课程文献中心 更多>>

关键词： 铝电解   算法   电解温度   深度学习   过程控制  

摘要： 铝电解生产环境恶劣,受电场、磁场、流场、温度场等多物理场耦合影响,导致铝电解生产过程故障频发。铝电解温度是影响铝电解槽寿命和运行状态的重要参数,但由于槽内温度很高且具有强烈腐蚀性,至今尚未找到有效的电解温度在线检测与预测方法。为了解决这一技术难题,通过理论分析结合现场实验验证,揭示了铝电解槽电解温度与其工艺参数间的密切相关性,并据此提出一种基于深度学习的铝电解槽电解温度预测模型。考虑到铝电解槽工艺参数的复杂性、非线性、高维度、时序性等特征,采用卷积神经网络(CNN)用于提取数据的高维特征,长短期记忆网络用于建模(LSTM),处理铝电解生产过程中的时序数据,引入了注意力机制(Attention),学习输入参数不同部分之间的关联性,同时根据输入数据的重要程度进行加权处理,并采用PID搜索优化算法(PSA)对CNN-LSTM-Attention模型的参数进行寻优,减少训练时间并提高模型的性能。最后经铝电解实际生产数据进行现场实验验证,结果表明:提出的温度预测模型相关指数(R~2)为0.963 7,均方根误差(RMSE)和平均绝对误差(MAE)分别为5.417 6和3.382 5,与单一模型算法、其他预测算法和不同优化算法对比验证表明,该模型的性能更佳,能够准确预测铝电解槽电解温度,实现了铝电解槽电解温度的在线检测。

关键词： MEC网络   Lyapunov优化   资源管理决策  

摘要： MEC网络将计算和存储资源下沉到网络边缘,以满足未来6G业务的低时延要求,MEC网络中多维资源的管理和调度决策是提升用户体验的关键。针对MEC网络中的资源管理决策问题,提出了基于Lyapunov优化的分布式资源管理算法。具体来讲,引入任务数据队列及虚拟能量队列,以确保任务执行的公平性,且避免了系统负载过大时造成的过度拥塞问题,并且通过Lyapunov优化理论构建目标函数,基于DDPG算法进行求解。另外,考虑MEC服务器对基于DDPG的决策模型具有不同需求,将异构网络部署在不同的边缘服务器中,构建分布式多连续变量决策模型。仿真结果表明,所使用的分布式决策算法的收敛性和稳定性更优。

关键词： Q-learning算法   强化学习   人工势场算法   AGV   路径规划  

摘要： 作为智能物流系统中重要运输工具的自动引导车(Automated Guided Vehicle,AGV),AGV路径规划与避障算法是移动机器人领域重要研究热点之一。为了解决现有仓储环境下的AGV在运用Q-learning算法进行路径规划时的前期收敛速度慢且探索利用不平衡的问题,提出一种结合引力势场改进Q-learning的算法,同时对贪婪系数进行动态调整。首先,针对传统的Q-learning算法规划时学习效率低问题,构建从AGV到目标点的引力场,引导AGV始终朝着目标点方向移动,减少算法初期盲目性,加强初始阶段的目标性。然后,解决算法探索利用平衡问题,对贪婪系数进行动态改进。仿真实验表明,探索速率提升的同时,算法稳定性也有一定的提升。

关键词： 协同过滤推荐算法   农产品电商平台   消费者  

摘要： 通过网络购物已成为一种生活习惯。为使消费者随时随地选购农产品,同时能够方便快捷地在海量的农产品信息中确定感兴趣的商品,文章运用协同过滤推荐算法,使用Java编程语言和SQL数据库,开发了具有推荐功能的农产品电商平台。针对消费者的喜好,平台可以个性化地向其推荐农产品,从而有效提高购物效率。

