为提高传统目标检测的识别效果和准确率, 并加快运算速度, 提出了一种具有更强大特征学习和特征 表达能力的卷积神经网络(CNN: Convolutional Neural Network)模型和相关的深度学习训练算法, 并将其应用于 计算机视觉领域的大规模识别任务。 首先详细分析了传统目标检测算法, 如 V-J(Viola-Jones) 检测器、 HOG (Histogram of Oriented Gradients)特征结合 SVM(Support Vector Machine)分类器和 DPM(Deformable Parts Model) 检测器的特点。 然后提出了深度学习算法, 如 RCNN(Region-based Convolutional Neural Networks)算法和 YOLO (You Only Look Once)算法, 并分析了其在目标检测任务中的应用现状。 针对倒地检测任务, 使用 YOLOv5 (You Only Look Once version 5)模型对不同身高体型目标人群的行为进行训练。 通过使用不同的交并比( IOU: Intersection over Union)、 准确率(Precision, P)、 召回率(Recall, R)和 PR 曲线等评估指标, 对 YOLOv5 模型进 行了分析, 评估了其在检测站立和倒地两种活动方式的实际效果。 同时通过预训练和增强处理, 增加了训练样 本数量并提高了网络的识别准确率。 实验结果表明, 倒地识别率达到了 86% 。 可将其应用于灾区探测救援类 机器人的设计中, 以辅助识别和分类受伤倒地人员, 提高灾区救援效率。 

为保证高校计算机实验课正常开展, 以 Docker 技术为基础, 构建了计算机基础实验虚拟实验室。学生通过浏览器访问服务器就可以获得独立的实验环境。 同时, 使用 Docker-Compose 工具对学生实验环境进行创建、开启、停止和删除等多维度管理, 使用 Docker-Swarm 工具保证实验环境的性能, 相当于把线下实验室搬到了线上。实际证明, 该方案能满足计算机基础实验线上教学需求, 为对应的理论教学提供高质量的实验服务。

针对足球比赛中预警值与实际值误差大、 预警误报次数多等问题, 提出了一种基于改进 Copula 模型的足球竞赛风险智能预警方法。 基于模糊综合评价矩阵确定足球竞赛风险指标评价体系, 划分指标等级状态, 选择Copula 函数, 构建改进 Copula 足球竞赛风险智能预警方法, 对足球竞赛风险进行精准判断, 以减少风险损失。 实验结果表明, 该方法的干扰压制维持在 20 dB 以上, 具有较高的抗干扰性, 可有效对干扰进行抑制。 该方法降低了预警值与实际值之间的误差, 减少了预警误报次数, 具有实用性和可行性。

为了更好地利用深度学习框架防范安卓平台上恶意软件攻击, 提出了一种新的应用程序可视化方法, 从而弥补了传统的采样方法存在的信息损失问题; 同时, 为得到更加准确的软件表示向量, 使用了 Swin- Transformer架构代替传统的卷积神经网络(CNN: Convolutional Neural Network)架构作为特征提取的主干网络。 实验采用的数据集中的样本来自 Drebin 与 CICMalDroid 2020 数据集。 研究结果表明, 新提出的可视化方法 优于传统的可视化方法, 检测系统的准确率达到 97. 39% , 具有较高的恶意软件识别能力。

为解决当前分子诊断人才培养中存在的效率和质量问题, 探讨了人工智能(AI: Artificial Intelligence)技术在分子诊断人才培养中的应用现状及未来发展趋势。其涵盖了 AI 技术在分子诊断中的应用现状、优势与挑战, 重点分析了 AI 如何通过自动化实验流程、精准数据分析和跨学科知识整合提升人才培养效率和质量。同时, 总结了国内外高校在 AI 与分子诊断人才培养中的实践经验, 并展望了其未来发展趋势, 包括虚拟现实与增强现实技术的融合、智能诊断系统的精准化、个性化学习平台的智能化等。虽然 AI 技术在分子诊断人才培养中展现出巨大潜力, 能显著提升人才的综合竞争力, 推动分子诊断技术的进一步发展, 为精准医疗提供强有力的人才支持。然而, AI 技术的应用仍面临跨学科知识整合、数据质量、伦理隐私等多重挑战, 需通过教育机构、行业和政府的共同努力加以解决。

