课程文献中心 更多>>

关键词： 编程教育   计算思维   儿童   图形化编程   系统综述  

摘要： 编程教育作为儿童计算思维培养的重要手段受到广泛关注,采用系统综述法,以计算思维三维框架为参照,对2013—2023年国内外40项实证案例进行分析,探究当前编程教育侧重培养儿童计算思维的哪些方面、采用哪些编程工具、教学方法、评价方法等,从现状中找到不足,以明确未来儿童编程教育的发展方向。结果表明,现有儿童编程教育对计算思维的内容培养不够全面;对编程工具使用效果关注较多,缺少对工具适宜性的研究;教学方法强调技术支持,缺少对师生互动的关注;评价方法种类繁多,但评价内容不完整,方法有待优化。建议未来的研究要进一步深化对计算思维内容框架的系统认知,选择符合儿童认知规律的编程工具,探索激发儿童学习动力的教学方法,构建基于理论框架的评价体系。

关键词： 多目标优化   高维多目标优化   分解   聚类   目标值和  

摘要： 基于分解的高维多目标进化算法在处理不规则前沿优化问题时需要调整参考向量,为避免这一复杂操作,提出一种基于聚类引导和目标值和的高维多目标进化算法.该算法借助一个储存非支配解并定期更新的精英集,通过聚类引导当前种群进化,从而使得当前种群保持较好的多样性.选择个体时,根据Pareto支配关系以及目标值和衡量个体的收敛性,基于该收敛性度量方式进行非支配排序和适应值排序,从而选择收敛性较好的个体.与7种算法在2套高维多目标优化测试题上进行对比实验,实验结果表明,所提出算法能有效解决不同类型的高维多目标优化问题.

关键词： 针脚检测   Hession矩阵   轮廓跟踪算法  

摘要： 针对现有的电子元器件针脚检测算法准确性低和适应性差的问题,提出了一种基于Hession矩阵的元器件针脚检测算法。该算法是基于Hession矩阵检测算法,给定元器件针脚尺度只检测对应半径的斑点后,融合重叠度、圆度等斑点检测参数过滤得到初始的针脚区域,最后用轮廓跟踪算法检测图像中的连通域作为掩膜与初始的针脚区域相乘后得到最终的针脚区域。实验结果显示:该算法能准确地检测出多种类型元器件的针脚,具有更高的适用性。

关键词： 微纳卫星   控制系统   无刷直流电机   PID控制   参数整定   粒子群算法  

摘要： 针对传统PID控制器控制无刷电机时系统响应慢、速度波动大的问题,以及手动整定大规模电机参数繁琐重复的问题,采用了一种基于粒子群优化算法的无刷直流电机PID参数整定方法,用于确定电机闭环控制系统中PI控制器的参数。首先建立磁场定向控制技术驱动的无刷直流电机控制系统仿真模型,然后在此模型上应用优化粒子群算法进行参数整定优化的迭代过程,得到整定后的控制器参数结果。分析优化粒子群算法整定后的电机速度响应和力矩输出情况,并与传统手动整定结果和其他算法的整定结果进行对比。实验结果表明,提出的优化粒子群算法整定的控制器速度响应更快并且输出力矩更稳定,并且对电机参数的小幅度变化有鲁棒性,该方法可以适用于大规模同类别同批次的电机控制器参数标定。

关键词： 卷烟滤棒   一维卷积   多尺度特征   注意力机制   质检  

摘要： 为解决卷烟滤棒生产过程中需要人工对滤棒指标进行监测并调整设备参数,导致成本高昂且效率低下的问题,提出一种多尺度特征融合注意力机制的滤棒质检算法。该算法利用不同大小的一维卷积获取滤棒多尺度的特征,降低了滤棒局部特征遗漏的可能性。为进一步增强特征表示,本文引入注意力机制使算法模型聚焦于更重要的特征。实验结果表明,与一维卷积神经网络(1D convolutional neural network,1DCNN)、反向传播(back propagation,BP)神经网络、循环神经网络等5种方法相比较,本文提出的算法模型在测试集上的性能更加突出,尤其是与1DCNN、BP神经网络和分布式梯度增强库这3种方法相比,模型的准确率分别提高了3.27%、4.28%和5.70%;精确率分别提高了3.12%、4.68%和5.10%;召回率分别提高了3.28%、4.57%和2.97%;F1-Score分别提高了3.20%、4.13%和4.33%。本文提出的算法不仅可以提高滤棒的生产效率,还可以降低人工成本,具有良好的工程实用价值。

