一种心音信号采集及分类实验系统设计

心音信号的采集和分析在医疗领域具有重要的实际应用价值,本论文构建了一套居家简易心音采集、诊断系统,包括家用下位机和远程医用上位机。下位机采用换能器、心音信号处理、单片机等模块,可对心音信号预处理和本地危急预警,后将处理好的数字心音信号通过无线串口传送到上位机,上位机对心音信号进行滤波、下采样和归一化处理,用双谱法对心音信号进行特征提取,再用Adam自适应学习优化算法训练AOCT神经网络[4],最后使用训练好的神经网络对正常心音和四种异常心音信号实现了较准确的分类和出具初步诊断建议。

基于半监督目标检测的异常用能检测研究

研究有效学习含噪声标签数据集中异常用能行为特征的检测方法,对降低非技术性损失以保障电网经济与安全运行至关重要。针对异常用能检测问题,提出一种基于半监督目标检测的异常用能检测模型,该模型利用多通道特征拼接检测网络,提高了检测准确性,同时结合半监督学习方法,有效缓解了标签数据不足的问题,为异常用能检测提供了创新的技术路线。

基于机器学习的烟叶除杂工序优化设计

传统的烟叶除杂主要依赖人工和机械分拣,导致产生了效率低和精度不足的问题。随着光谱技术和机器学习的发展,特别是深度学习在图像识别中的显著性能提升,文章引入了这些先进技术,以提高除杂工序的自动化水平和准确性。文章采用了卷积神经网络(CNN)与长短期记忆网络(LSTM)的组合模型进行特征提取和分类,从而提升烟叶的利用率和生产效率。该设计为烟草行业及其他工业除杂应用提供了新的可能性。未来的工作将专注于进一步优化数据处理和算法,以适应更广泛的工业场景。

计算机视觉在烟叶自动解包工序中的应用研究

针对烟草制丝车间自动解包工序中存在的问题,提出了基于计算机视觉技术的库卡机器人智能识别与安全控制系统设计方案。通过结合计算机视觉技术,系统设计包括图像采集、数据处理、控制执行及用户交互界面,旨在实现烟包的快速识别、精确定位和安全抓取。尽管存在环境适应性、成本效益及算法泛化能力等局限性,但研究成果对烟草制丝行业及工业自动化领域具有重要的实际应用价值和参考意义。

计算机组装AR交互系统的设计与实现

为降低计算机组装实训的成本和提高效率,开发了基于Unity3D引擎和Vuforia SDK的计算机组装增强现实技术(AR)交互系统。把在安卓设备中安装开发打包的apk文件,并通过对预设卡片进行识别呈现计算机组装虚拟场景,使用手指对场景里的计算机配件进行组装并评测,完成对台式机和笔记本的组装训练。经过仿真测试,该系统表现出良好的稳定性与拓展性,较好地满足了计算机组装AR虚拟实验的要求。

基于专业相关应用案例的Python人工智能编程能力培养研究

传统的教学模式已无法满足当前计算机应用型人才培养的需求。基于当前人工智能编程教学现状和互联网平台,通过翻转课堂,结合专业应用需求设计典型案例,编写新形态教材,优化成绩评价方式等手段,文章构建了Python人工智能编程能力培养体系,旨在全力提升不同专业学生的人工智能编程水平。

大数据时代的智慧养老系统建设分析

互联网+的兴起为养老提供了新思路,即智慧养老模式。文章分析当前智慧养老业态下相关系统的发展现状及不足,发现老年人需求逐渐增长,智慧养老扶持力度逐渐增大,产业体系的基本形成和产品创新速度的逐渐加快,使智慧养老产业在我国的市场规模不断扩大,但仍存在技术人员缺乏、技术不完善以及系统的适老化等问题。文章提出了建设统一的信息平台、促进需求、扩大供给、加大智慧养老系统的投放力度、将社会人才与智慧养老相结合等具体建议。

基于CNN和HOG的司机分心检测

针对现有CNN网络模型只关注网络最后一层的输出而未能充分利用中间层的输出特征,而事实上中间层特征包含很多有用信息,提出一种端到端的提取多阶段中间网络层输出特征,并与HOG(Histogram of Oriented Gradient)特征融合的司机分心检测模型。模型参数量仅为3.6 M,同时采用L2权重正则化、Dropout以及批量正则化对模型性能进行提升。在两个公开的数据集State Farm Distracted Driver Detection(SFD3)和AUC Distracted Driver(AUCD2)进行了实验验证,在SFD3准确度达到99.78%,比现有论文提高约3百分点,网络参数量分别减少约95%;在AUCD2上准确度达到95.15%,比现有论文提高约2百分点,网络参数量减少约60%。