针对传统 SMO( Sliding Mode Observer)在开关函数切换过程中存在抖振现象, 提出一种利用饱和函数 代替开关函数的新型滑模观测器削弱抖振, 并在位置信息提取过程中选用锁相环代替传统的反正切方法, 从而 提高对 PMSM(Permanent-Magnet Synchronous Motor)转子位置的观测精度。 在 Matlab 环境下, 通过传统和新型 SMO 的对比, 可观察到转子的转速误差提高了大约 14 r/ min, 转子位置误差提高大约 0. 03 rad。

针对多无人机、无人车异构无人集群系统编队避障控制问题, 对其利用博弈论方法进行了研究。不同于目前大多数只考虑群体编队目标的多智能体编队控制方案, 允许每个智能体都具有个体目标, 其中个体目标包含个体跟踪目标和避障目标。使异构无人集群系统在完成协同编队的同时, 每个智能体还需根据其自身利益跟踪目标点并实时避障。由于智能体的个体目标和群体目标之间可能会产生冲突, 将异构无人集群编队问题转化为智能体之间的非合作博弈问题。通过在代价函数中加入基于人工势场函数设计的避障项实现实时避障, 并基于寻求纳什均衡方法设计了控制器, 使异构无人集群系统可实现个体目标和群体目标平衡的编队模式。最后通过仿真实验验证了理论结果的正确性。采用该方法可使异构无人集群系统实现编队运动并实时避障。

目前大多计算卸载策略是在任务整体卸载情况下进行的, 且仅考虑时延或能耗单一指标, 未将二者结合进行优化, 为此, 以任务处理的时延与能耗加权和为优化目标, 提出一种基于强化学习的部分卸载算法。 将单个任务的处理分为本地计算和部分卸载两种方式, 且在部分卸载中引入了变量确定卸载权重, 最后利用强化 学习 Q-learning 完成了所有任务的计算卸载与资源分配。 实验结果表明, 所提算法能有效降低任务处理的时延与能耗。

由于认知负荷作为学习者学习过程中认知系统所产生的负载,对学习者的学习状态有重要影响,并且 目前已有的学习者模型中缺乏对学习者认知负荷的研究。 为此以教育部教育信息化技术标准委员会提出的 CELTS-11(China E-Learning Technology Standardization-11)为基础, 将认知负荷作为一个维度融入学习者模型, 构建了静态与动态信息相结合的LMICL(Learner Model Incorporating Cognitive Load)。 然后, 以自适应学习系统 为依托,将未融合认知负荷的学习者模型的数据和LMICL的数据分别作为推荐学习资源的依据,产生了两种 不同的学习资源推荐结果,并随机选取两个班级的学习者在该系统中进行学习,最后从学习者的学习成绩、 认知负荷结果和满意度3个指标对LMICL的效果进行验证。 结果表明, 基于LMICL的推荐学习效果强于未 融合认知负荷的学习者模型。

为解决由于固定温度 SAC(Soft Actor Critic)算法中存在的 Q 函数高估可能会导致算法陷入局部最优的 问题, 通过深入分析提出了一个稳定且受限的 SAC 算法( SCSAC: Stable Constrained Soft Actor Critic)。 该算法 通过改进最大熵目标函数修复固定温度 SAC 算法中的 Q 函数高估问题, 同时增强算法在测试过程中稳定性的 效果。 最后, 在 4 个 OpenAI Gym Mujoco 环境下对 SCSAC 算法进行了验证, 实验结果表明, 稳定且受限的 SAC 算法相比固定温度 SAC 算法可以有效减小 Q 函数高估出现的次数并能在测试中获得更加稳定的结果。