关键词： 停车位检测   卷积神经网络   全景图像   Transformer   自动泊车  

摘要： 为解决自主泊车过程中的停车位识别问题,该文基于全景环视图,提出了融合改进Transformer模块和卷积的混合编码-解码结构网络模型.使用上述模型对全景环视图中停车位上的“T”形和“L”形角点进行检测,并回归得到角点的位置、方向以及类型信息.然后把提取出的角点输入推理模块,根据角点对之间的种类和几何关系完成停车位检测并计算得到停车位位置.最后,使用ps2.0数据集在多个情景下进行了实验,停车位检测的精确率和召回率分别到达了99.27%和99.22%,角点位置误差RMSE在2 cm以下.对每张图片角点检测的计算量约2.71 GFLOP,对应的检测时间约40 ms.

关键词： 锂电池   荷电状态   估计   时域卷积   多头注意力   蝗虫优化算法  

摘要： 针对数据驱动的锂电池荷电状态估计方法仍然存在对大量标定数据的依赖、同时应对动态变化和复杂运行状况时表现不佳等问题,提出了改进蝗虫算法优化结合时域卷积网络和多头注意力机制的锂电池荷电状态估计方法。首先利用时域卷积网络对锂电池荷电时间序列数据中的长期依赖关系进行建模,同时采用多头注意力机制学习数据特征长期依赖关系,利用每个注意力头去计算序列中不同张量的依赖关系,辅助时域卷积神经网络增强对依赖关系的捕获,降低其对大量标定数据的依赖;另外为使模型发挥出最佳性能,改进了混沌蝗虫算法优化模型的超参数。试验结果表明:在不同温度条件下,相较于其他方法,优化模型在锂电池荷电状态估计任务中表现出更好的准确率和稳定性。

关键词： 贝叶斯算法   口腔器械   风险监测模型  

摘要： 在医院开展医疗卫生服务时,因医疗器械不良事件而导致的医患纠纷和医疗事故会给患者就诊和医院发展带来严重的不良影响,针对其风险展开评估和预测,不仅能提前发现各类潜在风险,还能及时采取针对性处理措施,提高医院的管理水平。在口腔医疗领域,因其设计的医疗器械品目繁多、器械精细,患者口腔内部空间狭小,各类病症复杂,众多不良因素导致口腔器械不良事件发生率偏高,当前国内口腔科器械不良事件上报数已经进入前十之列。本文依托口腔医疗器械事故上报数据,基于朴素贝叶斯理论建立风险监测模型,通过对口腔科器械不良事件及相关伤害事故的数据进行分析,对潜在口腔器械不良事件进行风险预警,并提出了一些风险防控建议。

关键词： 自动调制识别   深度学习   密集卷积网络   门控循环单元   注意力机制  

摘要： 自动调制识别(AMR)是非合作通信系统中的重要组成部分,也是一个通信领域的研究难点。针对该难点,利用深度学习,将密集卷积网络(DenseNet)、门控循环单元(GRU)和注意力机制(Attention)三者结合,提出一种基于注意力机制的门控密集卷积网络(AGDCN)的调制识别算法。该算法提取了信号的空间特征和时序特征,将两者相结合解决了信号识别率低的问题。同时,在网络中加入注意力机制,对GRU训练过程进行权重的自适应调整,有效地加强关键特征的学习。通过实验验证了AGDCN模型性能优于其他神经网络算法,在信噪比超过2 dB时,对11种调制类型的识别率可以达到90%。

关键词： 探地雷达   Perona-Malik算法   偏微分方程   迭代条件算法  

摘要： 针对探地雷达(Ground Penetrating Radar,GPR)因地质或环境因素导致图像出现高密度噪声,有效信号被淹没,进而出现雷达数据读取困难甚至无法识别的问题,提出一种基于Perona-Malik(PM)算法和噪声识别模型(Noise Re-cognition Module,NRM)的降噪方法——PM-NRM。该算法根据GPR数据特点利用改进PM算法加大图像中噪声与背景的数值差异性,使用基于偏微分方程的NRM识别噪点,利用改进中值定理依次对数据中噪点进行恢复,结合迭代条件算法(Iterated Conditional Mode,ICM),以达到降噪的效果。面对高密度噪声数据,同传统的GPR数据降噪方法相比,所提算法在信号单波道拟合度、峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似度(Structural Similarity,SSIM)等客观评价标准中表现较优。实验结果表明,该算法在GPR系统探测工作中具有一定实用价值。