课程文献中心 更多>>

关键词： 面板堆石坝   免疫遗传算法   邓肯E-B模型  

摘要： 某混凝土面板堆石坝筑坝材料具有岩性多而复杂,构造发育,风华、钙质溶失等特性,因此需要对大坝进行有限元数值计算,以预测评估大坝运行性能。本研究利用邓肯E-B模型对大坝堆石体和面板应力变形进行模拟,并根据实测资料,采用免疫遗传算法对邓肯E-B模型参数进行反演,论证参数合理性。结果表明,本研究提出的方法可以有效反演坝体参数,研究结果可为面板堆石坝质量评价和运行管理提供借鉴。

关键词： 松鼠搜索算法   反应扩散方程   反问题   重心有理插值   奇异摄动  

摘要： 本文提出一种新的数值算法,用于求解具有最终时间观测数据的奇异摄动反应扩散方程系数反演问题.对于正问题的数值离散,本文使用基于sinh变换的重心有理插值对空间导数进行离散,并使用Crank-Nicholson有限差分对时间导数进行近似.然后,将此反问题转换为一个最小化问题.为求解此最小化问题,本文通过结合最优邻域搜索策略、随机对立学习策略和自适应捕食者存在概率策略,提出了一种改进的松鼠搜索算法——NOISSA.最后,本文进行了一系列数值实验,以此说明本文提出的新算法在解决奇异摄动反应扩散方程系数反演问题方面的优势.

关键词： 金融科技平台   垄断式算法价格歧视   消费者   信息理论   消费者信息权  

摘要： 近年来,各类算法技术应运而生并与金融服务行业融合,促进金融科技平台创新发展,但也带来了算法价格歧视,包括理性式与垄断式算法价格歧视。从消费者视角看,金融科技平台利用算法技术,对消费者实施垄断式算法价格歧视,严重侵害了消费者信息权。基于信息理论研究视角,金融科技平台垄断式算法价格歧视对消费者信息权的侵害集中体现为信息获取权、自主选择权、个人信息权,而且呈现出侵害方式复杂性、侵害内容三重性、侵害主体偏向性的特点。结合欧美金融科技平台算法价格歧视的消费者信息权优化经验及其本土化规制现状,我国有必要全面优化金融科技平台垄断式算法价格歧视下消费者信息权的规制。

关键词： 人工智能   智能合成语音   拟人化   机器学习算法   消费者评论  

摘要： 随着智能合成语音产品的快速发展,人工智能(artificial intelligence,AI)技术在有声书领域的应用日益广泛,为传统的有声读物注入了新的活力。然而,是否AI有声书的声音越接近真人,就越能受到消费者的青睐?本研究以喜马拉雅平台上的有声书为研究对象,从抓取的音频中提取低维和高维的音频特征,分别建立了随机森林模型和神经网络模型用以预测有声书的声音来源(真人/AI)。基于此,本研究构建了度量声音拟人化程度的指标,并从技术和行为层面分别对该指标的内在机理进行了深入分析,帮助大家理解该拟人化指标如何刻画AI有声书和真人有声书的异同。最后,本研究通过实证的方法探究了该拟人化指标与消费者行为之间的关系。实证结果表明,有声书的拟人化程度与消费者好感度(即用户评分)之间存在恐怖谷效应,即随着有声书声音的拟人化程度增加,该有声书的评分会呈现先上升后下降的态势。不过,在用户的评论声量方面,恐怖谷效应并不存在。本研究为理解消费者对AI生成内容的接受程度提供了新的理论和实证视角。

关键词： 两相多孔介质铁磁流体   SAV-ZEC统一框架   解耦格式   无条件稳定  

摘要： 建立了一种基于Cahn-Hilliard相场方程的两相多孔介质铁磁流体数学模型,同时建立了其能量定律。为了高效求解非线性、耦合、鞍点结构的多孔介质铁磁流体系统,应用辅助标量法(SAV方法)和零能量法(ZEC方法)的统一框架,提出了线性、时间一阶精度、完全解耦、质量守恒和无条件能量稳定的格式。进一步证明了格式的质量守恒、无条件能量稳定性和适定性。最后,通过几组数值算例验证了建立的数学模型及格式的有效性、收敛性和稳定性。

