In recent years, wind power has become more and more important in the energy component. In order to improve the prediction accuracy of wind farms and help management and scheduling, a multi-site short-term wind power spatiotemporal combination forecasting model based on dynamic graph convolution and graph attention is proposed. Firstly, graph convolution is used to realize neighbor aggregation of temporal features between multiple sites, and the graph attention mechanism is used to enhance its ability to extract spatial features. At the same time, in view of the problem that the traditional model cannot deal with the real-time change of graph node correlation, the adjacency matrix is dynamically constructed according to the correlation coefficient and distance between nodes in the graph convolution process. Finally, the Gated Recurrent Unit is used to process the context information of dynamic graph convolution output to complete the prediction of wind power. The experimental results show that the proposed combined model is optimal in the aspects of prediction accuracy, stability and multi-step prediction performance.
In parallel channels of a nuclear reactor core, flow instability can cause a significant decrease in critical heat flux (CHF) or mechanical oscillation of the fuel components, endangering the normal operation of the reactor. The NUMAP software, developed based on the two-fluid six-equation theory and using the Modelica language, is a multi-domain unified modeling and simulation platform for nuclear power plants. In this paper, a parallel dual-channel system model was constructed based on the NUMAP software, referencing a high-temperature and high-pressure steam-water two-phase thermohydraulic experimental device, to simulate flow instability phenomena. The comparison with experimental data validated the transient analysis ability of the NUMAP software for flow instability phenomena. Based on this, the flow instability boundary of a parallel multi-channel system was calculated under the same operating conditions. When the number of parallel channels was 2, 3, and 4, the calculated flow instability boundary error did not exceed ±5%, verifying that a parallel dual-channel structure can be used to obtain the flow instability boundary when there are multiple parallel heating channels.
In this paper, we address the characteristics of various associations implied between fake reviewers and fake reviews, and the ability to construct review network graphs with dependency relationships. Firstly, we use graph neural networks to extract association features between reviews, propose a method to improve graph neural networks based on TrustRank and propose a multi-feature detection framework. Then the graph neural network is used to aggregate neighborhood feature output embeddings and connect them with the paragraph vectors extracted by Doc2vec. Finally, the experiments show that the algorithm in this paper can detect more fake reviews and has a better check-all effect.
Particle swarm optimization (PSO) algorithm has been widely used in large-scale complex problems such as resource allocation in recent years because of its simple implementation and easy operation. However, the slow convergence speed and low solution accuracy of the algorithm also restrict its further application. To solve the above problems, this paper introduces the chromosome crossing characteristics of genetic algorithm (GA), and proposes a comprehensive learning particle swarm optimization based on optimal particle recombination. With the help of the ability of comprehensive learning strategy to efficiently explore the solution space, this method organically combines the excellent information explored by each particle through the optimal particle recombination, so as to obtain a better individual, speed up the convergence speed of the algorithm, and improve the solution accuracy of the problem. The experimental results of benchmark function show that the proposed algorithm has faster convergence speed and optimization accuracy than the original algorithm, and the results of Friedman test and Wilcoxon signed-rank test prove the feasibility of the optimal particle recombination operation in particle swarm optimization.
针对轻量化网络结构从特征图提取有效语义信息不足,以及语义信息与空间细节信息融合模块设计不合理而导致分割精度降低的问题,设计一个深度融合空洞金字塔和一个语义融合模块,以进一步提取语义信息并进行深度融合.主干网络中采用双分支深度融合网络,通过设计的深度融合空洞金字塔结构进一步提取信息,在空间信息与语义信息融合的过程中,采用语义融合模块将深层次的语义信息与浅层次的空间信息进行自底向上逐步融合的方式,从而提高网络语义分割性能.最后,将所设计的网络结构在城市景观数据集上进行实验,取得了77.6%的平均交并比,对比其他网络结构,其能够有效提高分割结果.
根据《高等学校课程思政建设指导纲要》精神,基于建设"大思政课"背景探索计算思维与计算机基础课程的思政教育建设路径.从设计课程思政实施策略、强化教师思政意识、拓展思政元素来源、构建课程思政评价体系4个维度分析计算思维与计算机基础课程思政建设路径,并进行融合实践.实践表明,学生不排斥思政教育融入专业课,相较于理论讲授,学生更倾向于接受案例故事、视频动画等形式的思政教育内容.通过4个维度开展思政教育有助于课程思政融入计算机基础课程教学,采用具有故事性、引导性的教学手段有利于开展课程思政的育人工作,提升育人成效.
针对五邑大学电工与电子技术课程教学实际情况,提出课程改革具体思路.以学生为中心,优化教学方法和教学手段;利用虚拟仿真技术,开设综合性实验;优化教学内容,将课程思政浸润到教学内容;优化评价体系,构建多元化考核方法.实践证明,该教学改革有助于提高学生们的学习效率和积极性,学生反馈良好.
