课程文献中心 更多>>

关键词： 门控循环单元   河马优化算法   股价  

摘要： 在股票市场中,准确的股价预测对于投资者的决策制定和金融机构的风险管理具有重要意义。随着计算机技术的迅猛发展,越来越多的金融学者开始关注神经网络,利用网络技术建立股票收盘价趋势预测模型,取得了显著效果。本文基于matlab选择门控循环单元模型探究股价预测。考虑到神经网络参数选择对于预测性能具有较大影响,因此利用改进的河马优化算法优化GRU模型参数,构建IHO-GRU模型对中信银行的收盘价进行预测,实验结果显示,IHO-GRU模型在RMSE、MAE、MAPE三个评价指标的表现均为最优,展示了优化算法和神经网络在金融市场预测中的潜力,也为实际金融投资提供了一定的参考性。Accurate stock price prediction is of great significance for investor decision-making and financial institution risk management in the stock market. With the rapid development of computer technology, more and more financial scholars are paying attention to neural networks and using network technology to establish a stock closing price trend prediction model, which has achieved significant results. This article explores stock price prediction based on the Gated Recurrent Unit model selected in Matlab. Considering that the selection of neural network parameters has a significant impact on predictive performance, an improved hippopotamus optimization algorithm was used to optimize the GRU model parameters and construct an IHO-GRU model to predict the closing price of CITIC Bank. The experimental results showed that the IHO-GRU model performed the best in the RMSE, MAE, and MAPE evaluation indicators, demonstrating the potential of optimization algorithms and neural networks in financial market prediction, and providing some reference for actual financial investment.

关键词： 神经网络   播出延迟   小波包   VoIP   多层感知器   自适应抖动缓冲  

摘要： 为解决抖动缓冲区播放延时和丢包之间的矛盾,实现缓冲区的动态调整使延时和丢包达到最优的平衡,提出一种基于WP-MLP神经网络的自适应抖动缓冲算法。首先,对抖动缓冲区的基本原理进行了分析并给出了丢包率与缓冲延时之间的函数关系;其次,提出了WP-MLP神经网络抖动缓冲算法的网络模型并对算法流程进行了分析;最后,通过VoIP网络仿真进行建模对比几种常用抖动缓冲算法,结果表明,本文所提算法能够在播放延时和丢包率之间保持更好的平衡,对缓冲区大小的动态调节表现出更优异的性能。

关键词： 空地异构   无人智能体   侦察任务   通信中继任务   派单算法  

摘要： 针对空地异构无人系统协同侦察的任务分配问题,提出一种面向侦察任务和通信中继任务的两阶段混合任务派单(Two-stage Mixed Task Assignment,TMTA)算法。基于各无人智能体的侦察距离、通信中继距离及目标位置,构建侦察位置与通信中继位置的备选集。以任务时效性与路径代价为目标函数,结合侦察任务/通信中继任务完成约束、任务位置选择/任务执行时间与任务路径的耦合约束,以及路径连续性等约束,构建侦察与通信中继任务派单模型。针对派单模型的非线性特征,综合集合覆盖算法、匈牙利算法和遗传算法的优势,设计TMTA算法,实现了模型的高效求解。通过实验对TMTA算法进行验证。实验结果表明,TMTA算法在任务时效性与无人系统行驶成本上均优于基准派单算法。

关键词： 激光粉末床熔融   选择性激光熔化   路径规划   路径评估   分区路径   增材制造   零件薄弱区域  

摘要： 针对激光粉末床熔融的路径难以适应复杂零件特征,且无法有效识别路径的填充质量,造成打印质量差这一问题,提出了一种以零件薄弱区域为特征的分区扫描算法及路径填充质量评估算法。首先,在数据处理的过程中,根据构成切片轮廓的三维点数据,使用间距均匀的平行线对轮廓进行了扫描,计算了交点间的距离,并对零件中的薄弱区域进行了特征识别与提取;然后,使用提取出的薄弱区域作为零件分区依据,对切片轮廓进行了求交运算,得到了新的切片轮廓并划分了区域,对每个子区域进行了路径填充,并使用路径生成时的点数据进行了路径尖角识别及填充质量评估;最后,对常用的平行线路径、轮廓偏置路径、棋盘分区路径等,采用相同参数打印了同一个零件,并利用超景深显微镜对打印的零件进行了三维形貌测量。研究结果表明:该分区算法减少了对2个薄弱区域的分割,没有形成新的薄弱区域,说明填充质量识别算法可以有效识别路径的尖角及填充情况,保证零件薄弱区域的打印质量,并有效提高零件整体的打印质量。

关键词： 脑胶质瘤   O6-甲基鸟嘌呤-DNA甲基转移酶   磁共振成像   多层感知机  

摘要： 目的 探索基于磁共振对比增强序列(CE-T_(1)WI)的影像组学模型预测脑胶质瘤患者O6-甲基鸟嘌呤-DNA甲基转移酶(MGMT)启动子甲基化状态的价值。方法 从公开数据集癌症影像档案库中回顾性分析281例脑胶质瘤患者(甲基化180例,未甲基化101例)的CE-T_(1)WI资料。最小绝对收缩和选择算子(LASSO)回归分析和最大最小冗余相关方法被用于特征筛选。采用多层感知机算法建立预测模型。受试者工作特征曲线下面积(AUC)被用于评价预测性能。结果 基于多层感知机算法的临床模型、影像组学模型以及临床+影像组学联合模型均可用于预测脑胶质瘤患者MGMT启动子甲基化状态,且与前两者相比,临床+影像组学联合模型有最高的诊断效能。联合模型在训练集中AUC为0.909(95%CI:0.864~0.944),敏感度和特异度分别为86.11%和82.50%;在验证集中AUC为0.831(95%CI:0.708~0.917),敏感度和特异度分别为80.56%和80.95%。Delong检验显示,临床+影像组学联合模型与临床模型之间AUC的差异具有统计学意义(训练集:Z=4.718,P<0.05;验证集:Z=2.677,P<0.05)。结论 基于多层感知机算法的CE-T_(1)WI影像组学模型能够对MGMT启动子甲基化和MGMT启动子未甲基化的胶质瘤患者进行有效鉴别。