针对自动驾驶在通过无信号灯交叉口由于车流密集且车辆行为随机不确定的问题, 提出一种基于 MAPPO(Multi-Agent Proximal Policy Optimization)算法的无信号灯交叉口自动驾驶决策方案。 通过 MetaDrive 仿真环平台搭建多智能体仿真环境,并且设计了综合考虑交通规则、安全到达或发生碰撞等安全性以及交叉口 车辆最大、最小速度等车流效率的奖励函数,旨在实现安全高效的自动驾驶决策。 仿真实验表明,所提出的自 动驾驶决策方案在训练中相较于其他算法具有更出色的稳定性和收敛性,在不同车流密度下均呈现出更高的 成功率和安全性。 该自动驾驶决策方案在解决无信号灯交叉口环境方面具有显著潜力,并且为复杂路况自动 驾驶决策的研究起到促进作用。 

针对超分辨率算法重建的遥感图像细节等信息丢失的问题, 为保证遥感重建图像包含较多的纹理、 高频信息, 在生成对抗网络基础上提出一种基于金字塔注意力机制的遥感图像超分辨率网络。 设计了一种全新的金字塔双重注意力模块, 包括通道注意力网络和空间注意力网络。 通道注意力网络中采用金字塔池化取代平均池化和最大池化, 该结构设计从全局和局部信息角度出发增强特征表述能力; 空间注意力网络则采用大尺度卷积, 以加强局部信息的提取程度, 可有效提取纹理、 高频等信息。 设计密集多尺度特征模块, 利用非对称卷积提取不同尺度的特征信息, 通过密集连接融合多层级尺度特征以加强纹理、 高频等信息的提取精度。 在 公开的 NWPU-RESISC45 数据集上进行实验验证, 实验结果分析表明,该算法在主观视觉效果和客观评价指标上均优于对比方法, 重建性能相对较好。

随着人工智能(AI: Artificial Intelligence)技术的不断发展, 尤其是在深度学习、 图像识别和自然语言处理等领域的突破, AI 在医学影像教学中正逐步显示出其独特的优势。 为此, 对 AI 在医学影像在教学中的应用现状进行了综合分析。 结果表明, AI 不仅可以帮助学生和医务人员快速识别疾病特征, 还能提供自动化的影像分析结果, 使学习者能更直观地了解不同疾病的影像表现, 增强了学习的互动性和实践性。 并且其还能提供个性化的学习路径, 根据学生的学习进度和掌握情况, 推荐相关的教学内容或练习, 确保学习者得到量身定制的教学服务。 同时, 其高效性和精准性帮助学生能更好地理解复杂的医学影像内容, 从而提高学习效果。 随着技术的不断进步, 人工智能将在医学影像教学中发挥更大的作用。 未来的教学系统可能会更加智能化, 结合虚拟现实、 增强现实等技术, 为学生提供更加沉浸式的学习体验。

为在大数据环境下处理高维矩阵和应用奇异值分解提供更高效的解决方案, 从而加速数据分析和处理速度, 通过研究随机投影以及 Krylov 子空间投影理论下关于高维矩阵求解特征值特征向量(奇异值奇异向量)问题, 分别总结了 6 种高效计算方法并对其相关应用研究进行对比分析。 结果表明, 在谱聚类的应用上, 通过降低核心步骤 SVD(Singular Value Decomposition)的复杂度, 使优化后的算法与原始谱聚类算法的精度相近, 但大大缩短了运行时间, 在1 200 维的数据下计算速度相较原算法快了10 倍以上。 同时, 该方法应用于图像压缩领域, 能有效地提高原有算法的运行效率, 在精度不变的情况下, 运行效率得到了 1 ~ 5 倍的提升。