关键词： 微电网   电转气   优化调度   改进麻雀算法  

摘要： 在低碳经济背景下,具有弃风、弃光消纳和碳捕获能力的电转气(P2G)技术是微电网系统实现能源清洁、低碳化利用的重要支撑技术。为了进一步提高含电转气微电网的经济性和低碳性,提出一种可用于含电转气微电网的改进麻雀算法。引入微电网内部设备的函数与约束条件;在传统麻雀算法基础上改进发现者机制、侦察因子,增加果蝇扰动;用改进麻雀算法求解微电网模型,并与传统麻雀算法和鲸鱼算法进行容量配置对比,验证模型及算法的有效性。

关键词： 拖拉机发动机   寿命预测   遗传算法   神经网络   相关性  

摘要： 拖拉机发动机剩余寿命预测对于提高工作效率、降低维修成本、延长机器寿命和保障安全运行具有重要意义。通过预测发动机剩余寿命,可以更好地进行资源规划和分配。为此,提出了一种基于遗传算法优化的拖拉机发动机剩余寿命预测模型,结合遗传算法和剩余寿命预测方法,通过优化遗传算法的参数,提高了预测模型的准确性和稳定性。同时,通过收集大量的拖拉机发动机运行数据,提取与剩余寿命相关的特征,基于遗传算法寻找最佳的特征子集建立了预测模型。最后,通过试验验证了模型在拖拉机发动机剩余寿命预测方面的有效性。结果表明:与传统的预测模型相比,基于遗传算法优化的模型具有更高的预测准确性和稳定性,RMSE为6.023,MAE仅为4.531。研究结果可以有效地应用于拖拉机发动机剩余寿命预测和维护决策中。

关键词： 深度学习   目标检测   YOLOv8   铁路异物  

摘要： 由于监控场景覆盖面积大、侵限异物相对尺寸小、背景干扰较多等,现有铁路侵限监控系统检测精度较低,且达不到实时检测要求,为此提出一种基于改进YOLOv8的铁路异物检测算法。首先,引用FasterNet中部分卷积的设计思想,在颈部网络采用FasterC2f模块替代原C2f模块,以降低模型参数量和运算量,同时提升模型的特征融合能力;其次,对快速空间金字塔池化(SPPF)模块进行改进,引入大型可分离核注意力(LSKA)机制,提出一种SPPF_LSKA模块结构,以在特征提取时减少复杂背景的干扰,加强对小目标的检测能力;最后,采用WIoU损失函数替代原CIoU损失函数,以降低低质量、小目标样本带来的不良梯度影响。实验结果表明:与原YOLOv8模型相比,改进YOLOv8模型检测的平均精度均值(mAP@0.5)达到92.9%,提升了2.09%,模型权重降低了3.28%,浮点运算量降低了6.17%,在检测精度和效率之间达到了较好的平衡,能够满足实际检测需求。

关键词： 多源数据融合   CNN/LSTM级联   Kleinberg模型   小世界网络   数据同步  

摘要： 智能家居系统不断更新,智能控制数字家庭设备要求逐渐提升,家庭自动化技术发展关键在于多设备间的无缝对接与协同作业,为此提出1种创新的数据同步算法。该算法通过CNN/LSTM级联数据同步,使多传感器的异构数据协同获得妥善解决,通过级联可变形卷积神经网络提高数据处理精确率与灵活性。融合Kleinberg模型,从网络聚类系数和平均路径长度2个参数角度构建小世界网络,通过重连概率p值的有效分析,提升网络同步性能,增强空间搜索范围,优化算法在数据同步上的预测精度与响应效率。经仿真实验研究,融合Kleinberg模型的卷积神经网络/长短期记忆网络(Convolutional Neural Network/Long Short-Term Memory,CNN/LSTM)级联数据同步算法在模型训练阶段相较于CNN在预测准确率上实现显著提升,在数据融合阶段,相较于平均加权法,预测准确率提高了18%,与卡尔曼滤波法相比,提高了32%;在召回率和F1分数上,与平均加权法相比,分别提升了2.2倍和1.7倍。该研究为数据同步问题提供了1种创新的解决方案。

关键词： 加热炉   钢坯定位   半监督GAN   图像特征提取  

摘要： 针对加热炉出钢过程中准确定位钢坯位置难的问题,提出一种VGG19-SSGAN的钢坯定位算法。首先,应用VGG19网络对钢坯在炉内图像数据进行特征提取,并将提取后的特征保存,用于后续网络的输入;其次,将提取的特征应用半监督GAN的图像识别网络架构进行半监督训练,可以有效处理人工对图像数据打标签工作量大的问题;最后,将该方法用于实际生产中加热炉内摄像头的数据采集,与核SVM、标准全连接神经网络和标签传播算法进行对比,研究表明所提出的钢坯定位方法在加热炉出钢中有更良好的定位效果。