关键词： 人口老龄化   中国式养老   数字化与智能化   算法治理  

摘要： 老龄化和数字化正在形成的历史性交汇,拓宽了实现中国式现代化的实践内涵和想象空间。中国是老年人口最多和老龄化速度最快的国家之一,老龄化的发展与生育意愿低迷、家庭小型化和空巢化等人口现象相伴生,并有疆域范畴广和区域差异大等约束条件,城乡养老服务不均衡相对突出,面临的养老压力较为繁重和复杂。中国特有的发展路径和治理模式更对养老这一重大民生问题提出了特定要求,中国式养老作为严肃的学理命题和实践主题由此浮现,并与中国式现代化进程相同步和相协调,具有鲜明的时代特色、族群属性和文化特质。在数字化和智能化时代,数智技术积极赋能基本养老服务体系建设,为协调供需两端的失衡矛盾,助推养老事业的数字化智能化转型升级,促进养老产业高质量发展,带来若干新的机遇。但同时也衍生了新的挑战,老年人遭遇新型“数字鸿沟”而被隔绝于数字红利之外,算法年龄歧视和算法黑箱等伦理失范现象威胁老年人的基本生存状态,加剧不平等和不安全等风险。为此有必要从技术规范、法律规制和价值重塑等方面建立以人为本、人机智能协同的算法治理体系,坚持“算法向善”与积极老龄观相结合,提升老年人的信息能力和算法素养,构建更加包容、安全和有效的数智化养老服务体系,使数智技术成为推动中国式现代化和积极老龄化的重要力量,更好服务于老年人的全面发展。

关键词： 风电机组总装系统   Dijkstra算法   自动引导车   最小能源消耗   调度算法  

摘要： AGV的调度效率是影响风电机组总装系统效率的主要因素。任务被下达后,需要在已完成任务的AGV中调度可最快到达该任务起点的AGV执行新任务。AGV驶向任务起始点的时间越短,总装系统的效率越高。由于现代棋盘式总装系统的特殊性,AGV调度环境较从前更加复杂:总装环境中障碍物(工作点)数目大,相同条件下不同的调度算法的结果可能不同。提出3种AGV调度算法,即基于k-NN的调度算法、基于Manhattan距离的调度算法、基于Dijkstra算法的调度算法。首先分析了3种调度算法的优缺点,然后考虑了AGV是否负载对上述3种调度算法性能的影响,最后通过实例验证对比了3种算法的可行性。结果表明,基于Dijkstra算法的AGV调度算法更适合棋盘式总装环境,可以实现调度过程中能源消耗最小。

关键词： 低照度图像   图像增强   深度学习   损失函数   基准测试  

摘要： 在弱光条件下拍摄的图像往往存在亮度和对比度较低、颜色失真和噪声较大等特点,严重影响人眼的主观效果,极大地限制了高阶视觉任务的性能。低照度图像增强(low illuminance image enhancement,LIIE)旨在改善这类图像的视觉效果,为后续处理提供有利条件。在诸多低照度图像增强算法中,基于深度学习的低照度图像增强成为最新的解决方案。首先梳理了基于深度学习的低照度图像增强的代表性方法;其次介绍了现有低照度图像数据集、损失函数和评价指标;再次通过基准测试与实验分析,进一步对现有基于深度学习的低照度图像增强算法进行全面评估;最后对目前研究进行总结,并对低照度图像增强的发展方向进行讨论和展望。

关键词： 公交车路径规划   目标路线规划算法   狄克斯特拉算法  

摘要： 实现高质量的交通服务,提供一种满足人们出行需求、具有便利性和舒适性的交通路径规划算法至关重要。但由于实际的路线规划面临着各种限制条件,使得线路安排比较复杂。为了降低运营成本并改善乘客的出行体验,本文提出启发式多目标路线规划算法BusRout。实验结果表明,BusRout能够有效减少公交车的运营成本,缩短乘客的等待时间,从而提高公交运营的效率和乘客的满意度。

关键词： 注意力机制   深度学习   调制识别  

摘要： 在当代通信技术中,调制识别占据着至关重要的地位,特别是在非合作性通信场景下,其重要性尤为显著。将深度学习应用于调制识别成为研究热点,随着对深度学习的深入研究,对网络性能的优化来提高调制识别准确率成为难点。选择AlexNet网络作为基准网络,提出一种改进的挤压和激励(SE)模块,将通道的绝对重要性和相对重要性都纳入考量,再通过激励实现对通道重要性的重标定,提高对局部重要信息的捕捉能力。利用该网络对11种信号调制类型进行识别,相较于未添加模块的网络,准确率提高4%左右,总体识别率达到86%左右,计算量大大降低。实验证明了改进通道注意力模块对网络性能的优化作用。此方法对后续基于注意力机制的深度学习网络在调制识别中的应用有研究价值与意义。