课程文献中心 更多>>

关键词： 鲸鱼优化算法   多策略   佳点集   混沌干扰   负荷分配  

摘要： 针对鲸鱼优化算法存在的收敛精度低和易陷入局部最优的缺陷,提出一种融合多策略改进鲸鱼优化算法(IWOA)。首先在生成初始种群时引入佳点集理论以增加初始种群多样性;然后通过对最优个体采用变异逐维优化策略以增强算法的局部开发能力;最后对劣等个体进行混沌干扰,增强算法的全局搜索能力。将IWOA与5种其他群体智能优化算法对测试函数进行仿真实验,并将其应用到优化冷水机组负荷分配问题中,实验结果表明IWOA具有良好的寻优性能。

关键词： 算法推荐   思想政治教育   挑战   对策  

摘要： 在大数据、人工智能等科学技术飞速发展的今天,算法推荐技术在信息传播领域中的作用和地位日益凸显,不仅把控着信息的生产传递,更深刻影响着社会价值的凝聚以及思想、行为的建构。智能算法推荐为思想政治教育发展带来新机遇的同时,也带来了“资本逻辑”“注意力博弈”“信息茧房”“后真相”等多重问题,使得思想政治教育的发展面临着较大的风险挑战。为此,必须强化议题设置,助推思想政治教育有效引导;提升算法素养,促进思想政治教育价值凝聚;打破圈群隔阂,拓宽思想政治教育传播空间;抑制虚假信息,为思想政治教育筑牢公众“信任红线”。从而,主动融入算法推荐技术所开启的网络信息传播新纪元,推动自身创新发展,实现算法推荐“为我所用”。

关键词： 新质生产力   体育赛事   算法推荐   运动员隐私权   权力异化   知情权   注意义务   透明度义务  

摘要： 在新质生产力背景下,算法推荐技术广泛应用于体育赛事之中,实现了赛事节目传播范式的变革和服务质量的提升,但也面临着日益严峻的法律风险。该研究通过文献资料和案例研究等方法,在阐明算法推荐技术与体育赛事融合的基础上,探讨了体育赛事算法推荐的运行机制、法律难题和治理路径。研究表明,体育赛事算法推荐经历体育数据收集、体育数据分析、体育数据审核、体育用户画像标签提取以及体育数据推荐五个阶段;虽然体育赛事算法推荐降低了大规模信息推荐的决策成本,有效解决了信息冗余问题,促进了个性化体育赛事的精准推送,但也引发了运动员合法权益受损、体育赛事网络平台权力异化、社会公众知情权与隐私权被侵犯等新的法律难题。基于此,该研究提出相应的治理路径:提高网络平台对体育赛事算法推荐的注意义务;网络平台应承担体育赛事算法推荐的反垄断义务;网络平台应引入透明度义务和用户拒绝权等。

关键词： 张量阻抗表面   多目标   近场综合   汉克尔函数   多焦点波束  

摘要： 在电子设备的设计趋于轻量化、低剖面、多目标的背景下,本文提出了一种基于新型二维张量阻抗表面的近场多焦点波束综合方法,并基于此设计了一款辐射近场多焦点波束的张量阻抗表面,其工作频段为10 GHz,厚度仅为1.524 mm,在10 GHz附近能实现空间中多焦点波束的辐射和双极化分量的自由配比,在1.5 m的距离上多目标能量汇聚效率达到40%以上。低剖面的设计、简单的馈电结构、多目标的辐射特性使其在轻量化电子设备中具有重大应用前景。

关键词： 档案职业   未来档案   现代信息技术   数据保存   数据管理   基础设施   冲击挤压   重新定位  

摘要： 近年来,在现代信息技术和强势行业的冲击挤压下,许多档案人对档案职业的前景忧心忡忡。档案管理职能是否会被升级后的数据管理职能替代?日益完备的国家数据保存基础设施会不会替代已有的档案馆室体系?未来档案工作将以何种姿态呈现?这些疑虑已经影响到对档案职业发展的预期,学界必须高度重视并为职业未来擘画清晰蓝图。