为解决本科生模式识别课程基础内容多、数学理论繁多且难度较高,但实践案例缺乏、学生学习过程缺乏趣味性的问题,分析了模式识别课程的主要内容体系,结合华为"智能基座"产教融合协同育人项目资源,设计模式识别课程案例库建设与实践教学方案,以此增强教学过程的完整性,提升学生的思维能力,吸引学生在课堂上的注意力.实际调查统计数据表明,该方案有效激发了学生课堂学习的主动性与课后实践的积极性,可达到使学生学以致用的教学效果.
情感分析研究往往依赖特定场景的大量标注数据,领域迁移会导致模型需要重新进行训练,因此跨领域情感分析任务应运而生.然而,目前跨领域情感分析方法大多考虑学习域的不变特征,或进行特征适应以处理源领域与目标领域的差距,并没有充分、高效地利用源领域数据,所以需要从数据迁移和利用的角度研究领域适应问题.不同于之前从源领域提取可迁移样本的启发式方法,提出一种通用的可学习的替代方法——梯度数据选择(GDS),可在训练过程中自动分配样本权重,由此使不可迁移的样本很容易在采样过程中被丢弃,而可迁移的样本会被更加频繁地采样到.在英文和中文两个数据集上进行实验,并将GDS应用到BERT、RoBERTa等模型进行通用性分析,实验结果证实了该方法的有效性.
针对永磁同步电机低速运行时存在的转矩脉动问题,提出模糊分数阶PID型迭代学习控制策略.首先,分析永磁同步电机转矩脉动的来源并建立数学模型.然后,在迭代学习控制基础上,为解决控制器调节范围有限的问题,提出分数阶PID型迭代学习控制方案,将微积分阶次由整数扩展至任意实数,并为解决参数选取困难的问题引入模糊控制理论,实现对控制器参数的实时在线调节.实验表明,所提控制算法能有效抑制输出转矩脉动,提高控制系统的动态性能与稳定性,呈现出更强的抗干扰性能,以期为解决永磁同步电机转矩脉动问题提供新的方法与思路.
当前YOLOv5算法在口罩识别检测任务中,当光线昏暗时会出现个别目标无法正确识别,同时也存在网络参数量大、在移动设备上运行速度慢的问题.对比通过将空间可分离卷积和深度可分离卷积进行自适应特征融合,设计一种融合注意力的SDC模块,其减少了网络模型的参数量,增强了网络的特征提取能力,提高了模型检测精度.使用随机遮挡和自适应对比度的数据增强方法,模拟了实际场景中存在目标遮挡或光线昏暗等现象.选用SIoU Loss作为边框回归损失函数,提高了网络训练速度和推理准确性.实验结果表明,相较于原始的YOLOv5算法,其平均精度均值(mAP)提高了1.3个百分点,检测帧率(FPS)提升约140%,能够更好地满足口罩检测任务的准确性和实时性.
根据532 nm、633 nm、785 nm和1 064 nm 4种波长激光照射到物质上的拉曼光谱采集需求,设计了四通道拉曼光谱仪的主控系统.该系统采用Hamamatsu公司的S11511-1106型面阵CCD和G14237-512WA型线阵铟镓砷图像传感器作为光电转换器;将STM32F407作为控制芯片,实现四通道图像传感器、四通道激光器和四通道电机的控制;利用FPGA实现图像传感器的驱动、A/D模数转换以及光谱数据采集;通过串口将数据传输到电脑端上位机显示.经实验测试,上位机端光谱信号显示准确,可以实现光谱的单次或连续采集;影响光谱成像的电压误差稳定在1.5%以内,纹波系数控制在2%以内.该系统实现了四通道光谱数据采集和传输,可以拓展到其他像元器件设计中,具有一定应用价值.
全球卫星导航系统(GNSS)在地质灾害监测预警领域应用广泛,由其位移—时间曲线计算得到的改进切线角是滑坡监测预警模型中的重要判据.现有的改进切线角计算方法计算结果波动性大,匀速变形阶段速度选取随机性强,导致计算准确性和时效性较低.鉴于此,实现了一种改进的切线角算法,采用拉格朗日插值微分的五点法可将计算准确度提升77.33%.同时,通过匀速阶段判识方法和设置速度更新条件,实现了切线角的动态实时计算,为滑坡监测预警提供实时、动态判据,提高了滑坡监测预警实用性.
超声手术刀在工作过程中,对能量发生器控制系统的实时性和稳定性有着较高要求.针对这些要求,设计一种基于DSP的超声刀能量发生器控制系统,该系统以主频达200 MHz的TMS320F28377D为主控芯片,通过芯片的ePWM模块、IIC模块、SPI模块和SCI模块完成对供电电路、驱动电路、反馈电路和人机交互系统的控制,产生驱动超声刀工作的正弦交流信号,调用CLA对采样信号进行运算并执行PID控制程序,完成对整个能量发生器系统的闭环控制.相比于数据运算和控制功能全部由CPU完成的MCU控制系统,协同使用CPU和CLA的控制系统运算速度更快、控制周期更短.采用恒定输出电流的功率控制策略,可最大限度地提高超声刀工作的稳定性,实现通过屏幕控制系统,并将系统的电压信号、电流信号等参数实时显示到屏幕上.