由于油气勘探开发中井下高温高压和复杂压力系统导致钻井过程面临的风险日益增大, 因此迫切需要一款集工况数据模拟计算与井下复杂监测控制相结合的软件系统, 助力实现安全高效钻井。为此, 运用先进的控压钻井技术, 实时监测井底压力、钻井液循环出入口流量差和密度等关键参数的变化, 分析井下工况的变化, 实现在钻井过程中井筒压力的快速、准确控制, 有效降低钻井过程的安全隐患, 及早发现并快速控制井下复杂情况, 为形成预测、预控和快速处置的井筒安全提供支持。设计的控压钻井计算模拟与控制软件旨在从录井、PWD( Pressure While Drilling)、MWD( Measure While Drilling)、控压等设备获取钻井相关信息, 建立水力学模型计算井筒压力、流量等参数。通过采用客户端/ 服务端网络架构, 实现了多个客户端同时连接一个服务端, 达到客户端数据同步的效果, 经现场验证既可满足单机使用, 又可方便网络连接, 实现后方集中分析处理与远程操控。结果表明, 该软件能准确地模拟计算各种钻井参数, 保证安全高效钻井。实现了控压钻井由现场工程师处理模式转变为后方基于数据平台的模式, 奠定了 1 个平台对 N 个现场控压钻井装备之间的互联互通基础, 有力推动了控压钻井的智能化发展。

为提高多无人船编队系统的导航能力,提出了一种基于注意力机制的多智能体深度确定性策略梯度(ATMADDPG: Attention Mechanism based Multi-Agent Deep Deterministic Policy Gradient) 算法。 该算法在训练阶段, 通过大量试验训练出最佳策略, 并在实验阶段直接使用训练出的最佳策略得到最佳编队路径。仿真实验将 4 艘相同的“百川号冶无人船作为实验对象。 实验结果表明, 基于 ATMADDPG 算法的队形保持策略能实现稳定的多无人船编队导航, 并在一定程度上满足队形保持的要求。相较于多智能体深度确定性策略梯度(MADDPG: Multi-Agent Depth Deterministic Policy Gradient)算法, 所提出的 ATMADDPG 算法在收敛速度、 队形保持能力和对环境变化的适应性等方面表现出更优越的性能, 综合导航效率可提高约 80% , 具有较大的应用潜力。

为提高路径规划效率, 避免蚁群算法输出非最优路径, 构建一种多智能体路径规划模型。使用栅格法建立智能体环境感知模型, 改进蚁群算法中局部和全局信息素更新规则, 通过调节转弯次数和信息素浓度约束蚂蚁行进。令算法能智能地放大或减少路径中信息素浓度。当迭代次数达到设置的最大迭代次数时, 输出值即为最优路径规划结果。经实验证明, 改进算法获得的规划路径较短, 迭代收敛速度较快。

 针对在室内应用超宽带 UWB(Ultra Wide Band)定位技术时, 需要建立高效精确的三维坐标定位系统以 克服信号干扰问题, 应用机器学习方法对其进行了研究。 首先使用多种统计分析模型清理无效或误差测量值; 然后将 TOF(Time Of Flight)算法的先验知识与神经网络、 XGBoost(eXterme Gradient Boosting)算法相结合, 提出 了神经XGB(Exterme Gradient Boosting)三维定位系统, 该系统可通过“正常数据冶和“异常数据冶 (受干扰)以及 4 个锚点的坐标精准预测靶点的坐标值, 能使误差在二维平面降至 5. 08 cm, 在三维空间降至 8. 03 cm; 同时 建立了判断数据是否受干扰的神经网络分类模型, 精确率为 0. 88; 最后通过结合上述系统, 得到了连续且规律 的运动轨迹, 证明了系统的有效性与鲁棒性。

为了能清晰理解互斥量对共享资源的独占访问原理与机制, 在简要分析实时操作系统的互斥量的含义、 应用场合、 调度机制以及关键要素作用的基础上, 对 mbedOS 互斥量调度机制进行了理论剖析。 以 KL36 芯片 为例对 mbedOS 的互斥量进行了实践, 基于时序图采用 printf 方法直观地输出了线程响应互斥量的调度过程信 息, 并对互斥量调度机制的实时性能进行分析。 通过对互斥量调度机制的剖析, 有助于进一步分析 mbedOS 的 其他同步与通信方式, 也可为深入理解其他实时操作系统的同步与通信手段提供参考借鉴。

