课程文献中心 更多>>

关键词： 符号双轴   算法驯化   个性化推荐  

摘要： 随着互联网技术的发展,社交媒体平台正在形成以个性化为主导的符号系统。在算法技术的加持下,人们的信息获取活动经历了从组合轴和聚合轴的双轴化操作到“个性化推荐”下组合轴不断扩宽、“信息同质化”下聚合轴不断缩窄的转变,用户在社交媒体平台上的信息获取呈现出一种“假性选择”,出现了个人主体性丧失、能动性降低等符号危机。面对这一危机,平台用户反向利用单轴化推送机制,扩宽个体在聚合轴上的选择,同时采取间歇性“符号逃逸”的方式,对单轴化信息推送发起“反抗”。

关键词： 自动驾驶   特征提取   强化学习   元学习  

摘要： 针对基于强化学习的自动驾驶算法存在收敛困难、训练效果不理想、泛化性能差等问题,提出了一种基于元学习和强化学习的自动驾驶系统。该系统首先将变分自编码器(variational auto-encoder,VAE)与具有梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)相结合形成VWG(VAE-WGAN-GP)模型,提高了所提取特征的质量;然后用元学习算法Reptile训练VWG特征提取模型,进一步得到MVWG(meta-VWG)特征提取模型,以提高模型的训练速度;最后将特征提取模型与近端策略优化(proximal policy optimization,PPO)决策算法相结合,对PPO算法中的奖励函数进行改进,提高了决策模型的收敛速度,最终得到MVWG-PPO自动驾驶模型。实验结果表明,该文提出的MVWG特征提取模型与VAE、VW(VAE-WGAN)、VWG基准模型相比,重构损失分别降低了60.82%、44.73%和29.09%,收敛速度均提高约5.00倍,重构图像更加清晰,并且在自动驾驶任务中的表现也更好,能够为智能车提供更高质量的特征信息。同时,改进奖励函数后的决策模型与基准决策模型相比,收敛速度也提高了11.33%,充分证明了该文方法的先进性。

关键词： 低轨卫星   短突发通信   时分多址   时频同步  

摘要： 低轨卫星短突发通信具有多普勒频偏和多普勒变化率较大、突发符号较短和突发信号导频长度受限等特点,采用传统的时频同步算法在低信噪比条件下性能较差。为了提高时间同步和频偏估计性能,准确完成同步过程,基于时分多址(Time Division Multiple Access,TDMA)接入帧结构提出一种新的时频同步算法。该算法采用二维搜索算法进行整数倍的时延估计和粗频偏估计;在补偿大频偏和整数倍时延后,估计小数倍时延;采用结合低通滤波的快速傅里叶变换(Fast Fourier Transform,FFT)算法进行精频偏估计。仿真结果表明,每符号能量与噪声功率谱密度比值(Ratio of Symbol Energy to Noise Power Spectral Density,E_(s)/N_(0))为4.5 dB时,时延检测概率准确率达到99.99%,整体解调性能相较于M&M等算法有2 dB以上的性能提升。

关键词： 自适应归一化   数据增强   深度卷积生成对抗网络   深度学习  

摘要： 提出一种基于深度卷积生成对抗网络的自适应归一化数据增强算法,通过深度卷积神经网络强大的特征提取能力提升了生成图像的真实度,进一步采用自适应实例归一化解决因梯度爆炸导致的网络过拟合问题,最后在CIFAR10数据集上进行模型训练,并对输入的原始样本图像进行1000轮对抗得到生成图片,实验结果显示,文中提出的自适应归一化方法生成图像真实度提升1.2%。

关键词： 辅助算法作曲技术   传统音乐   音乐参数   音乐科技  

摘要： 本文主要讨论了辅助算法作曲技术的技术路线,旨在通过现代技术手段传承和创新中国传统音乐。这些辅助算法作曲技术包括且不限于对音乐四大元素:旋律、节奏、和声、音色的介入,同时也能够量化更多音乐参数和传统作曲技术。通过对音乐作品中音乐参数的巧妙设计,笔者提出了一种结合传统音乐理论和创新作曲方法的途径,并验证了其在实践中的创新性和可行性。

