关键词： 中波发射系统   数字预失真   遗传算法   深度学习   调试维护  

摘要： 为提升中波发射系统的运行效率和可靠性,针对系统调试维护中的关键技术难点开展研究。提出基于数字预失真的功放链路优化方法,通过可程序化逻辑门阵列(Field Programmable Gate Array,FPGA)实现功放非线性特性的实时校正;采用遗传算法优化天馈匹配网络,实现宽带范围内的阻抗匹配;基于小波变换和卡尔曼滤波算法提升监控系统测量精度。在维护技术方面,构建了智能诊断、自适应建模和深度学习的维护技术体系。实验结果表明,该方案的维护效果明显优于传统方法,实现了系统运行状态的智能诊断和故障预警,具有重要的工程应用价值。

关键词： 职业教育   专业群   中国特色学徒制   人才培养   消解策略  

摘要： 在发展新质生产力的背景下,国家大力推行中国特色学徒制,培养技能人才,打造技能中国。职业院校专业群结合中国特色学徒制人才培养的价值意蕴和现实困境,基于产业发展的职业院校专业群的组群逻辑,构建专业群中国特色学徒制人才培养框架,提出确定“贴近需求、动态调整”精准化的专业群学徒制培养目标,构建“三层分类、岗课融通”模块化的专业群学徒制课程体系,实施“项目驱动、工学交替”双元化的专业群学徒制教学模式,建立“多元多维、增值赋能”个性化的专业群学徒制评价体系等推进中国特色学徒制人才培养的策略。

关键词： 遗传算法   难度方差   自动组题   组卷策略  

摘要： 为研究既能根据课程特点进行题目组织,又能高效快速生成考试试卷的考试系统,构建了基于遗传算法的“数据结构”智能组卷系统。首先,基于“数据结构”课程题目特性,提出了一种新的自动组题方法。根据不同数据自动生成多样化图形,结合题目类型,在题干不变的情况下创造出多个难度相同的不同题目,增加了组卷时选题的灵活性,并确保试卷难度均匀性。其次,采用基于难度方差适应度函数的遗传算法,优化题目的选择和组卷过程。优先选取分值较高的主观题作为初始种群,并采用轮盘赌算法进行选择和变异,通过迭代使适应度尽快收敛,确保题目在试卷中均匀分布。研究成果已应用于“数据结构”课程的在线考试系统。

关键词： 项目调度   人员指派   线上-线下协同   多技能员工   遗传算法  

摘要： 随着信息技术的快速发展和企业数字化转型浪潮的引领,在云计算、人工智能和数字化平台等技术的支撑下,项目活动的标准化、自动化和实时交互程度逐渐提高,使得线上-线下协同作业成为可能,并逐渐成为助力企业降本增效的一种新型作业模式。本文从这一现实背景出发,研究项目活动作业模式选择(线上作业、线下作业、线上-线下协同),线上、线下人员指派,以及活动时间安排的多决策集成优化问题,以提升数字化背景下的项目管理效率。本文结合线上、线下人员作业特征构建了数学规划模型。进一步,为满足大规模问题计算需求,设计了内嵌9种策略的遗传算法有效求解该问题。通过实验分析验证了模型及算法的有效性,探究了项目活动类型特征、线上线下人员配比以及协作难度等对决策方案的影响,为企业有效开展项目线上-线下协同作业、合理配置线上线下人力资源提供指导建议。

关键词： 松散回潮机   模型预测   人工神经网络  

摘要： 为解决卷烟制丝工艺段中松散回潮工序出口烟叶含水率波动大等问题,根据系统运行特性,设计基于线性回归、概率分布与人工神经网络算法相结合的组合式预测模型,并将模拟退火算法与该预测模型相结合,实现在线智能调控功能。将松散回潮的加水流量按照每个烟丝批次生产总量的25%、50%、75%等3个阶段分别进行补偿加水,采用模型预测值与实际值对比的方法进行检验。结果表明:采用模拟退火优化算法通过3个阶段补偿加水控制方法解决了松散回潮烟叶出口含水率稳定性问题。改进后实现了松散回潮机出口烟叶含水率的自动控制,有效提高系统控制稳定性。该技术能够替代人工在线控制并提高生产效率。

关键词： 应急   资源配置   遗传算法  

摘要： 针对城市区域可利用空间和应急资源总量有限的特点,提出了一种基于综合应急效益最大化的应急基地选址与资源配置联合优化方法。研究以提升区域全域应急效率和应急需求满足程度为目标,构建了多目标优化模型。在求解方法上,采用遗传算法并结合启发式预筛选策略,以提高求解效率与精度。通过MATLAB软件实现模型求解,并结合算例验证了模型的有效性。

