课程文献中心 更多>>

关键词： 区块链   协同业务   并行优化算法   多准则决策  

摘要： 针对供应链管理面临的协同高效性、信息可追溯性和信任危机等问题,提出了一个解决区块链多要素矛盾问题的并行计算模型PNSGA-Ⅲ。首先,深入挖掘区块链、链主企业和链上企业的制约关系,将链主企业成本、服务积分,链上企业参与数量以及区块链稳定性等参数具象为多级多业务协同模型;其次,从提高遗传算法产生子代缓存区的效率角度出发,将交叉变异部分并行化处理,极大缩短模型求解时间;此外,为了解决帕累托解不能相互支配的问题,采用TOPSIS计算欧氏距离并决策理想解;最后,通过10组仿真实验验证了所提模型的有效性。结果表明:PNSGA-Ⅲ的计算时间比非并行算法节约了16.37%;区块链的矛盾制约机制提供了更广泛的选择范围,增强了其适应复杂需求的能力;在动态任务流程下,经过优化的S8场景的服务积分比未优化的场景高出45%。研究为供应链管理提供了新的视角和工具。

关键词： 人工智能   智能媒体   大模型   算法  

摘要： 人工智能技术的广泛运用深刻改变着互联网新闻平台的产业格局。在人工智能的赋能下,依托互联网平台进行的新闻工作呈现出再加速化、高度智能化和基础设施化的三重形变,新闻工作者也在这个过程中增加工作内容转换个人身份。然而,在这三重形变后人工智能所暴露的论题问题还悬而未决。人工智能技术虽然提高了生产效率,但仍然需要人的监督和校对,欲使用生成式AI在互联网新闻平台中创造更大价值,势必要破除对技术的过度迷信,思考如何在变革中进一步掌握技术、规避风险。

关键词： 算法推送   政治生态   运作机理   运行逻辑  

摘要： “算法推送”是基于内容生成、个性推荐以及检索过滤等算法技术,为用户提供信息获取、检索、处理以及呈现等一系列活动的过程。人工智能时代,算法推送强大的信息支配能力深刻地影响网络空间的传播秩序,构建了基于算法的权力微观运行机制,并逐渐演化为政治行动者、大型咨询公司以及社会团体等实现自身利益的重要手段,衍生了一系列风险,如介入重大政治进程、扰动主流意识形态、强化网络认知域作战等。算法推送与政治生态交织互嵌的背后,反映了传统政治权力结构与运作方式的解构与重组,资本支配下技术工具对政治的大范围自动化渗透,数字威权主义下寡头治理的趋势,以及“后真相”时代下民主形态的更迭。

关键词： 电子商务法   算法推荐服务   风险   法治  

摘要： 算法推荐服务是指利用生成合成类、个性化推送类、排序精选类、检索过滤类、调度决策类等算法技术向用户提供信息的服务。其在满足人们多元化需求的同时也产生了技术异化、信息失真泄漏、欺诈顾客等风险,对电子商务发展具有不可小觑的打击,应从多个维度协同治理。随着《电子商务法》的出台,以期构建生态环境良好的互联网信息服务环境,规制滥用算法推荐技术的法律风险。Algorithmic recommendation service refers to a service that provides information to users using algorithm technologies such as generative synthesis, personalized push, sorting and selection, retrieval and filtering, scheduling and decision-making. While meeting people’s diverse needs, it also generates risks such as technological alienation, information distortion and leakage, and customer fraud, which have a significant impact on the development of e-commerce and should be addressed through collaborative governance from multiple dimensions. With the promulgation of the Electronic Commerce Law, it is expected to build an Internet information service environment with a good ecological environment and regulate the legal risk of abusing algorithm recommendation technology.

关键词： 机器学习   孤立森林   异常值检测   养殖尾水   水质预测  

摘要： 为解决水质软测量过程中数据失真问题,研究采用孤立森林(isolation forest,IF)算法对水质传感器在线监测数据进行异常值处理,使用递归特征消除(recursive feature elimination,RFE)优化模型变量选择,采用XGBoost算法构建水质预测模型,用于预测经处理后养殖鱼塘尾水出水化学需氧量(COD_(Cr))、总氮(TN)和总磷(TP)。试验表明,XGBoost算法构建的生物净化池COD_(Cr)、TN和TP水质预测模型具有良好的预测性能,各模型决定系数(R^(2))分别达到了0.837、0.804和0.878,平均绝对误差(mean absolute error,MAE)分别为0.679、0.087和0.036,均方根误差(root mean square error,RMSE)分别为0.700、0.105和0.044。同时,使用IF算法对采集到的数据进行异常值识别与剔除后,模型的R^(2)提升至0.875、0.866和0.926,MAE降低至0.658、0.077和0.028,RMSE降低至0.681、0.099和0.035。研究对于发展水质智能软测量技术具有重要的指导价值。

