关键词： 深度学习   高校计算机机房   入侵检测  

摘要： 随着信息技术的快速发展，高校计算机机房的网络安全问题日益突出。针对高校计算机机房网络安全面临的威胁与挑战，提出了基于人工智能技术的网络安全防御系统。该系统通过数据采集和预处理后，运用基于深度学习的入侵检测技术，将入侵检测结果发送到展示层来实现人机交互。研究表明，该系统可为高校计算机机房的安全稳定运行提供可靠保障，有力维护校园网络信息安全环境，促进高校教学、科研等活动的顺利开展。

关键词： 服务卸载策略   边缘计算   深度强化学习  

摘要： 针对当前智能家居环境下不同服务任务对计算延迟的需求存在差异，如何协调多个终端设备之间的任务卸载的问题，提出一种基于资源分配优化算法(Resource Allocation Optimization Algorithm, RAOA)的边缘计算服务卸载策略。该算法通过深度学习驱动的马尔可夫决策过程(Markov Decision Process, MDP)生成连续的卸载决策，并结合深度双向Q-Learning算法实现离散的部分卸载决策，从而优化系统性能，提供更为灵活的任务卸载方案。RAOA通过智能调度和资源分配，能动态适应多变的服务需求，能够在不同网络条件下实现资源的最优利用，确保在多样化的场景中都能提供稳定而高效的服务。RAOA算法在减少时间延迟和能源消耗方面表现出明显优势，能够有效满足智能家居环境中多样化的服务需求。

关键词： 多泵多马达   神经网络功率预测模型   动态规划算法   改进自适应遗传算法   全局功率匹配  

摘要： 针对“多泵-多马达”液压系统运行过程中因功率匹配而导致的低效率问题，提出一种基于反向传播(BP)神经网络算法、动态规划算法(DP)与改进自适应遗传算法(IAGA)的智能优化协同方法，以实现系统全局功率匹配和节能目标。针对遗传算法寻优效率低、无法对离散变量进行优化的问题，在前人提出的遗传算法优化输出的最佳发动机转速和液压泵排量进行功率匹配的基础上，采用在多泵输油系统节能中应用广泛的动态规划算法，近一步对马达的投入排量、马达和发动机投入数量进行优化。利用具有较强非线性映射能力和高拟合精度的BP神经网络算法建立泵和马达效率模型以及发动机燃油消耗模型，采用动态规划算法确定当前工况下马达和发动机最优投入数量，确定变量泵和变量马达的高效排量范围。利用改进自适应遗传算法搜索当前工况下泵和马达最佳排量组合，并通过提高功率传递路径上各元件的效率，实现全局效率最高。最后，通过在具有“多泵-多马达”液压系统的工程车辆进行实车油耗测试验，以验证该方案的可行性。结果表明：新方案与原控制方案相比，马达和泵的效率提升明显，具有较好的节油效果。

摘要： 一、 晋商资本介入与舞蹈生态重构(一)商业网络与艺术传播的共生明代盐政改革催生的山西商人群体，至清乾隆年间已建立起覆盖全国的商业体系。这些商人在积累财富的同时，通过修祠堂、办社火、养戏班等方式提升了文化影响力。据史料记载，道光年间某票号每年用于节庆活动的经费，相当于20户农民全年收入的总和。

摘要： 随着人工智能技术的迅猛发展,其在教育领域的应用也日益广泛。在中职计算机教学中,引入人工智能技术不仅可以提升教学效率,还能增强学生的实践能力和创新能力。本文探讨基于人工智能的中职计算机教学资源开发系统设计路径,通过理论分析与实践探索,以期为中职计算机教学的改革提供参考。在基于人工智能的中职计算机教学资源开发系统设计过程中,教师应帮助学生建立更高的视角来看待事物,并以更高层次的方式进行学习和实践。然而,这种教学模式对教师提出了更高的要求,教师必须具备良好的信息素养,引导学生应用这一技术更好地反馈自己对知识的掌握情况。

