课程文献中心 更多>>

关键词： 煤矿传送带   异物识别   YOLOv8   轻量化   损失函数  

摘要： 针对现有煤矿传送带异物检测模型在低光照环境下出现性能不佳,对细长异物和小目标异物存在误检、漏检情况,且模型体积较大,难以在边缘设备部署等问题,提出一种基于改进YOLOv8的低照度煤矿传送带异物检测算法。首先,采用图像增强的方法对低照度图像进行预处理,来增强煤矿传送带异物的有效特征信息;其次,在模型主干网络中引入动态蛇形卷积动态调整卷积核形状,以提升模型对细长异物的关注;此外,使用slim-neck设计范式对颈部网络进行改造,在保证学习能力的同时,大幅减少模型的参数。最后,采用Inner-CIoU损失函数替换CIoU损失函数,加快模型收敛速度,提高模型对细长异物和小目标异物的检测性能。实验结果表明,相较于基准模型,改进后的算法平均检测精度提高了1.6%,模型大小降低了29.7%,检测速度FPS提高了59%,验证了其有效性。在与其他先进模型的对比中,证明了本文算法在复杂环境下仍具有较强的识别能力。

关键词： 滤波器   自注意力机制   基于Transformer的双向编码器表示   引文推荐   预训练语言模型  

摘要： 推荐算法是一种用于解决信息过载问题的方法,引文推荐通过引文上下文能够自动匹配候选论文列表。现有基于神经引文网络模型在引文上下文数据预处理的过程中,存在文本噪声和上下文学习不充分的问题。为此,提出一种基于层间融合滤波器和社交神经引文网络的推荐算法FS-Rec。首先,利用具有层间融合滤波器的BERT模型预处理引文上下文,在频域内从所有频率中提取有意义的特征,缓解引文上下文数据的噪声,同时在频域中对多层信息进行融合,增强上下文表示学习的能力;然后,在引文作者嵌入中引入社交关系,与其他引文信息嵌入通过编码器获得表示,将这些表示与经过BERT预训练的引文上下文表示进行融合,得到最终表示;最后,根据最终表示生成引文文本预测。实验结果表明,相较于现有的上下文引文推荐模型,FS-Rec在2个基准数据集arXivCS和PubMed取得了更高的召回率和平均倒数排名(MMR),证明了模型的有效性。

关键词： GIS技术   用地审批系统   信息获取   数据管理   空间分析能力  

摘要： 随着社会经济的快速发展和城市化进程的推进,传统的用地审批系统已经无法满足现代化管理和高效审批的需求。为提高用地审批效率,本文首先介绍了GIS技术的基本原理,其次分析了传统用地审批系统中存在的主要不足,包括信息获取不及时、数据管理分散、空间分析能力不足以及决策支持系统薄弱,最后针对具体不足,结合GIS技术提出了相应的解决措施,提高了用地审批的效率和科学性,以此为相关人员提供实践参考。

关键词： 正则表达式匹配   向量指令集   高性能数据处理  

摘要： 正则表达式匹配技术在数据清洗、解析提取等数据处理任务方面发挥重大作用。然而,由于匹配过程中存在数据强依赖关系和内存访问不可预测等问题,造成匹配性能较低。针对此问题,提出一种基于向量指令集的高性能正则表达式数据处理算法,称之为ßFA:通过向量指令一次性从内存读出若干连续字符,并与最常被访问状态对应的非信任字符集进行向量匹配,利用内置函数定位首个非信任字符的位置,获得可直接跳过的字符数,从而实现匹配性能的加速。实验结果表明,ßFA算法的吞吐率优于原始DFA算法和αFA算法,是原始DFA算法的4.67~60倍以及ɑFA算法的4.37~7.82倍。

关键词： 重症监护室(ICU)   非计划   机器学习   风险预测   模型构建   影响因素  

摘要： 目的:利用机器学习算法构建非计划重返重症监护室(ICU)风险预测模型。方法:选取山西省某三级甲等医院2019年10月12日—2023年5月21日收治的3250例ICU病人为研究对象,基于多种机器学习算法构建非计划重返ICU的风险预测模型,并对模型性能进行比较。基于性能最佳的模型分析各变量的重要性排名。结果:轻量梯度提升机综合效能最佳,其受试者工作特征曲线下面积(AUROC)=0.9968,随后依次为随机森林(AUROC=0.9964)、梯度提升决策树(AUROC=0.9924)、自适应算法(AUROC=0.9530)、Logistic回归(AUROC=0.8145)。基于轻量梯度提升机模型的变量重要性排序前15位分别为钾离子、失血量、格拉斯哥昏迷评分法评分、急性生理学和慢性健康状况评分系统Ⅱ评分、钠离子、C-反应蛋白、饮酒史、体温最小值、ICU入住时长、血肌酐、心率最小值、中性粒细胞计数、舒张压最小值、碳酸氢盐和收缩压最大值。结论:基于机器学习算法构建的非计划重返ICU风险预测模型表现良好,研究者可以借助此类算法建立风险预测模型识别高风险病人,给予其针对性的干预措施,提高医疗保健质量。

