关键词： 智能监控系统   计算机   图像处理技术  

摘要： 智能监控系统采集信息以图像为主,而图像处理技术主要用于图像分析以解决图像模糊、存在噪点的问题,因此可引入图像处理技术优化智能监控系统的性能。基于智能监控系统的基本概念,文章分析了计算机图像处理技术的特点,以提高初始图像处理效果为目标,提出了科学应用图像处理技术全面提升智能监控系统性能的措施,有一定的参考价值。

关键词： 路径优化   佳点集   邻域搜索   冷链   遗传算法  

摘要： 学界对于带时间窗的路径优化问题早有研究,但传统算法受限于无法收敛或局部最优等问题。为此,文中提出一种改进遗传算法,以低碳冷链物流配送为应用场景,构建综合总成本最小化模型,包括车辆固定成本、运输成本、碳排放成本及超时惩罚成本等。算法通过佳点集改进初始解分布,避免局部最优,并优化交叉和变异过程以提高效率。此外,引入邻域搜索策略以扩大搜索范围。实验采用PyCharm软件,结果显示改进遗传算法在求解速度和搜索能力上优于传统及自适应遗传算法。

关键词： 初中英语   产生式系统   大单元   写作教学  

摘要： 写作能力是学生认知、思维能力和文字表达能力的综合体现。当前初中英语写作教学中为考试而写作的情况仍然存在,部分学生的写作空洞,更多是在机械模仿。本文根据《中国高考评价体系》中提出的产生式系统,以及核心素养所呼唤的大单元教学设计两个教学理论,结合初中英语写作教学案例,总结出“立足审题列项,产出思路;化整为零,产出语篇;个性指导,产出高度”等策略,以期优化初中英语写作教学。

关键词： 信号距离度模型   支持向量机   遗传算法   绕组变形  

摘要： 为了解决在使用频响法诊断绕组变形时依赖于人工经验判断误判率较高的问题,实现变压器绕组变形的精准诊断,提出了一种基于信号距离度模型和SVM的变压器绕组变形诊断方法。文中利用信号距离度模型,通过计算分频段互复距离度、互距离度、相关系数,将其作为特征量输入支持向量机进行故障分类。使用遗传算法(GA)对支持向量机进行参数优化。使用Pspice分别模拟了以5%为等级的57份样本和以3%为等级的90份样本,仿真发现,使用分频段互复距离度作为特征来进行绕组变形故障分类的准确率达到96.296 2%和97.222 2%,分类效果明显高于仅考虑幅值特性的互距离度和传统的相关系数。并通过实际变压器形变数据证明了其有效性,为变压器绕组故障诊断提供新思路。

关键词： 演化计算   神经架构搜索   遗传算法   代理模型   排序预测   得分预测  

摘要： 大量的实际应用场景已经很好地证明了神经网络的优异性能,而神经网络性能的主要决定因素在于其架构.目前,最先进的优秀架构需要人工设计,并且依赖大量的专家经验和反复的试错来验证性能.近年来不断发展的演化神经架构搜索(Evolutionary Neural Architecture Search,ENAS)能够在一定程度上减轻人工设计的负担.然而,即使ENAS方法能够自动地搜索到优秀架构,却因为其巨大的时间和计算资源消耗导致难以被广泛使用.代理模型能够较好地解决这一消耗过大的问题,但是现有的代理模型辅助的演化神经架构搜索并不能充分融合搜索和代理的过程,并且目前代理方法难以准确预测精度相近的网络架构的准确排序关系.同时,现有的代理模型普遍需要大量的架构信息作为训练数据才能获得较好的代理精度,这些特点都导致代理模型难以较好地辅助ENAS,从而制约了ENAS的发展.本文中,我们提出了排序得分预测器辅助的演化神经架构搜索方法(Rank Score Predictorassisted ENAS,RSP-ENAS).在使用本文提出的面向排序得分预测的新型损失函数的情况下,作为得分预测器的多层感知器(Multi-Layer Perceptron,MLP)给出的种群中个体性能得分的排序与他们实际性能的顺序会尽可能保持一致.在使用本方法搜索的过程中,预测获得的得分可以直接被用于精英选择.在搜索阶段中,本文提出了一种两阶段的搜索方法,在搜索的前期使用小种群关注于代理数据集历史信息的积累,在后期着重使用代理模型预测大种群的适应度值.本文中的实验在EvoXBench平台上进行,并且能够在所有的基准数据集上都取得较好的结果,另外我们还在ImageNet数据集上进行了验证.和其他方法相比,本文的方法在NASBench-101空间上能够搜索到最优的架构.在NASBench-201空间的三个数据集上的正确率相较于其他最优方法分别取得了0.35%、1.12%、0.55%的进步.在ImageNet上使用真实数据集进行的实验中,我们的方法获得了2.2%的分类精度的提升.另外,在使用相同数据量的情况下,本文中提出的排序得分预测模型得出的排序结果相较于其他最优方法在K endall’s Tau系数上获得了1.55%的提升.此外,我们还对代理模型中使用的One-hot编码和提出的排序损失进行了验证,从而证明这两项模块对于整体算法的有效性.

