基于机器学习预测微生物加固钙质砂统一动强度

为探究不同微生物加固程度、有效围压和相对密实度与微生物加固钙质砂的动强度系数之间的相对重要性大小,并建立相应的统一动强度准则,用以预测微生物加固钙质砂的动强度,依据86组微生物诱导碳酸钙沉淀(MICP)技术加固钙质砂的不排水三轴试验数据建立数据集,利用反向传播神经网络(BPNN)和多元自适应回归样条(MARS)方法对数据集进行训练和预测。结果表明：微生物加固程度对动强度系数的影响程度最大,有效围压的影响稍逊之,相对密实度的影响相对较小,其相对重要性大小均值分别是100%、94%与68%,基于机器学习方法对微生物加固钙质砂的动强度系数进行预测的效果优于传统方法建立的统一动强度准则所获得的结果,其中BPNN模型的预测结果更准确,MARS模型的计算效率更高。     

基于工学结合的高职模具专业实践教学体系构建

模具行业对技术人员的素质和能力要求越来越高,借鉴外国的先进经验,推进工学结合,改革模具专业实践教学体系,构建科学合理的高职模具专业实践教学体系势在必行。     

混合式教学在《汽车测试技术》课程中的应用探索与反思

混合式教学是将线上教学与线下教学相结合的新型教学模式,充分利用混合式教学的优势以达到提升课程质量的目的。文章以《汽车测试技术》课程为例,对课程混合式教学的设计与实践进行了探索,分析了实施效果,进而总结了教学反思,旨在指导课程教学质量持续改进,同时为同类课程的混合式教学提供一定参考。     

基于轻量化网络和注意力机制的智能车快速目标识别方法

为提高智能车在真实环境中的实时检测能力,改善复杂环境下检测效果不佳的问题,本文提出一种基于轻量化网络和注意力机制的智能车快速目标识别方法。首先,为了减少网络计算参数和提升目标识别算法的推理速度,提出利用GhostNet加速YOLOv4的特征提取;其次,为了提高复杂场景下对道路目标的识别精度,在GhostNet和特征金字塔部分添加结合软阈值化改进的注意力模块;最后,为了验证本文提出方法的有效性,选取Pascal VOC、KITTI公开数据集和自制城市道路数据集进行实验对比。与其他目标检测算法在精度和速度上进行比较,结果证明,本文方法在平均检测精度提升1.7%的情况下,模型参数量降低到原来的18.7%,检测速度提升了66%,检测速度和精度均优于其他算法,可满足智能车的实时感知需求。     

Key technologies of ship remote control system in inland waterways under ship-shore cooperation conditions北大核心CSCD

［Objective ］ To meet the requirements of remotely controlling ship in curved, narrow and crowded inland waterways, this paper proposes an approach that consists of CNN-based algorithms and knowledge based models under ship-shore cooperation conditions. ［Method］On the basis of analyzing the characteristics of ship-shore cooperation, the proposed approach realizes autonomous perception of the environment with visual simulation at the core and navigation decision-making control based on deep reinforcement learning, and finally constructs an artificial intelligence system composed of image deep learning processing, navigation situation cognition, route steady-state control and other functions. Remote control and short-time autonomous navigation of operating ships are realized under inland waterway conditions, and remote control of container ships and ferries is carried out. ［Results］The proposed approach is capable of replacing manual work by remote orders or independent decision-making, as well as realizing independent obstacle avoidance, with a consistent deviation of less than 20 meters. ［Conclusions］The developed prototype system carries out the remote control operation demonstration of the above ship types in such waterways as the Changhu Canal Shenzhou line and the Yangtze River, proving that a complete set of algorithms with a CNN and reinforcement learning at the core can independently extract key navigation information, construct obstacle avoidance and control awareness, and lay the foundation for inland river intelligent navigation systems. © 2022 Journal of Clinical Hepatology. All rights reserved.     

A methodology for identifying similar days in air traffic flow management initiative planning

This article describes a methodology for selecting days that are comparable in terms of the conditions faced during air traffic flow management initiative planning. This methodology includes the use of specific data sources, specific features of calendar days defined using these data sources, and the application of a specific form of classification and then cluster analysis. The application of this methodology will produce results that enable historical analysis of the use of initiatives and evaluation of the relative success of different courses of action. Several challenges are overcome here including the need to identify the appropriate machine learning algorithms to apply, to quantify the differences between calendar days, to select features describing days, to obtain appropriate raw data, and to evaluate results in a meaningful way. These challenges are overcome via a review of relevant literature, the identification and trial of several useful models and data sets, and careful application of methods. For example, the cluster analysis that ultimately selects sets of similar days uses a distance metric based on variable importance measures from a separate classification model of observed initiatives. The methodology defined here is applied to the New York area, although it could be applied by other researchers to other areas.     

多Agent强化学习下的城市路网自适应交通信号协调配时决策研究综述

相对于传统的交通信号配时决策方法,多Agent 强化学习及其协调方法能更好地适应城市 路网交通环境的变化。为探讨其在城市路网自适应交通信号配时决策中的应用,系统地总结了多 Agent 强化学习及协调机制的研究方法,详细地分析了国内外研究现状,并指出现有研究中存在 的问题,在此基础上对未来研究进行了展望。研究结果表明,既有研究主要针对规模较小的路 网,存在维数灾难问题,强化学习与协调机制结合研究还不够深入,相关学习参数分析不够细 致,仿真环境和情景现实性不强。未来研究可以引入马尔科夫博弈提高决策协调性,嵌入混合交 通流、公交优先等交通管理思想增强决策实用性,引入先验知识及其他学习技术加快学习速度, 融入物联网、主动管理、大数据等先进理念和前沿技术增加决策的实时性,与交通诱导等集成提 升决策的系统性。     

基于注意力机制的CNN-LSTM剩余寿命预测研究

机械设备剩余寿命的准确预测可以降低昂贵的维护费用,提高机械设备的安全性。随着深度学习的发展以及注意力机制被广泛应用于各个领域,基于数据驱动的剩余寿命预测方法为机械设备寿命预测提供了众多的方法。文章提出了一种基于注意力机制的CNN-LSTM剩余寿命预测方法,该方法利用不同的注意力机制包括通道注意力、CBAM机制和自注意力等进行剩余寿命预测试验。注意力机制可以向CNN-LSTM提取的特征信息分配不同的权重,突出关键的特征信息,过滤无用信息,进而更准确地表示设备的退化特征信息,最终得到设备的剩余寿命。文章对NASA发动机数据集进行了剩余寿命预测试验,同时研究了不同注意力机制影响,试验结果表明,基于注意力机制的方法可以有效地进行剩余寿命预测,所提方法具有一定的应用价值。     

基于Kubernetes的铁路客运营销深度学习平台的设计与实现

为解决铁路客运营销深度学习平台Tensorflow框架存在的环境配置复杂,资源利用率低、模型设计周期长等问题,提出了基于Kubernetes容器的PaaS平台构建TensorFlow容器的统一资源调度管理及API访问控制服务架构.经平台实践证明,该架构为客运营销提供了可靠、稳定的分析环境,降低了模型的训练难度,提高了模...     

EFI系统自学习模糊控制的研究

本文提出了一种电子汽油喷射系统的智能控制方案－自学习模糊控制，自学习控制通过对燃油喷射脉冲宽度的调控，使发动机在运行的全过程中始终在保证动力性的基础上达到油耗最低的最佳或满意状态，自学习控制中喷射脉宽的增量是由模糊控制来确定的，实验证明，该智能控制系统改善了发动机的性能。