关键词： 现货价格预测   人工神经网络   极限学习机   电力市场  

摘要： 电力不同于其他商品一样能够进行存储,电力现货价格往往存在着不确定性。在竞争激烈的市场中,电力现货价格预测模型成为了电力相关企业非常重要的工具。为进一步加强电力相关企业的购电决策能力,提出了一种基于极限学习机算法的中短期电力现货价格预测模型。首先通过极限学习机算法训练的人工神经网络确定未来半年的月平均现货价格,其次在算法中构建参考函数返回与给定风险相关的参考价格,降低现货市场波动风险。结果表明,所提出模型的预测均方根误差低于期货价格相关值的10%,能够改善中短期电力交易决策,降低决策风险。

关键词： 智能控制技术   网络空间安全   安全防护能力   大数据   智能计算   数据安全   人工智能   网民规模  

摘要： 随着互联网的飞速发展,网络安全问题日益严峻。截至2023年12月,我国网民规模达10.92亿人,个人信息和数据安全面临巨大挑战,全球网络攻击事件也逐年增加。近年来,人工智能和大数据技术取得了长足进步,智能计算能力较十年前提升了几十倍。将大数据和智能控制技术应用于网络安全领域,对于提升安全防护能力,维护网络空间安全具有重要意义。

关键词： 人工智能技术   “计算机网络”课程   教学应用  

摘要： 在教育领域,人工智能技术正日益成为改革教学方法和提升学习效果的重要力量。人工智能技术涵盖机器学习、深度学习、自然语言处理等多个子领域,其能通过智能化的教学辅助工具和方法,为“计算机网络”课程提供个性化学习路径、实时互动反馈及模拟实验环境等支持。文中从人工智能技术的基本概念入手,分析了“计算机网络”课程教学面临的主要挑战,详细探讨了人工智能技术在“计算机网络”课程教学中的具体应用,并提出了一套切实可行的解决方案,以提升“计算机网络”课程的教学质量和教学效率。

关键词： 退火遗传算法   通信网络   次级链路   吞吐量   时延   负载  

摘要： 为了提升通信网络服务质量与性能,降低通信网络丢包量。为此,文章提出基于退火遗传算法的通信网络次级链路吞吐量优化方法,分析通信网络组成结构,以吞吐量最大和网络时延最短为目标建立目标函数,并对次级链路带宽和负载进行约束,建立次级链路吞吐量优化模型,采用退火遗传算法对模型求解,得到最优吞吐量优化策略,实现通信网络次级链路吞吐量优化。经实验证明,设计方法应用下吞吐量提高,丢包量降低,具有良好的优化效果。

关键词： BP神经网络   钢筋混凝土柱   骨架曲线   遗传算法  

摘要： 钢筋混凝土(RC)柱的抗震性能对结构整体的稳定至关重要,RC柱的骨架曲线反映了其在反复荷载作用下不同阶段的强度、刚度、延性、耗能及抗倒塌能力等特性,对研究RC柱的抗震性能十分重要。文中基于PEER数据库中的159组矩形截面柱作为样本,构建11-15-1的三层神经网络结构,并利用遗传算法(GA)对神经网络进行改良。利用GA-BP模型对RC柱骨架曲线进行预测。结果显示:与BP神经网络相比,GA-BP神经网络平均绝对误差降低8.97kN,预测值平均绝对百分比误差降低6.22%,所得骨架曲线与样本真实骨架曲线更为相似,该模型具有良好的实际应用价值。

关键词： 人工智能   机器学习   图形化编程   计算思维  

摘要： 计算思维是信息科技学科核心素养的重要组成部分,而人工智能是课程六大逻辑主线之一。以人工智能中的机器学习为抓手,紧贴初中学生理论和认知水平,精心设计讲解、引导、体验和实践环节,让学生了解机器学习的广泛应用,摸索其原理,清楚其带来的变革与挑战,理解机器在学习进化过程中的底层算法逻辑,培养学生思辨精神,在体验探索前沿科技的过程中,培养学生计算思维。

关键词： 人工智能   符号主义   联结主义  

摘要： 自人工智能兴起之初,就有人对其发展倍感期待,也有人对此惶恐不安。无论人们对其态度如何,不可否认的是人工智能已经成为了推动人类社会进步的重要驱动力量。然而,若想充分发挥人工智能对社会发展的重要赋能作用,就必须在厘清人工智能的工作机理的基础上,剖析其局限性,找到人工智能的发展路径。人类智能主要包括演绎推理和归纳总结两种思维形式,其分别对应着人工智能的两种逻辑进路:符号主义与联结主义。文章通过分析符号主义与联洁主义人工智能在目前的局限性和未来的潜力,找到人工智能的发展方向,对人工智能有一个公正客观而又与时俱进的认识。

关键词： 人工智能   计算机领域   应用   影响  

摘要： 通过本论文,深入分析了人工智能在计算机领域的应用以及其对技术、就业市场和社会的影响。这些研究结果对于我们更好地理解人工智能的应用和影响,以及把握未来的发展方向,具有重要的理论和实践意义。

关键词： 遥感   人工神经网络   长势监测   理化复合参数   冬小麦  

摘要： 准确、及时地监测区域作物长势状况对农业规划和政策的制定与调整具有重要的意义。遥感技术作为一种收集大面积作物长势信息的有效手段,正日益受到关注。为提高冬小麦长势遥感监测的准确性和全面性,该研究基于田间实测的冬小麦拔节期地上鲜生物量(aboveground fresh biomass,AFB)、叶面积指数(leaf area index,LAI)、叶片叶绿素相对含量(soil and plant analyzer development,SPAD)和叶片氮含量(leaf nitrogen content,LNC)4种生长相关理化参数,利用熵值法获取各参数权重构建冬小麦理化复合参数(physico-chemical composite parameter,PCCP)。利用显著性检验和籽粒产量数据分析复合参数在量化冬小麦长势方面的性能。然后,以Sentinel-2A作为数据源,分析不同遥感指数与LAI、SPAD、AFB、LNC和PCCP的相关性。选取相关性较高的遥感指数作为反向传播(back propagation,BP)人工神经网络(artificial neural networks,ANN)的输入,建立冬小麦长势遥感监测模型,对PCCP进行估计。评价模型精度并用于监测研究区冬小麦长势分布特征。赋权结果表明,作物物理参数的权重大于生化参数,其中LAI的权重最大,为0.387,AFB和SPAD次之,LNC的权重最小,为0.105;PCCP性能评估结果表明,与单一理化参数相比,PCCP值能更好地揭示作物长势状况的差异,其与最终籽粒产量的相关性更好,决定系数提高0.035~0.468,均方根误差减少46.2~520.0 kg/hm^(2);在遥感监测过程中,PCCP比单一理化参数有更好的应用潜力,BP-ANN长势遥感监测模型模拟PCCP精度较高,在测试集中决定系数为0.830,均方根误差为0.080;研究区冬小麦总体长势稳定且分布集中,呈现"中部差,南北好"的空间分布特征。因此,构建作物理化复合参数用于量化作物长势是提高长势监测可靠性和准确性的一种有效方式,可为冬小麦田间管理提供科学依据,服务于发展智慧农业和建设农业强国的战略需求。