关键词： 矿井通信   射线追踪法   路径损耗模型   基站选址   覆盖半径   数字高程模型   遗传算法  

摘要： 煤矿巷道狭长且多分支的结构特征导致5G信号难以实现全面覆盖,巷道内的高路径损耗导致无线信号传输受限,因此需要对煤矿巷道基站进行选址规划。现有方法大多通过最大化视距区域的覆盖范围实现基站选址,忽略了非视距区域的基站选址问题。针对该问题,提出了一种基于射线追踪路径损耗模型的煤矿巷道基站选址方法。基于射线追踪路径损耗模型确定矩形断面巷道中基站的覆盖半径;构建了巷道数字高程模型,在此基础上确定了基站位置优化问题的目标函数,通过最小化基站数量和位置优化达到最佳覆盖率;采用遗传算法对基站位置进行优化选择,从而确定基站最优位置。仿真结果表明,使用14个基站的选址方案时,网络覆盖率为91.2%,与数值计算结果的误差仅为2.4%。煤矿巷道实测结果表明,信号接收功率略低于模拟结果,-80 dBm的信号强度可提供200 m的覆盖半径,验证了射线追踪路径损耗模型的有效性。

关键词： 遗传算法   故障自动定位   配电网  

摘要： 阐述一种基于遗传算法的配电网离线故障自动定位方法。分析基于遗传算法的配网故障定位过程,并对定位结果进行评估。结果表明,所提方法可以快速、准确地实现配电网离线故障自动定位。

关键词： 人工智能技术   计算机应用专业   发展探究  

摘要： 近年来,人工智能(AI)技术在教育领域取得显著的进步,然而教师队伍在掌握和应用人工智能技能方面相对滞后。同时,学生也面临适应未来智能化工作环境的挑战。面对这一时代背景,高职院校计算机应用专业的发展模式亟需进行适应性调整,以更好地满足社会对人才的需求。文章深入分析人工智能对教育领域产生的深远影响,并探讨高职院校如何因应这些变化,调整发展模式。经过深入研究,提出一系列具有针对性的策略:包括创新教学内容与方法,加强校企合作,优化实践平台等。研究结果为高校计算机应用专业的课程设置和教学方法的改进提供具体、可行的建议。

关键词： 桥梁工程   损伤定位和量化   元学习   模态数据   健康监测   人工神经网络  

摘要： 针对现有基于深度神经网络的结构损伤识别方法需要大量标记数据的不足,提出了一种基于元学习的结构损伤定位和量化方法。首先,基于人工神经网络建立结构损伤定位和量化模型,学习结构模态参数(频率、振型)与刚度参数之间的非线性映射关系;其次,利用模型无关元学习方法训练损伤定位和量化模型,优化人工神经网络的初始权值参数,以提升损伤定位和量化模型在少量数据下的泛化性能;最后,在少量模态数据下基于训练模型进行快速学习,实现结构损伤的定位与量化。该方法利用模型无关元学习训练策略获取先验知识,可在少量训练数据条件下加速新结构损伤定位和量化任务的学习过程。采用3跨桥梁数值算例和Z24桥工程实例验证所提方法的有效性。结果表明:在少量模态数据下,该方法能有效且准确地定位和量化结构损伤;与传统的人工神经网络方法和迁移学习方法相比,该方法具有更快的收敛速度和更高的识别精度。

关键词： 炸药密度   改进遗传算法   交叉率   变异率   BP神经网络  

摘要： 为了能利用工艺参数实时预测药柱密度并提高密度预测精度,提出采用改进遗传算法优化BP网络(improved genetic algorithm backpropagation neural network,IGA-BPNN)的炸药密度预测模型。通过动态调整GA的交叉概率和变异概率,确定BPNN权重和阈值的最优值,构建IGA-BP预测模型,利用采集的工艺参数,基于所构建模型进行炸药密度预测。实验结果表明:改进的GA对交叉率和变异率做出了更好的调整,能快速搜寻BPNN的最优权重和阈值,提高炸药压制密度的预测精度。