零边界条件下一维非线性细胞自动机可逆性的判定算法

可逆性的性质对于经典的计算机科学理论模型——细胞自动机(Cellular Automata,CA)具有重要意义。尽管CA在零边界条件下的线性规则的可逆性问题已经得到了大量的研究,但非线性规则目前还很少被探索。文中研究了在有限域Z_(p)上一般一维CA的可逆性问题,找到了一种优化Amoroso无限CA满射性判定算法的方法。基于此,文中还提出了在零边界条件下判定一维CA可逆性的算法,其中包括一种在零边界条件下判定一维CA严格可逆性的算法,以及一种基于桶链的在零边界条件下计算一维CA的可逆性函数的算法。这些判定算法不仅适用于线性规则,也适用于非线性规则。除此以外,还证实了可逆性函数总是有一个周期的,且其周期性与对应桶链的周期性有关。文中给出了一些可逆CA的实验结果,并通过实验结果对理论部分进行了补充验证,进一步支持了文章的研究结论。

基于衰减层析的地下浅层震动能量场重建方法

针对地下浅层震动能量场重建过程中高精度、各向异性的需求,提出一种基于衰减层析的地下浅层震动能量场重建方法。首先,根据速度场模型通过射线追踪计算出地下震动波的传播路径;其次,使用对数谱比法对地下介质的品质因子进行反演;然后,求出震动波在不同传播距离情况下的吸收衰减系数;最后,对震动波进行吸收衰减及几何扩散衰减得到地下浅层震动能量场。仿真结果表明,重建的震动能量场与正演结果的均方根误差为7.653,单个网格的重建能量值与正演结果的最大相对误差为15.3%,平均相对误差3.4%,提出的方法相较于传统方法能够提升地下浅层震动能量场重建精度,对地下浅层震动能量场重建具有一定的应用参考价值。

基于博弈论的能量合作安全机制

针对能量合作技术可能存在的能量不可加密、能量不可备份和能量状态不可见的安全隐患,该文提出了一些可行的解决方案。首先,引入博弈论中重复囚徒困境模型,使用“一报还一报”策略促使节点合作行为的产生。其次,利用能量签名技术实现能量传输的抗抵赖性,利用定期能量报告技术防止节点能量状态伪造。最后,综合上述防范策略提出能量合作安全算法,并通过仿真实验验证其有效性。

高校网站群平台信息安全管理研究与实践

在网站受不良信息攻击背景下,利用网络技术和主流开发软件开发信息安全功能模块,能够提升网站群平台抗击不良信息攻击的能力。文章将从顶层设计、网站安全、技术保障、规范操作四个方面探索高校网站群平台信息安全管理模式。

面向虚拟装配培训的约束引导通道轻量化构建方法

随着虚拟现实技术日益成熟,其在工业制造领域得到了广泛的应用,为产品可装配性验证和装配培训提供了新的途径。现阶段虚拟装配培训领域的研究主要集中在虚拟环境的真实感设计、用户界面与交互设计、硬件设计与优化等方面,其中存在对算法实时性和硬件设备计算性能要求高的问题。文章提出一种面向虚拟装配培训的约束引导通道轻量化构建方法,解耦约束引导通道的模型构建和引导使用两个阶段,采用离线预先计算约束引导通道的方法,提高了在线检测碰撞阶段效率和实时性;结合WebGL技术的跨平台优势,复用前序装配工艺仿真数据,提升了虚拟装配场景的可交互性。

在线开放课程驱动混合式教学改革与实践

为培养学生初步具备软件开发的基本能力,本文探讨数据结构课程的教学改革新模式。将课程资源开发、线上线下教学、编程实践以及学科竞赛相结合,并以哈夫曼树为案例,进行混合式教学实践说明。实践教学结果显示,混合式教学的教学效果优于传统教学。