关键词： 电竞媒体   数据挖掘   机器学习   神经网络  

摘要： 随着科技和互联网普及,电子竞技越来越受欢迎,已成为杭州亚运会正式项目,是一项体育竞技。在传统体育行业,如足球、篮球,大数据技术应用相当成熟。对于新兴电竞媒体,运用数据挖掘、机器学习和神经网络预测比赛结果尤为关键。以moba游戏dota2为例进行胜率分析。dota2作为全球著名电竞赛事,拥有大量观众和开放数据。比赛胜负受多种因素影响。从玩家对局数据提取重要特征,利用神经网络训练词向量。对比多种传统与集成学习算法,筛选性能优秀模型。最后利用SHAP模型可视化分析机器学习过程,总结重要特征。助团队决策,提升观众体验。

关键词： 电力系统   电压波动   无功补偿   混沌算法   遗传算法  

摘要： 由于电力系统中存在感性负载和容性负载,导致电力系统存在电压波动。为提高电力系统无功补偿的准确性,提出了一种基于混沌-遗传混合算法的多目标优化无功补偿方法。首先,将混沌算法与遗传算法相结合,在初始阶段先利用遗传算法的全局搜索能力快速找到一组较好的初始解,随后使用混沌算法进行局部搜索和优化。其次,构建了一个多目标无功补偿优化模型。最后,基于IEEE 30节点进行了试验分析,试验结果表明,所提出的方法能有效地提高电力系统无功补偿的准确度,从而提高电力系统的运行可靠性。

关键词： 电网故障诊断   自适应二进制算子   差分进化算法   自适应参数调节  

摘要： 电网故障诊断在电力系统运行中起着至关重要的作用。为了在故障发生后快速准确地判断故障区域,本文提出了一种改进的自适应二进制算子差分进化算法(improved adaptive binary differential evolutionary,IABODE)。该算法直接以二进制编码个体,避免了浮点数到二进制数的转换,同时设计了二进制和成对变换算子,并采用自适应参数调节来提高算法的搜索性能和种群多样性。通过一个典型的四变电站系统以及一个电网故障案例测试改进的电网故障诊断模型,从准确性、速度和收敛性等多个角度对该算法进行了比较分析,结果表明其在解决电网故障问题上优于其他四种常见的元启发式算法。

关键词： 嵌入式平台   智能计算   目标检测   算法设计  

摘要： 近年来,随着深度学习算法的发展,设计适用于嵌入式智能计算平台的目标检测算法需求也愈发紧迫。介绍了嵌入式智能计算平台下目标检测算法的设计准则。详细分析嵌入式平台的计算能力和资源限制,确定算法设计的约束条件;根据目标检测任务的需求,选择合适的深度学习算法为基础,并基于NPU硬件特征优化模型,从而使得应用算法在嵌入式平台性能更优。此外,基于昇腾310为核心的嵌入式智能计算平台,提出针对特定计算密集型算子的轻量化方法,从而提高算法的实时性。实验结果表明,所提方法在嵌入式平台上可实现较高检测精度和较低延迟,满足了具体场景应用的需求,并为嵌入式智能计算平台下的目标检测算法设计提供参考。

关键词： 钢材   深度学习   轻量级网络   缺陷检测  

摘要： 为解决工业领域中钢材表面缺陷检测模型智能化和轻量化程度不足的问题,从而提高工业机器的适应性和广泛应用性,提出了一种轻量化的钢材表面缺陷检测模型。首先,通过将YOLOv4的主要特征提取网络替换为MobileNetV3,同时将YOLOv4中PANet网络结构的普通卷积替换为深度可分离卷积DSC,以提高特征提取能力;然后,引入了CA(Channel Attention)注意力机制,以增强网络的特征感知能力;最后,采用剪枝技术对模型进行进一步压缩,从而构建了YOLOv4-MEL模型。实验结果表明,优化后的模型在由东北大学发布的NEU-DET钢材表面缺陷数据集上的表现更优,平均精度均值达到了95.3%,并且模型参数量较小,相较于YOLOv4模型,该方法能够有效地实现钢材表面缺陷检测。