针对传统无源有损积分环路滤波器相较于有源无损积分环路滤波器, 具有功耗低、 电路设计简单等特 点, 但其噪声传输函数(NTF: Noise Transfer Function)平滑, 噪声整形效果较弱的问题, 提出了一种无源无损的 二阶积分环路滤波器, 保留了无源有损积分优点的同时具有良好噪声整形效果。 设计了一款分辨率为 16 bit、 采样率为 2 Ms/ s 的混合架构噪声整形 SAR ADC。 仿真结果表明, 在 125 kHz 带宽、 过采样比为 8 时, 实现了 高信号与噪声失真比( SNDR( Signal to Noise and Distortion Ratio) 为 91. 1 dB)、 高精度(14. 84 bit) 和低功耗 (285u W)的性能。

针对不完整大数据因其自身结构具有不规则性, 导致在进行缺失值插补时计算量大、 插补精度低的 问题, 提出空间自回归模型下不完整大数据缺失值插补算法。 利用迁移学习算法在动态权重下过滤出原始数 据中冗余数据, 区分异常和正常数据, 提取残缺数据, 采用最小二乘回归对残缺数据实施修补。 将缺失值插补 分为 3 种类型, 分别为一阶空间自回归模型插补、 空间自回归模型插补和多重插补法。 根据实际情况将修补后 数据插补到合适的位置, 实现不完整大数据缺失值插补。 实验结果表明, 所提方法具有良好的缺失值插 补能力。

针对蜣螂优化算法存在易陷入局部最优、全局探索和局部开发能力不平衡等问题,为提升蜣螂优化算法 的寻优能力,提出一种混合策略的蜣螂优化算法。 采用Sobol序列初始化种群,以使蜣螂种群更好地遍历整个 解空间;在滚球蜣螂位置更新阶段加入黄金正弦算法, 提高收敛速度和寻优精度; 引入混合变异算子进行 扰动,提高算法跳出局部最优的能力。 对改进的算法进行8个基准函数的测试,并与灰狼优化算法、鲸鱼优化 算法和蜣螂优化算法等进行比较,并验证了3种改进策略的有效性。 结果表明,混合策略的蜣螂优化算法在 收敛速度、鲁棒性和寻优精度有明显增强。 

为更好地使 URLLC( Ultra-Reliable and Low Latency Communications) 与增强型移动宽带业务( eMBB: enhanced Mobile Broad Band)在同一载波频段有效复用, 进一步提升混合业务系统性能, 提出一种基于可扩展 传输时间间隔(TTI: Transmission Time Interval)的动态带宽分配策略。 系统根据业务类型进行带宽动态划分; 时域上提升 URLLC 调度优先级; 频域上采用不同长度的 TTI 进行以用户为中心的无线资源分配。 动态系统级 仿真表明, 在不同程度的负载水平下, 相比传统无线资源分配算法, 该方案能在有效满足 URLLC 用户时延 需求的前提下优化 eMBB 用户的吞吐量消耗, URLLC 用户时延增益最高达到 83. 8% , 提升了 5G 混合业务系统 中不同类型业务的服务质量(QoS: Quality of Service)。

针对微地震信号能量较弱, 噪声较强, 使微地震弱信号难以提取问题, 提出了一种基于 EM-KF (Expectation Maximization Kalman Filter)的微地震信号去噪方法。 通过建立一个符合微地震信号规律的状态 空间模型, 并利用 EM(Expectation Maximization)算法获取卡尔曼滤波的参数最优解, 结合卡尔曼滤波, 可以有 效地提升微地震信号的信噪比, 同时保留有效信号。 通过合成和真实数据实验结果表明, 与传统的小波滤波和 卡尔曼滤波相比, 该方法具有更高的效率和更好的精度。 

