课程文献中心 更多>>

关键词： 微博推荐   多兴趣召回   动态路由   兴趣胶囊   自注意力机制   标签感知注意力机制  

摘要： 针对目前在微博推荐领域主要使用单一向量表示用户兴趣且缺乏对兴趣之间复杂关系的捕捉能力,导致用户兴趣表示不全面,推荐准确性较低的问题,提出了基于双重注意力机制的多兴趣动态路由微博推荐算法(multi-interest network with dynamic routing microblogging recommendation algorithm based on dual attention mechanism,MINDDouAtt),用于提高用户兴趣的表征能力。首先,通过动态路由从用户行为数据中提取多个兴趣胶囊,并将这些兴趣胶囊输入到自注意力机制中以对不同兴趣胶囊之间的关联信息进行交叉学习,提高兴趣的表征能力。然后,通过引入标签感知注意力机制来调节不同兴趣胶囊之间的重要性,以更好地满足用户的个性化推荐需求。实验表明,MINDDouAtt算法在亚马逊图书、天猫和微博数据集上的S HR@10值相较于最好的对比模型分别提升了33.66%、10.49%、9.60%。该算法能够在电子商务等领域为用户提供更准确和个性化的推荐结果。

关键词： 渗透测试   渗透路径规划   强化学习   近端策略优化   长短期记忆网络  

摘要： 渗透路径规划是渗透测试的首要步骤,对实现渗透测试的自动化有重大意义。现有渗透路径规划研究多将渗透测试建模为完全可观测的理想过程,难以准确反映部分可观测性的实际渗透测试过程。鉴于强化学习在渗透测试领域的广泛应用,将渗透测试过程建模为部分可观测的马尔可夫决策过程,从而更准确地模拟实际渗透测试过程。在此基础上,针对PPO算法使用全连接层拟合策略函数和价值函数无法提取部分可观测空间有效特征的问题,提出一种改进的PPO算法RPPO,其中策略网络和评估网络均融合全连接层和LSTM网络结构以提升其在未知环境提取特征的能力。同时,给出一种新的目标函数更新方法,以增强算法的鲁棒性和收敛性。实验结果表明,在不同网络场景中,相较于现有A2C,PPO和NDSPI-DQN算法,RPPO算法收敛轮次分别缩短了21.21%,28.64%,22.85%,获得累计奖励分别提升了66.01%,58.61%,132.64%,更适用于超过50台主机的较大规模网络环境。

关键词： 锂电池胶带   缺陷检测   Faster R-CNN   特征融合  

摘要： 小目标检测是缺陷检测中的难点,存在检测效果差、速度慢、定位精度低等问题。针对锂电池胶带表面微缺陷特征信息少、识别准确率低的问题,提出融合多尺度信息的Faster R-CNN模型。首先,将残差网络ResNet—50与递归特征金字塔作为特征提取网络,提升对微小缺陷的特征提取能力;其次,通过感兴趣区域(ROI)校准模块消除原网络定位时2次量化取整引入的误差,提升缺陷定位精度;最后,优化损失函数,解决模型对难易样本间学习能力的不平衡问题。改进后Faster R-CNN模型对锂电池胶带表面微缺陷检测的平均精度高达97.9%,比原始Faster R-CNN提高2.1%。

关键词： 无人机(UAV)   三维重建   目标检测   单次多框检测器(SSD)  

摘要： 利用传统的运动恢复结构(SFM,struct from motion)算法实现无人机视角下的三维重建时,为减少特征点的错误匹配和运动目标对整体稀疏点云的影响,主要依靠随机采样一致性(Ransac,random sample consensus)算法,但会导致Ransac在求解相机位姿时的正确率降低,迭代次数增加。本文基于深度学习的单次多框检测器(SSD,single shot multibox detector)网络进行目标检测。首先,在尺度不变特征转换(SIFT,scale-invariant feature transform)提取特征点后,对动态目标类别范围内的特征点进行剔除;然后,在K近邻(KNN,K-nearest neighbor)暴力匹配后,对错误匹配进行剔除,减少无效运动目标范围内的特征点和不同类别间的错误匹配,使得相同置信度时,Ransac求解相机位姿的迭代次数降低,同时减少特征点暴力匹配和SFM算法计算三维点的时间。最后,通过2个场景12张图片验证了引入深度学习优化后三维重建算法的可行性。

关键词： 平差算法   智能监测   应用效果  

摘要： 随着城市轨道交通的快速发展,地铁安全保护监测的重要性愈发凸显[1]。地铁保护智能监测平台通过实时采集和分析监测数据,为地铁设施的安全运行提供有力保障。平差算法作为数据处理中的关键技术,能够有效提高数据的准确性和可靠性。本文将详细探讨平差算法在地铁保护智能监测平台上的应用,分析其工作原理、实现流程及实际应用效果。

