课程文献中心 更多>>

关键词： 洪水风险评价模型   元启发式算法   洪水风险分布图   受试者工作特性曲线   新乡市  

摘要： 为提高新乡市洪水风险评价模型的评估能力,采用层次分析法(AHP)、逻辑回归(LR)模型、BP神经网络、随机森林(RF)模型以及结合元启发式算法粒子群优化(PSO)的PSO-BP模型和PSO-RF模型6种方法对新乡市进行洪水风险评估,生成包含200个洪水位置的洪水清单图。选择9个洪水影响因子,采用方差膨胀因子分析了洪水影响因子与洪水发生的相关性。利用混淆矩阵和受试者工作特性曲线对比6种洪水风险评估方法的评估能力,最后获得6种方法的洪水风险分布图。结果表明:PSO-RF、PSO-BP模型的评估效果优于单一算法,受试者工作特性曲线下面积分别为0.953、0.947;根据得到的洪水风险分布图,新乡市至少36.5%的地区被列为高度易受洪水影响的地区,耦合元启发式算法后的洪水风险评价模型具有更高精度。

关键词： 常规PID控制   Simulink仿真   模糊PID控制   基于RBF神经网络PID控制   负压供墨系统  

摘要： 为更好地解决传统PID对负压供墨系统温度、负压值精度低、缺乏自适应性、跟随性能差等问题,本文将RBF神经网络与传统PID控制算法结合起来,实现动态辨识,通过利用神经网络的学习能力,可以根据控制环境在线修正PID控制的比例、积分、微分参数,使其更加符合工业需求,从而能够提升系统的实时性以及适应性,通过加入阶跃信号,基于MATLAB软件中的Simulink环境对控制系统进行仿真。通过对比检验传统PID控制算法与模糊PID控制算法。经过仿真测试结果得出结论:基于RBF神经网络优化的PID控制算法具有响应速度快、超调小等优点,解决了控制温度与负压值过程中滞后和耦合大的问题,显著改善负压供墨系统性能。To better address the issues of traditional PID control in negative pressure ink supply systems, such as low temperature and pressure accuracy, lack of adaptability, and poor tracking performance, this paper integrates the RBF neural network with the traditional PID control algorithm to achieve dynamic identification. By leveraging the learning capability of the neural network, the proportional, integral, and derivative parameters of the PID control can be adjusted online according to the control environment, making it more suitable for industrial needs. This enhancement improves the system’s real-time response and adaptability. A step signal was introduced, and the control system was simulated in the Simulink environment of MATLAB software. By comparing the traditional PID control algorithm with the fuzzy PID control algorithm, simulation test results concluded that the PID control algorithm optimized by the RBF neural network offers advantages such as fast response speed and minimal overshoot, effectively solving the problems of lag and significant coupling in temperature and pressure control, thereby significantly improving the performance of the negative pressure ink supply system.

关键词： 公共领域   行动者网络理论   智能传播   算法偏见  

摘要： 2023年ChatGPT的火爆问世加速了智能传播时代的进展,人工智能三大核心要素之一——算法的“黑箱”属性引发的技术发展和社会平等问题也越来越引起公众热议。本文从哈贝马斯2021年最新文章中提出的公共领域形成前提——“活跃市民社会”的三个边界条件入手,分析其如何受算法的“黑箱”属性损害,即算法推荐新闻损害自由政治文化的形成,算法偏见以更隐蔽的方式影响社会平等,以及“算法霸权”概念使公共利益让位于商业机构。本文用拉图尔的行动者网络理论中的三个核心概念,即“行动者”“网络”与“转译”,强调了重建算法公共性的三条路径,包括针对不同“行动者”主体,界定不同行动诉求,将公共性与公开性纳入算法网络设计,以及做好自上而下的算法决策治理与自下而上的算法素养提升。

关键词： 生成式AI   电影创作   智能转描   算法映射   多模态创作  

摘要： 生成式AI凭借其通用性、基础性、智能化以及内容生成高质稳定等特征,正在快速融入电影创作领域,不仅提高了电影制作的效率,还显现出重塑电影工业流程的潜力。本文将主要探讨生成式AI在电影制作中的三个应用:一是智能转描技术实现影像风格化迁移;二是算法映射辅助实现角色重构与虚拟表演;三是多模态创作重构影像音画表达。通过技术和实例分析,本文将展示生成式AI如何革新电影创作范式,推动电影美学创新,并探讨其在实际应用中的技术瓶颈与伦理挑战,展望未来发展方向。

关键词： PPF三位一体   设备管理   安全管理  

摘要： 自中国提出“双碳”目标以来,电力行业发展面临着新形势。在新形势下,新能源高速发展,煤电行业却面临着转型升级的机遇及挑战。基于PPF三位一体的管理体系,从过去、现在、未来3个维度相互支撑、共同作用于设备管理,对煤电机组转型升级过程中的设备管理有着良好成效,对促进企业高质量发展有着重要作用。