 针对传统教学模式中存在的资源分配不均、教学效率低等问题,建设了“6i”数字教育应用与支持服务 体系, 包括教(iLearn)、 学(iSocial)、 评(iSense)、 管(iEdu)、 服(iHelp)、 环(iMeta)6 个方面。 通过三化教室 建设、 数字化教学资源建设、 教学模式改革、 数字化教学质量管理以及新型数字技术教学应用探索等具体 措施, 实现了教学资源的数字化转型和教学模式的创新。 结果表明,数字技术的应用显著提升了教学质量和 学习效果,为学生提供了更多的自主学习和个性化学习机会。 该研究成果对其他高校在推进教育数字化转型 方面具有重要的借鉴意义,有助于构建更加开放、高效、智能化的教育体系,推动教育高质量发展。

为提高油田污水系统故障诊断的智能化水平和准确性,利用卷积神经网络以及长短期记忆网络构建复合 神经网络,并采用Adam与随机梯度下降法对结构进行优化, 使模型收敛速度以及故障诊断精度得到提升。 通过相关实验研究结果表明,采用的优化算法使模型准确度提升至0.87左右, 模型诊断损失率降至0.032 左右;复合神经网络结构的平均检测精度达到0.888,准确值达到0.883, 召回率达到0.789。 将复合神经网络 应用于油田污水系统故障诊断中, 使油田污水系统实现智能故障检测, 并能降低经济成本, 益于智慧油田 建设。

随着互联网技术发展, AI(Artificial Intelligence)技术在教育中的应用已成为教育创新的发展趋势。 为提高AI在课堂教学优化、学生评价、考试测评和师资培训等关键环节的作用,通过分析现有AI教育产品, 总结AI在教育领域的应用现状,并对其发展趋势进行了展望。 结果表明,AI技术能显著提升教学效率,实现 对学生学习情况的智能分析, 提供个性化教学支持。 同时, AI在教育资源配置和学习者特征分析中表现出 巨大潜力,有助于实现教育的个性化和精准化。 虽然其面临应用范围、研发力度和应用模式等方面的挑战,但 AI 技术的深入应用有望推动教育事业的发展和进步。 

针对现有工业时间序列数据异常检测算法并未充分考虑时序数据在时间相关性方面的研究问题, 提出了 一种改进的 HTM( Hierarchical Temporal Memory)-Attention 算法。 该算法结合了 HTM 算法和 Attention 机制, 能学习数据之间的时间依赖关系, 并在单变量和多变量时序数据上得到验证。 同时, 通过引入 Attention 机制, 算法可以关注输入数据中的重要部分, 进一步提高了异常检测的效率和准确性。 实验结果表明, 该算法对不同类型的时间序列异常数据能进行有效地检测, 并且比其他常用的无监督异常检测算法具有更高的准确率和更低的运行时间。 该算法在工业时间序列数据异常检测的应用中具有较大的潜力。

针对 RGB(Red Green Blue)模态与热度模态信息表征形式不一致, 特征信息无法有效挖掘、 融合问题, 提出了一种新的联合注意力强化网络-FCNet( Feature Sharpening and Cross-modal Feature Fusion Net)。 首先, 通过双维度注意力机制提升图像特征映射能力; 然后, 利用跨模态特征融合机制捕获目标区域; 最后, 利用逐层解码结构消除背景干扰, 优化检测目标。 实验结果表明, 该优化改进算法运算参数更少、 运算时间更短, 且模型整体检测性能均优于现有多模态检测模型性能。

为提升党的领导水平、增强党的执政能力、加强党的自身建设,进而推动中国特色社会主义事业的持续 健康发展,开发了一种干部信息管理系统。 系统引入了信息化技术,通过模型化、 可视化、 智能化的方式, 提高了干部选拔任用的科学性和规范性,并能对干部的日常思想、工作、作风等进行监督,实现了全面考核、 规范管理。 改进后的系统提高了干部选拔任用的准确性和效率,加强了干部日常管理监督,实现了干部绩效 考核的科学化和规范化。 通过实际应用表明,使用干部信息管理系统,能进一步提升党的事业发展,推动组织 工作向科学化、规范化、精细化方向迈进,实现党员干部队伍建设的新跨越。