关键词： 创伤急救   数据可视化   服务平台  

摘要： 为实现院前急救与院后护理相结合的创伤救治体系,需要对创伤数据和患者信息进行数据可视化。为此,本文构建一种创伤中心急救大数据可视化管理与防控平台。平台采用Java语言开发,使用MS Access2000作为关系数据库管理系统,并采用LSTM循环神经网络模型构建时间序列。平台可在在创伤院前急救、创伤线下科普、创伤防控方面发挥积极作用,为患者提供及时有效的可视化救治服务。

关键词： 电阻点焊   电阻预测模型   黏菌算法   神经网络  

摘要： 在电阻点焊过程中焊点的形成涉及多个物理量的变化,不能精确描述。因此,本文采集标准焊点的焊接数据,建立基于黏菌算法-BP神经网络(Slime Mould Algorithm-Back Propagation Neural Network,SMA-BP)的焊点动态电阻预测模型。将当前时刻的电极累计释放的热量与动态电阻作为预测模型的输入,下一时刻的动态电阻作为模型的输出。结果表明,经黏菌算法优化后的BP神经网络在测试集上的决定系数R^(2)、均方误差(MSE)、均方根误差(RMSE)和平均绝对误差(MAE)均优于单一的BP模型,给电阻点焊控制器的设计提供参考。

关键词： 杏贝止咳颗粒   溶解性   关键物料属性   物理指纹图谱   偏最小二乘算法   决策树算法   随机森林算法   反向传播神经网络算法   支持向量机回归算法  

摘要： 目的 分析比较5种算法对杏贝止咳颗粒(Xingbei Zhike Granules,XZG)溶解性的模型预测效果,确定最优算法和影响颗粒溶解性的中间体粉末关键物料属性(critical material attributes,CMA),提升XZG的溶解性。方法 以25个制粒前粉末物料属性为输入,颗粒溶化率为输出,对比偏最小二乘(partial least squares,PLS)、决策树(decision tree,DT)、随机森林(random forest,RF)、反向传播神经网络(back propagation neural network,BPNN)和支持向量机回归(support vector regression,SVR)算法的模型拟合与预测效果,同时结合变量重要性与方差膨胀因子(variance inflation factor,VIF),筛选关键物料属性。结果 5个算法中,RF算法的模型拟合与预测效果最好,训练集决定系数(R2)为0.865,测试集R2为0.854,均方根误差(root mean square error,RMSE)为1.375,平均绝对百分比误差(mean absolute percent error,MAPE)为1.153%。筛选出的关键物料属性有休止角(α)、崩溃角(β)、平板角(γ)、吸湿性(H)、含水量(HR)、100~212μm颗粒含量(Fm)、长度平均径(D21)。结论 RF算法建立的模型更适合预测XZG的溶解性;通过控制制剂成型用主药和辅料的关键物料属性,可以提高XZG的溶解性,为提升中药颗粒剂的溶解性和品质提供新的思路。

关键词： 火力发电商   多智能体   出清机制   竞价策略   新能源渗透率  

摘要： 火电是新型电力系统的重要支撑,研究火力发电商的竞价策略以及不同出清机制的影响,对保障其低碳高效运营具有重要意义。构建基于多智能体深度确定策略梯度算法的竞价策略模型,分析不同火力发电商组合的竞价差异化策略,优化多主体报价报量策略,探究边际统一出清、按报价支付出清和随机匹配出清3种典型出清机制的市场影响。结果表明,该策略模型可引导火力发电商采取合理的竞价方式以提高市场效率;在新能源渗透率较低时,不同出清机制对各类型机组的影响有所不同;随着新能源渗透率的提高,采用按报价支付出清机制可以兼顾经济和环境效益;当新能源渗透率达到较高水平时,采用随机匹配出清机制可有效应对市场波动风险。

关键词： 化工设备   管理工作   难点   优化措施  

摘要： 为提升化工企业生产效能和质量,保障生产安全,分析了化工设备管理难点并探讨优化措施。通过建立全面管理体系、提升信息化水平和加强培训,降低运营成本,满足新时代发展要求,为企业长远发展奠定基础。