关键词： 机器学习算法   智能代码补全工具   工具开发与实现  

摘要： 代码补全是集成开发环境(IDE)中的核心功能,旨在通过预测开发者输入的代码片段来提升编程效率。传统的代码补全方法依赖于静态分析和规则匹配,存在一定的局限性,难以适应复杂的编程语境和多变的开发需求。本文基于机器学习算法,探讨了智能代码补全工具的开发与实现,提出了一种高效的代码补全方法,并通过实验验证了其性能。

关键词： 深度学习   目标检测   包裹检测   轻量级   自注意力机制  

摘要： 为了解决深度学习包裹破损检测中遇到的数据多样和复杂性问题,提出了一种基于多头自注意力(Multi-Head Self-Attention,MHSA)机制与卷积神经网络(Convolutional Neural Network,CNN)模块的轻量级包裹破损检测算法。在YOLOv7框架的基础上,采用了BoT3模型替换主干网络部分,使其能够更好地捕捉输入序列中的长距离依赖关系,从而提高特征表达能力;使用卷积块注意力模块(Convolutional Block Attention Module,CBAM)注意力机制对特征融合部分中的MP-2模块进行融合,使其能够更有效地挖掘特征图中的通道和位置相关性,从而提升网络的感知能力和性能。通过在多个不同的数据集上进行测试,在各类包裹图像的平均精度均值(Mean Average Precision,mAP)方面达到了88.4%,与YOLOv7相比检测精度提升了10.9%,利于实际场景下的包裹破损检测。

关键词： 跳时通信   多维参数联合估计   跳时图案估计   交叉熵   相干合并  

摘要： 作为全球化通信网络的重要组成部分,卫星通信因其能够实现全球无缝覆盖和构建天地一体化信息网络而备受关注。跳时(TH)作为一种常用的卫星通信方式,具备强大的抗干扰能力、灵活的频谱利用和高安全性。该文提出一种适用于卫星通信的TH图案随机变化系统,以进一步增强数据传输过程的安全性。针对发射功率受限的问题,该文提出多跳信号相干合并策略,并进一步在该策略指导下,面对接收信号信噪比(SNR)低的约束,提出了交叉熵(CE)迭代辅助的跳时图案与多跳载波相位联合估计算法,以合并信噪比损失为目标函数,自适应调整待估参数的概率分布,从而快速收敛至最优解附近。仿真实验证明了该算法在迭代收敛速度、参数估计误差以及合并解调误码率等方面的优异性能。与传统算法相比,所提算法在保持较低复杂度的同时,误码率(BER)性能接近理论最优,有效提高了卫星TH通信系统在复杂环境下的稳定性和可靠性。

关键词： 隧道工程   钻爆法   炮孔孔位   YOLOv5算法  

摘要： 隧道工程一直是交通基础设施建设的重要组成部分。在隧道钻爆法施工中,装药环节对工程质量和施工效率起着关键作用。然而,传统的装药环节通常依赖于人工,存在效率低、危险性强的问题。本研究采用YOLOv5深度学习算法,更换骨干网络结构为ShuffleNet V2,降低模型复杂程度;增加坐标注意力机制,提升检测准确性。通过自主收集和标记图像建立炮孔图像数据集。经训练后模型能够高效地检测和定位隧道炮孔,实现了准确性和速度的平衡。研究结果表明,改进的YOLOv5算法模型在满足检测精度的前提下,推理速度提升23%,模型大小降低54%。在隧道施工中具有巨大的潜力,有望在未来的建设中广泛应用。Tunneling is always an important part of the construction of transport infrastructure. In the construction of tunnel drilling and blasting methods, the loading link plays a crucial role in the project quality and construction efficiency. However, the traditional loading part usually relies on manual labour, which has the problems of low efficiency and danger. In this paper, the YOLOv5 deep learning algorithm is used to replace the backbone network structure with ShuffleNet V2 to reduce the model complexity;the coordinate attention mechanism is added to improve the detection accuracy. The cannon hole image dataset is established by autonomously collecting and labelling images. The trained model is able to detect and locate the tunnel gun holes efficiently, achieving a balance between accuracy and speed. The results show that the improved YOLOv5 algorithm model improves the inference speed by 23% and reduces the model size by 54% while satisfying the detection accuracy. It has great potential in tunnelling and is expected to be widely used in future construction.