为标定光交叉芯片驱动电压, 控制光交叉芯片实现光路由功能, 提出并搭建了基于多通道 DAC(Digital to Analog Converter)阵列的控制驱动电路系统。 系统主要由控制系统模块、 多路驱动电路模块及上位机控制 模块构成。 控制电路和驱动电路具有调校简单、 可双极性输出、 输出路数多、 加电精确度较高的特点, 解决 了当前驱动电路工作繁琐、 加电极性单一、 加电路数少、 精度差的问题。 上位机控制模块除了可控制驱动 电路施加控制电压外, 还可接收来自数据采集装置采集到的光功率信号作为控制驱动系统的反馈信号。 通过分析控制电压与光功率之间的关系, 可得到最佳的光交叉芯片控制驱动电压。 系统测试实验结果表明, 该系统能提供高精确度的双极性驱动电压, 有效地对光交叉芯片进行驱动。 可在较短的时间内标定出光 开关的控制电压, 完全可以满足有源光交叉芯片控制中对驱动电压的需求。 该系统在光交叉芯片控制方面具有一定的应用价值。

为保证电力应急物资及时配送, 使其可快速恢复供电, 减少经济损失, 以地理信息系统为基础, 提出 电力应急物资配送路径的规划方法。 先基于 GIS(Geographic Information System)地理信息系统中的 Map X 组件, 构建地理空间数据预处理模型, 然后根据处理后数据, 建立配送路径规划数学模型与约束条件, 最后融合遗传 算法、 爬山算法与蚁群算法, 循环运算数学模型, 取得最优配送路径。 实验以某次电力设备突发事件为背景, 当满足物资需求时, 规划路径在道路状况正常与非正常条件下的配送时间各减少 14 min 和30 min, 成本分别 减少10. 9 元和 5. 09 元, 证明所设计的规划方法具有显著优越性。

为解决油田开发指标的预测问题,提出了一种基于物质平衡方程和Informer的融合模型。 首先, 通过 物质平衡方程领域知识建立油田开发产量递减前后的机理模型;其次,将所建机理模型作为约束与Informer 模型损失函数进行融合建立符合油田开发物理规律的指标预测模型;最后,采用油田实际生产数据进行实验 分析, 结果表明相比于纯数据驱动的几种循环结构预测模型,本融合模型在相同数据条件下的预测效果更优。 该模型的机理约束部分能引导模型的训练过程,使其收敛速度更快,且波峰波谷处的预测更准确。 该融合模型 具有更好的预测能力和泛化能力和比较合理的物理可解释性。

 针对使用传统方法识别评估滑雪运动员的训练动作存在人为主观、准确率低等问题,提出了一种基于 改进OpenPose 和 YOLOv5(You Only Look Once version 5)的动作分析算法。 利用 CSP-Darknet53(Cross Stage Paritial-Network 53)作为 OpenPose 外部网络将输入图片降维处理并提取特征图。 融合优化 YOLOv5 算法, 提取 人体骨骼关键点构成人体骨架与标准动作进行对比,根据角度信息评分,并在模型中加入损失函数,量化实际 检测动作与标准动作的误差。 该模型可对运动员动作即时监控,能完成初步的动作评估。 实验结果表明,检测 识别准确率达到95%,可满足日常滑雪训练需求。 

为解决电力建设公司在向全过程咨询业务转型过程中遇到的多源异构数据问题,以及因意外情况导致的 设计管理人员需进行远程协同工作的挑战,提出以企业私有云为基础环境,结合多源异构数据融合技术,构建 知识图谱。 该系统通过集成来自全国各地的多样化数据源,优化了数据管理流程,确保了数据的一致性和可用 性。 最终实现了全过程咨询业务的分布式协同管理,显著提升了企业的核心竞争力。 同时,有效解决了数据 种类繁多、来源广泛且协议多样化不统一的问题, 改善了数据的质量与准确性, 并统一了存储架构, 提升了 整体数据管理效率,增强了决策支持能力。 

