课程文献中心 更多>>

关键词： 学习资源   信息过载   个性化推荐   算法  

摘要： 信息化时代下,学生们往往会遇到着学习资源过多和信息过载的问题。为解决这些问题,本文提出一种个性化学习资源推荐模式。通过收集和整合学生的学习记录、课堂练习成绩和错题记录等数据,并采用结合情感识别技术和个性化学习资源推荐算法,来分析学生的学习行为和知识水平。实验的结果表明,该方法能够提供精准的学习资源推荐,帮助学生更好地掌握智能数据分析的知识和技能,提升学习效果和体验。

关键词： 写字智能评价平台   人工智能   数据   算法  

摘要： 写字智能评价平台基于“数据+算法”模式,实质是通过采集海量的打分书写样本形成样本数据集,利用人工智能学习的优势,经过大量的算法训练,构建评价标准;再通过人工验证校准,实现人工打分和智能评价平台打分趋势的吻合。随着算法的不断优化和数据的积累,评价系统会在迭代中变得更加精准。

关键词： 网络安全   安全服务功能链   Q学习   贪婪策略   资源分配  

摘要： 随着科技的发展,互联网已成为人类生活中不可或缺的一部分,而网络安全也显得尤为重要。为了保障网络安全,动态安全服务功能链编排是其中一个重要的研究方向。但是,现在对于动态安全服务功能链的网络资源映射和编排算法的研究主要集中在某一种网络资源,研究方向多以优化某个网络资源和降低网络服务延迟为主要目标,忽略了网络整体资源分配的均衡性。本文构建物理网络模型和安全服务功能链模型,在满足用户需求的情况下,同时考虑物理网络节点计算资源和链路带宽资源,目标是取得最好的网络资源均衡分配。根据强化Q学习算法,提出新的链路编排奖励方式,引入贪婪策略避免陷入局部最优,选取一个典型物理网络模型和不同个数的安全服务功能链,多次迭代得到安全服务功能链的最优编排路径。仿真结果表明,提出的安全服务功能链的最优编排与模拟退火算法相比在编排响应时间上减少了38.5%,在资源分配均衡度上提升了2.1%;与遗传算法相比在编排响应时间上减少了96.5%,在资源分配均衡度上提升了2.9%。

关键词： 深度强化学习   事后经验回放   逆强化学习   生成对抗网络  

摘要： 针对传统生成对抗逆强化学习存在的专家样本获取困难以及生成样本利用率低的问题,提出一种基于事后经验回放策略HER的双鉴别器生成对抗D2GA逆强化学习算法。在该算法中,HER自动合成类专家的正样本,通过D2GA与强化学习方法柔性动作-评价SAC生成的负样本进行对抗性训练,基于所求解的最优奖励函数,利用SAC求解最优策略。将所提出的D2GA算法与经典的逆强化学习算法在Fetch机械臂环境中的4种任务进行了比较实验。结果表明:在没有可用演示数据的情况下,D2GA在相对少的回合数内完成任务的成功率可以达到理想性能,优于当前流行的逆强化学习算法。

关键词： 视觉同步定位与建图   动态剔除   LK光流   高斯分布   图像处理  

摘要： 视觉同步定位与建图(VSLAM)在地下探索机器人和搜救机器人等领域中具有广泛的应用。然而,机器人在完成相关任务时,常常需要处在昏暗动态场景中,此时传统VSLAM算法精度较低,而现有的面向昏暗动态场景的VSLAM算法则往往难以满足实时性的要求。为解决这一问题,该文提出了一种面向昏暗动态场景的实时VSLAM算法。该算法基于ORB-SLAM3架构,首先利用基于Retinex理论的图像增强技术对输入图像进行预处理,从而提升算法在低光照条件下的稳定性;然后,结合YOLOv5物体检测技术,通过高斯分布分析和LK光流技术,对YOLO检测框内的动态特征点进行精准过滤,保留框内的静态特征点。在TUM、Bonn以及实测数据集上进行了验证。实验结果表明,相比ORB-SLAM3,该算法在高动态环境中的绝对轨迹误差(ATE)提升了至少86.93%,在低动态环境中也提升了27.61%。与同类型的VSLAM算法相比,该文所提算法在保持较高定位精度的同时,处理速度更快,实现了精确性和实时性的良好平衡。