机器学习方法在预测作业运行时间中被广泛采用,但在实际使用中,算例数据收集、预测方法选择、作业特征提取、小样本数据预测准确度提升等,仍是亟待解决的问题.以上海交通大学校级计算教学平台使用负载中占比相当大的高斯应用为例,基于SLURM作业调度系统的前后处理机制设计了高斯算例收集系统,评估了不同机器学习方法结合不同特征采集方式对于预测作业运行时间的适用性.最终,在5 314个样本数据集上,基于决策树和深度神经网络结合Text-CNN提取特征及加入库伦矩阵F范数的方法分别获得71.87%和84.93%的准确度,优于传统支持向量机方法;在仅有118个样本的小数据集上,使用迁移学习方法复用预训练参数分别获得65.2%和63.3%的准确度,优于从零开始训练的方法;使用Text-CNN能够避免one-hot编码导致的稀疏矩阵特征且拓展性更强;引入库伦矩阵F范数对提高准确度发挥了重要作用.
按照"金课"建设标准,对Java程序设计课程进行改革,构造"价值塑造、知识传授、能力培养"三位一体的教学资源,以达成应用型本科计算机专业应用系统能力的培养目标.在教学改革过程中,选择恰当的切入点,融入课程思政,对学生进行价值引领;注重学生计算思维的训练,使其奠定坚实的专业知识基础;通过设计贯穿全课程的实践案例,加强学生对计算机应用系统的理解,使其具备系统设计和实现能力,以提升学生对复杂工程问题的分析能力和解决能力.
区域查询技术是面向城市地理空间大数据GIS系统的一个重要组成部分.在面对多中心、非均匀分布的城市地理空间数据时,相较于传统树形结构的R-tree索引,MVD索引通过多层网络结构有效避免了节点重叠带来的空间查询算法效率低下问题,然而原生MVD索引无法直接支持非点型空间对象的区域查询.针对该问题,首先根据点—质心—对象整体的映射关系设计一种基于MVD索引的非点型空间数据管理方案,并基于该方案利用空间对象最小外包圆的边界扩展技术实现了一种可靠的空间区域查询算法MVD-Polygon;然后根据空间对象尺度分布特征提出一种用于提高区域查询算法效率的的分级索引构建策略;最后在MVD索引的基础上形成了一套面向城市地理空间非点型数据的高性能区域查询技术框架MVD-Polygon-Grade.实验结果表明,与基于R-tree索引的主流区域查询算法Multi-step相比,MVD-Polygon-Grade在城市地理空间查询场景中具有更高的运行效率,充分证明了所提技术框架的可行性与实用性.
超声手术刀在工作过程中由于超声换能器的声阻抗变化、自身发热等情况导致其谐振频率产生漂移,驱动信号的频率难以准确地工作在换能器的谐振频率处,从而导致超声换能器停震或损坏.为解决上述问题,采用等效电路法分析超声换能器的谐振频率特性,设计基于FPGA的频率跟踪方法实时跟踪超声换能器的谐振频率.首先利用DDS产生频率可调节的驱动信号,然后设计相位检测模块实时检测换能器电流和电压的相位差,同时为了提高跟踪效率,通过PID算法进行控制以实现频率跟踪.实验结果表明,所设计的频率跟踪方法可以快速实现频率跟踪,跟踪误差保持在±2Hz内,避免了跟踪过程中出现的反谐振频率跟踪和失锁等问题,具有响应速度快、鲁棒性强等优点.
以ChatGPT为代表的生成式人工智能掀起了新的技术浪潮,以生成式人工智能的应用为切入点,探讨一种基于生成式人工智能的教师自主学习模式.通过分析生成式人工智能在成人自主学习领域的优势,说明其应用于教师专业发展中的可行性.围绕教师自主学习过程,立足成人学习理论,结合齐莫曼自主学习理论模型,从前瞻阶段、表现阶段以及自我反思阶段分析生成式人工智能在教师自主学习中可以提供的帮助.生成式人工智能能够在学习前帮助教师设定学习目标、提供个性化资源和推荐学习策略,在学习过程中进行指导、回答问题和提供建议,以及在学习后帮助教师评估学习效果、进行自我反思和规划进一步学习行动.最后强调了生成式人工智能作为一种辅助工具的重要性,强调教师应积极参与自主学习过程,并认识到人工智能的可能性和局限性.
在智能化时代背景下对地理空间信息软件人才培养模式进行研究与实践,提升学生综合能力以应对智能化时代日益复杂的现实问题,从而满足现代地理空间信息软件研发对人才能力和素质的要求.通过建设教研一体化跨学科教学平台,构建人工智能与地理空间信息工程专业相结合的课程新结构,以及建立智能化、多维度、重实践的教学创新模式,通过多学科融合的培养模式促进交叉学科人才培养.研究表明,学科建设与人才培养相辅相成,在智能化时代下开展地理空间信息软件人才培养模式探索对于学科建设而言机遇大于挑战.亟需明确学科建设目标、优化人才培养方案、丰富课程实践资源建设,使得学科实践成果可满足教学改革、学风建设、创新实践以及面向地理空间信息软件领域卓越工程师培养的需求.