关键词： 粒子群优化算法   Logistic映射   多种群   精英知识   反向学习   极值扰动  

摘要： 目的为了解决粒子群优化(particle swarm optimization,PSO)算法易早熟收敛、后期收敛速度慢、精度低等问题,方法提出一种基于精英知识引导的多种群协作粒子群优化算法(multi-group cooperation particle swarm optimization algorithm,MGCPSO)。首先,采用基于幂函数约束的logistic映射得到分布均匀的初始种群,加快寻优速度并提高找到最优解的概率;其次,在算法执行阶段动态划分多种群,并利用精英知识引导劣势粒子飞行,实现粒子间的信息共享和协同进化,降低粒子在解空间探索的盲目性;最后,综合融入精英知识的反向学习和极值扰动策略对粒子施加变异,帮助粒子扩大搜索区域并加强对最优邻域的精细探索。结果为验证MGCPSO的性能,在30维和100维的基准测试函数上进行了仿真实验研究,结果表明,相比于其他几种改进算法,提出的算法在收敛速度和收敛精度上均有良好表现。结论多种群协作粒子群优化可以有效避免算法早熟收敛和陷入局部最优,同时可以提高算法的全局搜索能力和局部开发能力。

关键词： 计算思维   体验式学习   人工智能   职业教育  

摘要： 计算思维,以其抽象和自动化的核心特质,成为跨学科问题解决的关键能力。通过将计算思维与体验式学习理论相结合,提出计算思维培养的三维框架与职业院校信息技术课程三维目标融合的办法,设计计算思维培养“五步”教学法。以信息技术课程“人脸情绪识别”人工智能项目为例,让学生亲历计算思维“判、思、建、做、创”全过程,将学生计算思维培养落到实处,提升其核心素养。为职业院校面向计算思维培养的体验式学习的教学提供理论支撑和实践策略。

关键词： 工作投入   算法管理   趋近式工作重塑   回避式工作重塑   算法控制   算法赋能  

摘要： 为了进一步探究算法管理对员工工作投入的影响,本研究基于资源保存理论中资源损耗和增益,将算法管理划分为两个核心维度(控制及赋能)。并通过问卷收集数据并验证了算法技术管理对员工的不同影响及其作用机理。研究表明,一方面,算法控制显著加强了员工的回避式工作重塑,导致员工降低工作投入;另一方面,算法赋能显著加强了员工的趋近式工作重塑,并导致员工积极的工作投入。本文研究不仅为组织管理中算法管理、工作重塑的研究提供新的视角,也为相关组织开展员工算法管理实践提供了相应的参考意见。To further explore the impact of algorithmic management on employee work engagement, this study is based on the concepts of resource depletion and resource gain from Conservation of Resources (COR) theory. Algorithmic management is divided into two core dimensions: control and empowerment. Data were collected through a survey to verify the different effects of algorithmic management on employees and the underlying mechanisms. The findings reveal that, on the one hand, algorithmic control significantly increases employees’ avoidant job crafting, leading to decreased work engagement. On the other hand, algorithmic empowerment significantly enhances employees’ approach-oriented job crafting, resulting in positive work engagement. This research not only provides a new perspective on the study of algorithmic management in organizational contexts but also offers valuable insights for organizations aiming to implement scientific employee management practices.

关键词： 局部遮荫   最大功率点跟踪   双曲正余弦优化   立方混沌映射   贝塔分布   平衡权重更新策略   透镜成像反向学习   比例收缩法  

摘要： 针对局部遮荫工况下光伏阵列最大功率点跟踪(MPPT)存在的易陷入局部功率峰值点、跟踪时间长、跟踪精度低等问题,提出一种基于改进双曲正余弦优化(SCHO)的控制算法.其采用立方混沌映射初始化,提高初始候选解集的遍历性,并利用贝塔分布的概率特性修正SCHO算法的切换标准,提高算法与候选解集寻优进程的适配性.同时,对SCHO算法中的全局最优解、个体当前解引入平衡权重更新策略,且采用透镜成像反向学习策略对寻优后期的候选解进行扰动,采用比例收缩法对寻优空间进行动态钳位,提高算法的全局勘探及局部开发能力.Matlab仿真结果表明,相比其他控制算法,本文提出的改进SCHO算法能缩短MPPT时间、提高MPPT精度,故具有更优的MPPT性能,可为进一步提升光伏发电效率提供参考.

关键词： 压缩机   撬装底座   水平度   有限元分析   改善方案  

摘要： 对大型压缩机撬装底座在现场安装过程中的水平度进行了测量,分析了水平度超标现象产生的原因,提出了两种改善方案来降低底座的水平度,建立了底座的实体模型,用有限元方法分析了底座的水平度,并将分析结果和实测结果进行比较,从而验证改善方案的有效性。