关键词： 设备管理   四大目标   数字化   智能化  

摘要： 随着工业4.0和智能制造的深入发展,设备管理数字化技术改造已成为企业转型升级的重要方向。本文将探讨设备管理数字化技术改造的意义、现状、问题与对策,着力设备管理信息平台的建设、整合提升,通过两化融合,即数字化转型与智能化升级,实现四大目标,数字化布局、数字化管控、数字化维保、数字化分析,以四大目标为切入点探讨设备管理数字化智能化改造的具体实施方案,以期为企业实现高效、智能的设备管理提供借鉴。

关键词： 〕系统性红斑狼疮   XGBoost算法   随机森林算法   中医证候  

摘要： 〕目的通过XGBoost算法构建系统性红斑狼疮(systemic lupus erythematosus,SLE)中医证型判别模型,探索XGBoost模型用于证型分类的可行性。方法通过问卷调查法,收集符合标准的病例,建立SLE数据集。通过XGBoost算法构建SLE中医证型判别模型,采用随机森林(random forest,RF)算法作为对照,比较两种算法的准确性。结果本研究共纳入400例SLE患者,其中男性33例,女性367例。SLE患者排名前3的中医证型为:脾肾阳虚证、阴虚内热证和风湿热痹证,XGBoost算法模型分类指标和性能曲线评分总体优于RF算法。结论XGBoost算法用于证候建模准确度较高,可用于证候研究中的分类研究。

关键词： 位置精度   中误差   置信概率   t分布   卡方分布  

摘要： 随着地理信息领域软硬件快速发展,地理信息大数据成为支撑多项重大工程的主要数据源。对海量数据成果进行高效、可靠的质量评价一直是研究热点。位置精度作为地理信息数据质量的核心指标之一,表征数据坐标与真实坐标相似度量程度,中误差是目前位置精度的主要量化指标。本文对检测点样本量、中误差及置信概率间关系开展对比研究,基于t分布-卡方分布尺度转换提出面向同一置信概率的中误差归一化算法。通过试验验证,在68.3%置信概率下对不同检测点样本量的位置精度尺度进行了稳定表征,对不同尺度下地理信息数据位置精度表征稳定性进行了探索,为不同检测点样本量下位置精度的高可信比较统一了尺度,有利于增强地理信息数据位置精度比较的公平性。

关键词： ISRSAC⁃PSS   顺序聚合签名   随机预言模型   可证明安全性理论  

摘要： 聚合签名算法允许多个签名被压缩成一个单一的签名,从而提高签名的效率和隐私性。基于PSS(Probabilistic Signature Scheme)算法的顺序聚合签名算法是一种高效的签名方案,具有减少签名数据量、提升验证效率以及支持顺序化处理的特点,然而这种方案在安全性保证和算法实现上可能面临挑战。因此,本文基于ISRSAC⁃PSS(Identity⁃based Sequential RSA with PSS)签名算法,采用身份基础和伪随机序列生成技术,提出一种顺序聚合签名算法,算法具有高效的数据压缩、顺序处理能力和增强安全性的特点,可以被证明是安全的,在自适应选择明文攻击下,算法安全性保持良好。通过分析得出,该算法与基于PSS算法的可证明安全顺序聚合签名算法的效率接近且安全性更高。

关键词： 人工智能   深度学习   数据投毒   后门攻击  

摘要： 人工智能(artificial intelligence,AI)算法已经成为应对新型电力系统不确定性和复杂性的重要手段,其利用历史或仿真数据拟合特征与问题间的关联关系,避免了对复杂物理机理的建模分析,从而可以降低问题维度并提高计算效率。然而,AI的黑箱运行模式亦存在安全风险,攻击者可通过恶意手段影响算法模型的训练过程,在模型中植入后门,从而控制算法的输出结果,最终影响电力系统相关业务。该文分析了对电力系统AI植入后门的可行性,设计了一种针对电力系统基于数据投毒的后门攻击方法,根据系统节点入侵难度构造后门触发器致使AI对特定场景样本产生错误判别;为防御此类攻击,在模型层面和样本层面设计了后门攻击的检测方案。最后在AI驱动的暂态稳定评估案例中测试了所提攻击与检测效果。