基于异构设备的自适应分配编码器的联邦学习

在联邦学习中,不同用户的设备计算、通信、储存能力存在很大差别,容易产生掉队等不公平问题,对现有的联邦学习提出重大挑战。为解决这一问题,提出一种自适应编码器分配模型(federated learning adaptive encoders,FedAE),根据设备的性能将不同编码器组合发送给用户进行本地更新,在服务器端对相应的编码器进行参数聚合。通过这样按需分配,使得所有设备充分发挥设备性能,保证公平。FedAE通过级联分类器进行分类处理,提高模型整体的准确性,节省计算资源。通过实验对比准确度、收敛性快慢等方面,FedAE在解决设备异构问题上提供了更好的方案。

考虑晶圆驻留时间约束的双臂组合设备群调度

组合设备群代表了当前晶圆制造装备发展的新趋势,其调度控制水平直接攸关半导体芯片制造企业的整体经济效益。针对半导体芯片制造中考虑晶圆驻留时间约束的双臂组合设备群,文章提出了一种基于特征转换的调度控制方法。首先,引入一种概念型晶圆制造系统,即特征双臂组合设备,并给出相应的稳态调度方法。其次,采用特征转换方法,将线性/树形结构的双臂组合设备群转换为特征双臂组合设备。随后,根据转换后的特征双臂组合设备重新调整双臂组合设备群的机械手作业序列,并求解可行的稳态调度方案。最后,通过实例验证了所提方法的有效性。

装配设计工艺软件界面的设计与优化

为提高产品研制效率,基于软件界面的可用性研究,结合感性工学和算法等方法,总结适用于装配工艺设计软件界面设计的一系列方法。通过对装配工艺设计软件进行功能研究分析,选择具体功能图标,结合设计调查得到答题行为分析数据,选择适合于装配工艺设计软件的功能图标设计风格。结果表明:该方法能提高产品可装配性验证、规划和分析装配过程的步骤和环节,提升工作效率。

基于文献计量和知识图谱的电动车辆路径问题研究综述

为揭示电动车辆路径问题领域的研究与发展现状,对CNKI和Web of Science数据库中电动车辆路径问题1994-2022年间的期刊文献进行知识挖掘与分析。基于文献计量学的量化分析与知识图谱的可视化,通过分析文献外部特征和共被引情况,梳理研究热点及热点演进趋势,归纳研究主题,总结出电动车辆路径问题的知识域包括研究主题和应用场景,其中,研究主题由变体研究、充电调度、求解方法三部分构成;对电动车辆路径问题在复杂实际问题、高效求解算法方面的未来发展进行展望,这将为电动车辆路径问题研究的深入化与国际化提供一定的推动作用。

基于Web技术的通用巡检路径绘制方法研究与应用

为了解决传统巡检路径绘制存在的地图经纬度坐标定位精度存在误差,无法方便地配置巡检底图,巡检点位多造成点位坐标数据的标记更新操作繁琐、枯燥,生产现场通讯条件复杂需满足离线使用的要求等问题,提出一种基于Web技术的通用巡检路径绘制方法,通过使用HTML、CSS、JavaScript以及localStorage本地存储技术实现了通用巡检路径的绘制。通过性能对比验证试验验证了使用不同循环渲染机制的效果差异。在不同项目生产运营系统的巡检模块中应用效果表明:实现的巡检路径绘制方法解决了上述几方面问题,效果良好,具有很好的推广使用价值。

基于新型纵向联邦学习的隐私保护物联网数据共享方案

随着物联网的快速发展,大量的设备生成了海量的数据,但同时也带来了数据隐私和安全方面的挑战。纵向联邦学习作为一种隐私保护的机器学习方法,在物联网数据共享方面具有应用潜力。然而,现实中存在恶意参与方可能篡改数据或提供错误的模型信息,导致出现使全局模型准确性下降的投毒攻击。为了应对这一挑战,提出了一种基于隐私保护的纵向联邦学习系统在物联网数据共享中的应用方案。深入研究了纵向联邦学习中的SecureBoost算法,并结合物联网数据共享的特点,提出了一种能够验证聚合加密模型信息完整性的方案,有效防御主动方投毒攻击,并确保数据隐私和模型准确性之间的平衡,同时通过仿真实验验证了所提方案的有效性。研究结果为应对物联网数据共享中的隐私保护和数据安全问题提供了一种新的解决方案,能够为推动联邦学习在物联网领域的应用提供技术支持,促进数据合作和共享的可行性,提高物联网系统的安全性和可信度。