课程文献中心 更多>>

关键词： 生成式人工智能   伦理评价体系   伦理评价指标   伦理风险  

摘要： 生成式人工智能风险正引发日益广泛的伦理关切。当前的相关研究多集中于针对伦理现象的描述,鲜少剖析其背后的深层次技术逻辑与风险成因,导致对伦理风险缺乏全局性的系统研究。研究首先提出了基于算法机理和数据驱动的生成式人工智能伦理指标体系构建方法,提供了新的伦理研究视角和方法论;其次,研究构建了一个涵盖多层级的生成式人工智能伦理指标体系,清晰勾勒了生成式人工智能的伦理风险全景,并明确了治理的重点方向;最后,研究在技术与社会层面提出了针对性的伦理风险治理路径,为相关政策的制定提供参考。

关键词： 云计算   哈里斯鹰优化算法   工作流任务调度   任务高度   有向无环图   黄金正弦算法   负载均衡度  

摘要： 为解决哈里斯鹰优化算法在处理异构云计算系统中的工作流任务调度时,寻优精度低,迭代速度慢和易陷入局部最优等缺点,提出一种改进哈里斯鹰优化算法(improved Harris hawks optimization,IHHO)。以任务完成时间、完成成本及虚拟机负载均衡度构建多目标函数;通过引入动态反向学习、精英等级、非线性逃逸能量更新策略和黄金正弦算法改进哈里斯鹰优化算法;在CloudSim上,使用IHHO、HHO、IPSO和OAWOA算法进行性能测试对比。仿真结果表明,IHHO在求解大规模任务调度时,具有一定的有效性和优越性。

关键词： 改进关联聚类算法   网络异常信息挖掘   关联规则   关联强度  

摘要： 由于网络信息量庞大且复杂多变,网络异常行为往往隐藏在大量正常数据中,且其表现形式多样,边界模糊。传统的聚类算法无法有效区分异常点与正常点,导致误判和漏判,文章提出了基于改进关联聚类算法的网络异常信息挖掘方法。首先通过一系列数据预处理步骤,包括数据清洗、归一化及数值化转换,确保网络信息数据的高质量与可用性,随后利用预处理后的数据构建了网络异常信息库,引入改进的关联聚类算法对该库进行深度挖掘。实验结果表明,这一方法显著提升了网络异常信息挖掘的精准度和效率,有效减少了数据缺失问题,为网络安全防护提供了有力的技术支持。

关键词： 智能传播   教育技术   可视化   算法化   人机互动  

摘要： 智能传播时代的来临对新闻传播教育提出了新的要求和挑战。文章探讨了智能传播教育实践中的可视化应用、算法化进程和人机互动三个关键路径。可视化技术通过直观的数据呈现,增强了教学的参与性和有效性,算法化进程推动个性化学习的发展;人机互动则通过技术与教学的融合,提供了全新的互动式学习体验。然而,智能技术也引发了隐私和伦理问题。因此,在推进智能传播教育的过程中,教育者应平衡技术应用与人文关怀,以培养能够适应未来需求的高素质传媒人才。

关键词： 移动机器人   全局路径规划   蚁群算法   多级视野   死锁  

摘要： 针对传统蚁群算法(Ant colony optimization,ACO)在应用于移动机器人路径规划时存在优化能力差,易于死锁,搜索效率低等问题,提出一种多级视野自适应蚁群(Multi-level field of view adaptive ant colony optimization,MLFVAACO)算法。首先在ACO的基础上依次扩展2级视野使得规划出的路径更加平滑;其次设计了自适应全局初始信息素更新策略,既避免了蚂蚁在算法初期出现盲目搜索现象又加强了蚂蚁选择可选区域的指导作用;然后对算法迭代过程中的死锁蚂蚁进行优化,以提高蚁群的利用率和增加搜索解的多样性;最后对蚂蚁的状态转移规则进行改进来避免蚂蚁陷入局部最优解。通过仿真选取MLFVAACO算法的最优参数,在2种不同复杂程度的格栅地图中分别与传统ACO算法、改进ACO算法和图搜索算法进行对比,验证MLFVAACO算法的可行性和有效性。仿真结果表明,在简单与复杂环境中,MLFVAACO算法相较于传统ACO算法最优路径分别缩短12.74%和4.38%,路径转折点分别减少50%和63.16%,蚂蚁利用率分别提升99.99%和99.95%,搜索效率分别提高60.14%和62.17%;相较于改进ACO算法和图搜索算法,MLFVAACO算法能够规划出路径平滑度更好的最短路径,同时搜索解的质量也更好。这充分验证了MLFVAACO算法在应用于移动机器人路径规划时具有出色的综合性能。