关键词： 智能交通   行人流建模仿真   BP(back propagation)神经网络   行人流实验   迁移学习  

摘要： 行人流仿真对于解决大型交通场站等人群密集场所的拥挤和安全问题发挥了重要作用,但目前广泛使用的行人流模型往往依赖人为假设的模型规则,导致模型参数缺乏现实依据以及标定困难、模型与实际不符等问题.近年来,基于人工神经网络的数据驱动模型能够更高精度地还原行人流在现实场景中的实际行为特征,但对训练数据的依赖性强,且存在对不同场景泛化能力弱等问题.为此,提出一种结合仿真数据和实验数据的BP (back propagation)人工神经网络行人流仿真模型训练方法,并定义了一套包含46个参数的新模型参数组合;然后利用仿真数据对模型进行预训练;最后结合实验数据对模型进行迁移学习.结果表明,用仿真数据预训练模型可有效弥补真实数据不足的缺陷,且模型迁移学习训练结果的R值超过0.96,均方误差低于0.003,证明了迁移学习在提高模型泛化能力和预测精度方面的有效性.

关键词： 基层治理   数字化转型   数字负担  

摘要： 随着信息技术的飞速发展，基层治理数字化转型已成为提升治理效能、优化服务供给的重要途径。然而，在这一过程中，数字负担问题逐渐凸显，成为制约数字化转型深入发展的关键因素。文章从数字系统的碎片化、数字系统的考核、数字素养不足、数字鸿沟等角度，深入剖析数字负担的生成原因，并从数字负担的消解策略方面，提出加强建立部门数字化协同治理、设立科学合理的考核机制、提高基层工作人员的数字素养、加强社会主体共同参与等一系列具有针对性的建议。

关键词： 移动边缘计算   多智能体深度强化学习   计算卸载   资源分配   服务缓存  

摘要： 建立了一种有向无环图(DAG,directed acyclic graph)任务卸载和资源优化问题,旨在应用最大可容忍时延等约束实现系统能耗最小化。考虑到网络中计算请求高度动态、完整的系统状态信息难以获取等因素,最后使用多智能体深度确定性策略梯度(MADDPG,multi-agent deep deterministic policy gradient)算法来探寻最优的策略。相比于现有的任务卸载算法,MADDPG算法能够降低14.2%至40.8%的系统平均能耗,并且本地缓存命中率提高3.7%至4.1%。

关键词： 双种群遗传算法   电子产品   装配线平衡优化  

摘要： 随着全球电子产品市场快速发展，企业面临着提高生产效率和降低成本的双重压力。装配线平衡问题作为生产管理中的关键难题，已出现多个研究方法，传统的电子产品装配线平衡方法存在灵活性差、效率低下、成本控制有限、适应性不强以及缺乏系统性等问题。文章针对电子产品装配线平衡优化问题，提出了一种基于双种群遗传算法（dual-population geneticalgorithm, DPGA）的解决方案。随着电子产品技术的快速发展，生产过程中面临的复杂性与不确定性日益增加，挑战也越来越大。文章首先对电子产品的装配流程进行了描述，并定义了装配线平衡的评估指标，如周期时间、空闲时间、工人利用率与成本节约等。通过建立基于双种群遗传算法的优化模型，算法以探索者种群和精英种群的协同机制为核心，提高了解的多样性与全局搜索能力。在实验设计中，通过数据采集与分析，验证了双种群遗传算法在解决装配线平衡问题中的有效性。实验结果表明，DPGA在负荷不平衡度、收敛速度、计算时间等方面均显著优于传统遗传算法及其他优化算法。

关键词： 大数据   人工智能   计算机网络   安全防御   防火墙  

摘要： 现有算法在处理高维计算机网络流量数据时，其算法的时间复杂度和空间复杂度会随着数据维度的增加而迅速增加，出现维度灾难现象。为此提出基于大数据与人工智能的计算机网络安全防御研究。首先。利用大数据技术对网络流量数据同构化处理；然后，应用人工智能技术对计算机网络流量数据深度挖掘，通过多层的神经元结构，可以对高维的网络流量数据进行分层处理，将复杂的数据映射到低维的特征空间，降低数据复杂性，有效实现入侵行为识别。最后，根据入侵识别结果驱动防火墙，自动拦截入侵流量访问，并将内部计算机网络的私有IP地址转换为公共IP地址，隐藏内部网络结构，防御计算机网络安全。经实验证明，设计方法ROC曲线非常接近左上角，网络入侵行为拦截精度较高。