由于传统推荐系统虽然采用了图结构信息, 但大部分只考虑了用户和物品的基本属性, 忽略了用户和物品的上下文交互信息这个重要因素, 而即使考虑到了上下文交互信息, 在层组合阶段也缺少注意力机制赋予权重。 为此, 提出了一个融合了上下文交互信息和注意力机制的 CIAGCN( Context Information Attention Graph Convolutional NetworksN)推荐模型。 该模型利用用户和物品的上下文交互信息, 同时应用图的高阶连通性理论获取更深层次的协同信号。 在层组合阶段引入注意力机制以提高该阶段的可解释性。 将该模型在 Yelp-OH、Yelp-NC 和 Amazon-Book 数据集上进行实验对比, 结果表明相比其他算法, 该模型具有一定的效果提升, 说明推荐效果优于传统的推荐模型。

针对电动汽车直流充电桩故障多发且难以精准诊断的问题, 提出一种基于改进反向传播神经网络(BP: Back Propagation)的充电桩故障诊断方法。 首先, 对充电桩的运行数据集归一化、 缺失值填充等预处理, 将 处理后的数据集输入 BP 模型中进行训练; 其次, 引入基于蝴蝶优化算法改进的麻雀搜索算法, 对 BP 模型的权 值和阈值进行寻优, 得到最优化模型; 最后, 基于优化后的 BP 模型对充电桩的故障状态进行诊断。 仿真结果 表明, 在平均绝对误差、 平均绝对百分比误差、 均方根误差等方面均具有良好的计算优势, 相比传统 BP 算法 的诊断精度, 所提出的改进 BP 方法提升了 14. 85% , 能较为准确地诊断充电桩的状态, 为电动汽车故障诊断 提供有力保障。

目前管道泄漏检测传感器向小型化和智能化发展, 并且测量管道泄漏引起的物理量变化的技术也日益成熟。为便于管道泄漏检测技术的选择与优化, 系统综述了当前管道泄漏检测中广泛应用的压电式、光纤式和激光式等典型传感器, 重点分析了其在材料、结构及工作原理上的特点与差异。同时, 探讨了这些传感器在实际应用中的表现及国内外研究现状, 为管道泄漏检测技术的选择、 优化与未来发展提供理论支持和技术参考。

针对数字信息产生的海量、 多角度的非结构化大数据, 由于外界干扰、 数据结构损坏等因素造成其信息 丢失问题, 提出了基于迁移学习的非结构化大数据缺失值插补算法。 通过迁移学习算法, 预测非结构化大数据 缺失部位, 利用朴素贝叶斯算法分类数据特征, 度量属性间权重值, 明确数据类别特征差异向量, 辨别特征 差异程度。 采用核回归模型对数据缺失部分实施非线性映射, 经过多项式变化编码, 描述数据的跨空间互补条 件, 完成非结构化大数据缺失值插补。 实验结果表明, 所提算法可以有效完成非结构化大数据缺失值插补, 具有较好的插补效果, 能提高插补精度。

为确保网络安全, 及时掌控安全状况, 以易感者、感染者和免疫者( SIR: Susceptible Infected Recovered)模型为基础, 面向无线网络提出安全威胁态势量化评估算法。 选取资产价值性,系统脆弱性与威胁性作为量化评估指标, 分别根据信息资产的安全属性与主机劣势的 Agent 检测值, 得到价值性量化值与脆弱性量化值。基于病毒的传播特性, 改进 SIR 模型, 分析病毒传播特征, 获得威胁性量化值。结合 3 个指标量化值, 建立无线网络安全威胁态势的量化评估算法, 用所得态势值评估网络安全状况。测试结果表明, 该方法评估出的主机与整个无线网络的安全威胁态势值均与期望值高度拟合, 且评估时间更短。所提算法具备良好的评估准确性与实时性, 能为网络安全状况分析提供有效的数据依据, 及时给予管理员可靠的决策支持。