关键词： 矩形排样优化   离散粒子群   混沌遗传   最低水平线  

摘要： 针对矩形件排样问题非线性、高复杂计算性等特点,提出一种结合离散粒子群优化(DPSO)算法和混沌遗传(CG)策略的DPSO-CG混合优化算法。利用混沌运动的遍历性和随机性,引入混沌交叉和混沌变异的遗传操作,通过增加个体的多样性,增强算法全局搜索能力,结合最低水平线定位算法,实现矩形件排样后板材利用率的提高。最后针对实例进行排样优化验证,排样结果表明,DPSO-CG混合优化算法能够使板材利用率最大值达到0.9417,实现更优的排样,验证了算法的正确性和有效性。

关键词： AI配音   情绪识别   影视剧本   识别算法  

摘要： 基于文本的语音生成技术已在影视剧配音方面实现应用,但如何对叙事类长文本进行准确的情绪识别仍是亟待解决的难题。本文通过梳理基于文本的情绪识别算法发展现状,分析现有情绪识别算法的不足之处,即目前的识别算法擅长处理单一情感而难于处理多维度、复杂情感,尝试引入认知心理学领域“图式化”情感分析方法,提出了AI情绪识别的改进建议。

关键词： 同时定位与建图   ORB-SLAM3   YOLOv8-Seg   高低动态环境   重复地图点消除  

摘要： 针对大多数经典视觉SLAM在室内的动态环境下鲁棒性不足问题,在基于ORB-SLAM3算法框架之下,提出了一种可区分室内高低动态环境的视觉SLAM。首先提出一种根据连续多帧之间位姿变换做重投影误差来区分室内环境中的先验动态对象处于高动态还是低动态的算法。然后根据环境的高低动态决定是否结合YOLOv8-Seg实例分割网络对动态环境中的动态特征进行剔除,保证SLAM系统的跟踪精度。最后针对动态特征引起地图中出现重复性的地图点,在局部地图跟踪加入一种重复地图点消除算法,对动态环境中出现的重复地图点进行删除,进一步保证系统的稳定跟踪。在公开数据集TUM RGB-D上实验结果表明,改进后的算法相对于ORB-SLAM3算法在定位精度上均有提升,低动态环境下最大提升60.41%,高动态环境下最大提升94.65%。与其他动态特征去除算法相比,在大部分序列上实现了更高的定位精度,且在实时性上也更具优势。在所提算法有效解决SLAM应对室内动态环境的问题,提升了SLAM的定位精度。

关键词： 桥梁工程   混凝土表观裂缝检测   深度学习   变分自编码器   异常检测  

摘要： 提出了一种基于第2代矢量量化变分自编码器(VQ-VAE-2)的自监督混凝土表观裂缝检测算法,可以在缺少裂缝样本的条件下实现高效检测。以重建误差为检测指标,利用无裂缝图片训练VQ-VAE-2,使其在重建裂缝图片时产生更大的重建误差;在计算重建误差时将原图和重建图片均分割成若干图块,取对应图块间重建误差最大值作为图片的重建误差,以增大2类图片的重建误差差异。结果表明,该算法的精确率为0.954,召回率为0.959,准确率为0.956,F1分数为0.957。在无裂缝样本作为训练集的情况下,该算法能较好地完成混凝土表观裂缝检测任务。

关键词： 船舶检测   深度学习   模型轻量化   注意力机制   YOLOv7  

摘要： 船舶检测在内河航运管理中至关重要,在复杂的水面条件下,船舶检测很难兼顾准确性和实时性。针对这个问题,提出了一种改进YOLOv7的船舶实时检测方法YOLOv7-F。YOLOv7-F将GhostNet引入骨干网络进行特征提取,再将分布移位卷积引入特征融合网络,实现了模型轻量化。在特征融合网络中引入注意力机制,弥补模型轻量化带来的精度损失。损失函数也进行相应改进,使检测模型更适用于船舶数据集。HPRship数据集的实验结果表明,与传统YOLOv7检测模型相比,计算量减少了38.8×10^(9),模型参数量减少了5.7×10^(6),检测精度mAP0.5提升了0.7%,为98.80%。YOLOv7-F在轻量化和检测精度之间取得了良好的平衡,能够准确实时地完成船舶检测任务,适合部署到存储和计算有限的小型设备上。