关键词： 炸药密度   改进遗传算法   交叉率   变异率   BP神经网络  

摘要： 为了能利用工艺参数实时预测药柱密度并提高密度预测精度,提出采用改进遗传算法优化BP网络(improved genetic algorithm backpropagation neural network,IGA-BPNN)的炸药密度预测模型。通过动态调整GA的交叉概率和变异概率,确定BPNN权重和阈值的最优值,构建IGA-BP预测模型,利用采集的工艺参数,基于所构建模型进行炸药密度预测。实验结果表明:改进的GA对交叉率和变异率做出了更好的调整,能快速搜寻BPNN的最优权重和阈值,提高炸药压制密度的预测精度。

关键词： 热误差   直驱进给轴   深度神经网络   大猩猩算法  

摘要： 针对直驱进给轴热误差预测模型精度不足问题，提出一种基于混沌改进多策略大猩猩算法（CIMGTO）优化深度神经网络（DNN）的直驱进给轴热误差预测方法。为降低温度数据间的多重共线性，采用方差膨胀因子（VIF）逐步法筛选温度敏感点；为提高热误差预测模型精度，使用CIMGTO优化DNN，并建立热误差预测模型。CIMGTO在人工大猩猩部队优化算法（GTO）的基础上引入了混沌变异因子、柯西分布逆累积函数（CICD）和正切飞行算子（TFO），提升了初始种群多样性、算法局部搜索能力和平衡搜索能力。经直线电机龙门测试台架热误差实验数据验证，VIF逐步法筛选温度敏感点有效，且CIMGTO-DNN热误差预测模型拟合精度高，其R2值为0.9961，较BP模型提升了20.96%，较SVR模型提升了10.65%，较DNN模型提升了2.15%，较GTO-DNN模型提升了1.26%，较PSO-DNN模型提升了0.82%。再经直线电机龙门机床热误差实验数据验证，CIMGTO-DNN模型R2值为0.9905，实现了直驱进给轴热误差的高精度预测，为误差补偿提供了数据支撑。

关键词： 毫米波雷达   非接触式   ECG   生命体征监测  

摘要： 近年来,毫米波雷达信号在医疗监测领域的应用日益广泛,实现雷达信号到心电信号的精准映射已成为满足日常持续性非接触心电监测需求的关键挑战。详细介绍了毫米波雷达信号处理流程,探索了雷达信号与心电信号的细粒度映射关系,引入基于卷积块注意力机制模块(convolutional block attention module,CBAM)的卷积自编码器(convolutional autoencoder,CAE)与双向长短期记忆(bidirectional long short-term memory,BiLSTM)组合的CAE-BiLSTM深度学习网络,实现了雷达信号到心电图的非线性转换。实验结果表明,所提方法在形态学精度上的中位数为0.92,特征峰预测误差低于50 ms,显著增强了雷达信号与心电信号的映射关系,为非接触式心电信号的生成提供了新思路。

关键词： 智能控制算法   浮选机   优化设计   性能评估   对比研究  

摘要： 文中深入探讨了智能控制算法在浮选机优化设计中的运用。详细阐述了智能控制算法的原理、特征和优势并分析了它在浮选机设计上的适用范围。随后通过一系列精心打造的试验对智能控制算法在浮选过程的特性进行了评估并和传统式浮选机进行了比较科学研究。实验结果表明智能控制算法在提升浮选高效率、节能降耗方面具有独特优势。对实验结论进行了详细的探讨,为浮选机的优化设计和智能控制算法的应用提供了有意义的参照。

关键词： 粒子群优化   参数自调整   企业微电网   实时能效   调度算法  

摘要： 企业微电网通常由多种分布式能源(如光伏、风电、储能等)和传统能源组成,各种能源之间具有复杂的相互作用和耦合关系。这导致能效调度难度较高。为此,设计一种新的基于粒子群优化的企业微电网实时能效调度算法。以微电网有源功率的平衡和能效单元总收益的最大化为目标,建立目标函数。基于此,应用粒子群算法参数自调整方法,对能效调度的参数完成调节,获取企业微电网实时能效的最优调度结果。实验结果表明:研究方法的收敛速度较快,且应用后可显著优化企业微电网的负荷稳定性,且企业微电网的能源架构得到了重新分配,实现了企业微电网实时能效的调度。