理和运营特点进行自适应调整,可为烟草行业物流网络布局规划提供技术支持。

关键词： 点云配准   深度学习   注意力机制   奇异值分解  

摘要： 点云配准是自动驾驶领域和三维重建的一个关键问题,表示一片点云进行刚性变换对齐到另外一片点云。领域中流行的DCP(deep closest point)算法在局部特征提取方面不够深入,针对这个问题,提出了一个改进算法——GPR。该算法使用多层传播模块进行特征学习,在传播过程中整合局部信息,灵活地将点与其邻域信息结合,通过传播层的多次迭代细化节点特征,有效地解决了高精度局部特征配准问题。GPR算法在ModelNet40数据集上端到端训练模型,并在几个设置中显示它比ICP及其变体(例如Go-ICP、FGR)和已提出的基于学习的方法PointNetLK等表现得更好。除了提供优化的配准技术之外,GPR算法还评估了将学习到的特征转移到看不见的物体上的适用性。在ModelNet40上进行的大量实验表明,GPR算法优于传统GPR算法和近几年流行的DCP算法,达到了先进的性能,具有将配准应用于未来无人系统的现实意义。