关键词： 模糊算法   ARX算法   嵌入式高级算法   自动发电控制  

摘要： 基于火电机组的变负荷试验数据,采用模糊算法、ARX算法等嵌入式高级算法,对主蒸汽压力、中间点温度等关键参数进行预测与优化控制。经过系统分析和试验验证,优化后的控制系统显著改善了负荷响应速度和稳态精度,同时有效缩小了过热汽温和再热汽温的波动范围,中间点温度变化及炉膛压力偏差均变小。结果表明,优化后的控制模型与实际运行表现良好,可为火电机组的自动发电控制(AGC)提供有效支持。

关键词： 生成式人工智能   算法伦理   大语言模型   ChatGPT  

摘要： 以ChatGPT为代表的生成式模型的广泛应用,给人工智能领域带来了惊人的技术进步,但复杂的伦理挑战也伴随而来。生成式模型下的算法伦理问题,如算法偏见或歧视问题、数据隐私挑战以及对人类自主性的撼动,已深度触及社会的诸多方面,其负面效应凸显。究其原因主要在于算法依赖与数据局限性的矛盾、海量数据需要与隐私保护需求的冲突、算法智能化对人类自主性的消弭等三个核心方面。因此,在推进人工智能技术创新的同时,必须平衡其不利影响,着力构建负责任的AI,做到敏捷治理与创新共进,以人本主义为契机捍卫人类自主性,形成一个多主体的综合治理体系,共同构建一个负责任、可信赖、符合公共伦理标准的生成式人工智能发展生态体系。

关键词： 长短期神经网络   注意力机制   自编码器   电力工程数据   预测模型   大数据分析  

摘要： 针对传统数据分析算法处理高维、海量数据过程中出现的低效、准确率差的问题,基于改进LSTM提出了一种电力工程数据分析与预测算法。该算法使用双向LSTM作为训练模型,从而捕捉到更为广泛的上下文信息。对于模型处理高维数据时遇到数据冗余、噪声较高的问题,使用堆叠稀疏自编码器进行输入数据预处理,进而提升了模型的泛化能力,在模型输出部分结合自注意力机制,进一步聚焦关键特征,提高模型在不同序列集中的性能表现。实验结果表明,在所有对比算法中,文中所提算法的误差最低且性能最优,实际数据误差小于5%,满足电力工程的实际应用需求。

关键词： Lasso回归   股票价格   邻近梯度算法   稀疏优化   证券指数  

摘要： 在证券市场中,指数跟踪是投资者进行资产配置和风险管理的重要手段。传统的指数跟踪方法往往有模型解释性差、计算复杂度高等问题。因此,探索新的算法和技术以提升指数跟踪的效果具有重要意义。本文考虑Lasso回归模型来进行变量选择,首先介绍了Lasso回归模型基本原理,然后利用邻近梯度算法求解回归系数,该解具有稀疏性,旨在众多的变量中精确选择有效的部分变量来预测证券指数。最后利用沪深300指数以及其成分股的收盘价格作为分析数据,得出小部分股票就可以达到几乎相同的拟合效果,通过实例说明该方法在证券指数跟踪中有一定的有效性和优越性,能够实现更稀疏的变量组合,给证券指数跟踪提供了新的思路和方法。In the security market, index tracking is an important means for investors to allocate assets and manage risks. Traditional exponential tracking methods often have the problems of poor model interpretation and high computational complexity. Therefore, it is of great significance to explore new algorithms and techniques to improve the effect of exponential tracking. In this paper, Lasso regression model is considered for variable selection. Firstly, the basic principle of Lasso regression model is introduced, and then the adjacent gradient algorithm is used to solve the regression coefficient. The solution is sparse, aiming at accurately selecting effective part of the variables to predict the stock index from many variables. Finally, using the closing prices of CSI 300 index and its component stocks as analysis data, a small number of stocks can achieve almost the same fitting effect. An example shows that the method has certain effectiveness and superiority in securities index tracking, and can realize sparser variable combination, which provides a new idea and method for securities index tracking.

关键词： 事件相机   目标检测   噪声标记   跨模态   联合优化  

摘要： 事件相机具有高时间分辨率、高动态范围和低功耗等特性,通常被用于传统相机应用受限场景(高速度、强光、弱光等)下的目标检测任务中。然而由于事件相机的像素异步性,其输出的事件序列难以进行人工标注,为此现有方法通过RGB图像标记迁移得到事件序列标记。然而,迁移标记中存在大量噪声标记和事件序列中部分目标纹理模糊,导致难以取得理想的模型性能。为了解决此问题,提出了一种跨模态噪声过滤的事件相机目标检测算法。算法利用预训练后的事件相机检测器对开源RGB目标检测数据集进行筛选,得到对训练事件相机检测器最具价值的RGB图像和事件图像一起构成跨模态混合图像,帮助检测器更准确地识别、定位事件图像目标;为了缓解噪声标记对检测器性能的影响,设计了一种多阶段目标检测联合优化策略,单个阶段训练完成时,在全局标记中识别噪声标记,并对噪声标记进行修正后在下一阶段使用。实验结果表明,在1Mpx Detection Dataset上,与基准模型相比,跨模态噪声过滤的事件相机目标检测算法提供了8.35%的模型增益,远优于Co-teaching,O2U-net等噪声标签学习方法,具体地,跨模态混合图像训练、联合优化框架分别提供了6.44%,4.77%的模型增益。