关键词： 人际情绪调节   情绪调节   情绪   人际互动  

摘要： 人的社会性决定了许多情绪调节发生在人际互动中,这种在人际互动中利用人际资源调节自我和他人情绪的过程就是人际情绪调节。已有研究从目标视角和过程视角解析人际情绪调节的内涵与应用,发现人际情绪调节在个体心理健康、特殊群体治疗和组织氛围培养等场域均有重要价值,并可作为工具性手段来促进行为目标的达成。恰当使用人际情绪调节可促进个体和群体情绪的良性发展,未来研究应加强内在机制、策略整合和本土化等方面的探索。

关键词： 剩余疲劳寿命   疲劳寿命预测   遗传算法   高斯过程回归   机器学习  

摘要： 剩余疲劳寿命预测对于保障工程结构的安全可靠至关重要。特别是,当结构物遭受变幅值载荷时,由于疲劳损伤累积的复杂性性以及数据中固有的噪声和不确定性,使得剩余疲劳寿命预测具有挑战性。为了解决这个问题,建立混合机器学习模型GA-BP-GPR方法,该方法使用GA-BP方法(遗传算法-反向传播神经网络)映射输入和剩余寿命之间的复杂关系结合GPR(高斯过程回归)获取相应的不确定性,用于估计两级加载下金属材料的剩余疲劳寿命。在包含12种金属材料、总共328个样本的数据集上对GA-BP-GPR方法进行全面评估。GA-BP-GPR方法对测试集所有预测结果都落在3倍分散带内;与5种机器学习方法和2种传统疲劳预测方法对比结果表明所提方法对两步载荷下的剩余寿命预测具有较高的准确性和可靠性。此外,所提方法对没有参与训练的Al-2024-T42的预测结果都在2倍分散带内,表明所提方法对新材料剩余疲劳寿命预测的泛化能力。

关键词： 数字经济   碳排放总量   碳排放强度   人均碳排放量   条件效应   人工神经网络  

摘要： 数字经济如何在可持续发展框架下推动碳排放双控正引发社会各界广泛关注和深度探讨。为精准识别数字经济与碳排放之间的内在联系,创新性地运用人工神经网络模型系统探究数字经济对碳排放总量、碳排放强度、人均碳排放量的净效应与条件依赖性。结果表明:(1)数字经济发展推进了碳排放总量减排且速率随经济发展水平上升而增强;数字经济对碳排放强度、人均碳排放量的净效应分别表现为负偏态倒“U”型趋势、先下降再上升再下降的“S”型态势,且对二者的减排效应直到数字经济发展水平达到较高门槛值时才显著。(2)人工神经网络模型相比较传统计量估计更具适用性和精准度,在拟合数字经济对碳排放总量、碳排放强度、人均碳排放量的净效应时,精准度相比较传统计量估计分别提升了65.58%、67.86%、56.57%。(3)数字经济对碳排放的影响表现出城市规模、城市行政等级和数字经济试验区异质性。超大和特大城市数字经济发展的总量减排效应最显著,但在碳排放强度和人均碳排放量减排方面仍需优化;行政等级较高城市数字经济发展有助于碳排放强度和人均碳排放量减排,但在总量减排上未体现优势;数字经济试验区充分展现了绿色发展和碳减排的制度优势,尤其是在碳排放强度和人均碳排放量减排方面。(4)数字经济对碳排放的净效应因经济发展水平、外商直接投资、技术创新能力和技术关注度等条件变化而变化,意味着推进数字经济的碳排放双控可以从上述四个方面发力。

关键词： 恶意软件   静态检测   深度学习   浅层人工神经网络   可移植执行文件  

摘要： 针对基于深度学习的可移植执行(PE)恶意软件检测方法中,数据集存在的不平衡或不完整问题,以及神经网络结构过深或特征集庞大而导致的模型计算资源开销和耗时增加问题,提出一种基于浅层人工神经网络(SANN)的PE恶意软件静态检测模型。首先,利用LIEF(Library to Instrument Executable Formats)库创建PE特征提取器从EMBER数据集中提取PE文件样本,并提出一种特征组合,该特征集具备更少的PE文件特征,从而在减小特征空间和模型参数量的同时能够提高深度学习模型的性能;其次,生成特征向量,通过数据清洗去除未标记的样本;再次,对特征集内的不同特征值进行归一化处理;最后,将特征向量输入SANN中进行训练和测试。实验结果表明,SANN可达到95.64%的召回率和95.24%的准确率,相较于MalConv模型和LightGBM模型,SANN的准确率分别提高了1.19和1.57个百分点。SANN的总工作耗时约为用时最少的对比模型LightGBM的1/2。此外,SANN在面对未知攻击时具备较好的弹性,且仍能够保持较高的检测水平。