关键词： 车内声场控制   扬声器阵列   声场分区   控制算法  

摘要： 在汽车智能化进程中,车内声场分区控制技术在提升用户座舱的声学体验方面起着重要作用。本文对车内声场分区控制算法及应用进行了全面综述。首先介绍了该技术的提出背景和理论基础;然后深入分析了各类声场分区控制算法的发展脉络、控制原理及算法特点;最后基于现有研究进展,展望了声场分区控制技术在提高重放精度、算法鲁棒性以及声场均匀分布等方面的发展潜力,并探讨了限制该技术在车内广泛应用的一系列问题及解决方法。本综述旨在为车内声场分区控制的进一步研究提供参考,进而推动该技术在汽车领域的广泛应用。

关键词： 卷积神经网络   注意力机制   图像识别   智能算法   优化策略  

摘要： 卷积神经网络(Convolutional Neural Networks,CNN)通过引入注意力模型,可以有效地增强网络对图像中重要特征的识别能力,使细节处理更为精准,尤其在复杂场景下的表现异常突出。注意力模块通过加权机制优化了特征图的空间分布,从而实现对关键信息的突出表示。这一策略能够提高识别准确率,优化模型对不同尺寸和角度物体的适应性。这种技术革新不仅推动了计算视觉领域的发展,也为实际应用中的图像处理和分析任务提供了一种更为高效和精确的解决方案。

关键词： 通道注意力   YOLOv3   行车检测算法   FPGA  

摘要： 铁路行车检测场景中,由于光线变化、天气条件、摄像头角度等多种因素的影响,传统的YOLOv3算法在检测精度和实时性方面仍面临一定的挑战。针对这些问题,研究利用通道注意力与空间注意力对标准YOLOv3算法进行改进,并采用了现场可编程阵列进行硬件加速。实验结果表明,该算法准确率经历210次迭代后收敛于99.6%,且与其他算法相比,计算耗时最短。该算法具有检测准确率高,实时性高等优点,为保障铁路运输安全提供有力的技术支持。

关键词： 深度学习   无损检测   神经网络   计算机视觉  

摘要： 为解决目前道路病害检测算法精度低、鲁棒性差的问题,提出了Bi-Swin Transformer结构。其主干特征提取网络采用四层Swin Transformer Block来捕获全局依赖关系,在特征融合阶段使用BiFPN融合网络实现特征在不同尺度之间的双向交流。在来自7个不同国家的道路病害数据库上进行训练,并应用数据增强方式。结果表明,Bi-Swin Transformer有着比Transformer模型及卷积神经网络更为优秀的性能,更适用于道路病害检测,平均准确率达到了0.539。其在小目标道路病害中的检测精度仍然为最优,高于当前先进的检测模型。通过实际检测表明,Bi-Swin Transformer模型不仅具有高精度,而且具有强鲁棒性。

关键词： 数智时代   算法行政   技术赋能   数智治理  

摘要： 大数据、人工智能等新兴技术所蕴藏的赋能潜力推动着所处时代中的大学将提高治理数智化水平作为其未来发展的重要任务。行政行为与算法的结合推动着大学治理实践中的算法行政,其所展现的算法权力在治理过程中表现出关系性、技术性、结构性、隐秘性等特征。大学治理数智化过程呈现出“权力-权利”赋权/赋能结构的变动与失衡、技术简化主义引发治理正当程序的调整与消解以及技术/数智官僚主义的形成与困境等现象。激发大学算法行政的治理效能应在治理理念上突出从信息化普及到数智化应用的转变、凸显大学数智治理中算法行政的增序逻辑以及实现治理行动中权力扩张与权利保障的协同推进等。

关键词： 大数据   高效算法   并行计算  

摘要： 本文深入探讨了高效的大数据计算机算法的设计与实现。其介绍了并行计算的设计方法和负载均衡策略,解析了分治策略的基本思想及其案例应用,并讨论了抽样估计的方法选择与误差分析。其还详细阐述了数据预处理以及数据查询与挖掘的实现技术。文章通过实验验证了算法的有效性,并对实验结果进行了分析。本研究可以为处理大规模数据集提供有效的计算策略,并且对于大数据领域的研究和应用具有重要的意义。随着数据量增长,这些算法为数据科学家提供挖掘数据潜在价值的工具,促进数据驱动决策的发展。