基于重采样和混合集成学习的不平衡窃电检测

针对电力用户类别不平衡导致窃电检测具有偏向性问题,该文提出一种基于重采样和混合集成学习的不平衡窃电检测模型。首先以Easy-ensemble混合集成学习框架为基础确定最佳采样子集数;然后通过重采样自适应策略,即根据用户用电数据集的不平衡度以及最佳采样子集数确定检测模型的重采样方式,使用电数据达到平衡;最后按照先串行集成减小偏差、后并行集成降低方差的混合集成方式,对重采样后的均衡样本进行窃电检测。算例对比分析表明所提检测模型通过重采样和混合集成有效解决了传统集成算法在不平衡窃电检测中的偏向问题,降低了由于用电数据的不平衡性对集成结果的影响,提高了用户类别不平衡的窃电检测效果,在多种不平衡度下模型的准确率、F1值和G均值均表现优异。

高速数字化三维集成式CCD-CMOS图像传感器

为了解决CCD与CMOS工艺兼容性低、互连集成制作难度大,以及芯片间接口匹配和高性能兼备等问题,对CCD器件拓扑结构与像元、CMOS读出电路、三维异质互连集成及高密度引脚封装等技术进行研究,提出了一种1024×256阵列规模的集成式CCD-CMOS图像传感器。该器件实现了CCD信号的高精度数字化处理、高速输出及多芯粒的技术融合,填补了国内CCDCMOS三维集成技术空白。测试结果表明:集成CCD-CMOS器件的光响应和成像功能正常,双边成像效果良好,图像无黑条和坏列,互连连通率(99.9%)满足三维集成要求,实现了集成式探测器件的大满阱高灵敏度成像(满阱电子数达165.28ke^(-)、峰值量子效率达86.1%)、高精度数字化(12bit)和高速输出(行频率达100.85kHz),满足集成化、数字化、小型化的多光谱探测成像系统要求。

基于状态划分和集成学习的轴承剩余使用寿命预测模型

针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警范围,结合连续触发机制自适应确定DST;然后,采用具有自适应噪声的完全集成经验模态分解(CEEMDAN)对退化阶段信号序列进行了自适应分解;最后,构建了集成学习模型,考虑分量的不同特性进行了多步滚动预测,融合预测结果得到了轴承RUL,采用滚动轴承XJTU-SY公开数据集进行了试验验证。研究结果表明:与基于长短时记忆神经网络(LSTM)、反向传播神经网络(BPNN)的预测方法相比,该方法预测结果的平均绝对误差分别降低了11.7%以及5.6%,相对均方根误差分别降低了12.2%以及10.7%,验证了该方法在轴承RUL预测中的有效性和优越性。

基于慢波基片集成波导的小型化移相功分器

针对移相器和功分器的功能融合设计,提出了一种基于慢波基片集成波导(Slow-Wave Substrate Integrated Waveguide,SW-SIW)的小型化移相功分器,两个输出分支等长带宽,可实现30°相移量.其中一个输出分支通过基片集成波导(Substrate Integrated Waveguide,SIW)实现,而另一个输出分支将互补开口谐振环(Complementary SplitRing Resonator,CSRR)加载在上层金属表面,代替传统SIW连续的金属表面,该CSRR由经典CSRR结构演变而来,同时为了降低由CSRR加载所造成的相位上的不稳定,在CSRR内部添加金属化通孔,实现SW-SIW,使得截止频率和相速度降低.测试结果表明,移相功分器在9.0~11.8 GHz频带范围内反射系数|S11|小于-10 d B,相对工作带宽为26.9%,插入损耗小于1.3 d B.两个输出端口的相位差稳定在30°±3°,幅度差小于1.4 d B,实现了等功率分配.所设计的移相功分器具有较小的尺寸和低制造成本,适合应用在相控阵天线中.

基于MBD的电子装备研发数字化集成协同环境构建

电子装备的研发是一项复杂且系统化的工程,而现有研发模式下存在多专业协同不足、产品研发周期长、技术状态变更频繁、研发成本高等问题,已无法满足市场需求。针对上述问题,以产品研发流程再造和优化为基础,开展数字化集成协同研发环境构建,系统性探索产品多专业协同、多领域共享的研发管控模式。通过基于模型定义(Model-based Definition,MBD)技术,规范了装备研制过程,实现了电子装备基于xBOM的数字化定义和数字量的传递,以及设计工艺一体化数据管理,从而提高了研发效率,缩短产品研制周期10%以上,设计重用率超过30%,降低了研发成本,提高了装备的性能和可靠性。

基于集成算法的腐蚀管道失效压力预测研究

为了提高腐蚀管道剩余强度的预测精度、解决单一预测模型易受训练数据的质量影响而发生运行及预测输出不稳定的问题,引入两种集成模型方法。首先对于串行结构集成方法,以支持向量回归(SVR)融合正余弦策略改进的黑猩猩优化算法(IChOA)为基础建立AdaBoost-IChOA-SVR模型;其次对于双层并行结构方法,根据预测问题筛选出相关性低且学习效果良好的预测算法作为第一层基预测器,调节新数据集形成方式及相关参数设置,建立Stacking堆叠集成模型。以含腐蚀缺陷管道失效压力爆破数据为例,利用MATLAB分别进行仿真模拟,与基础SVR和PSO-ELM模型的预测结果及评价指标进行对比分析。研究结果表明:集成预测模型具有更好的预测输出性能,且串行结构的AdaBoost集成学习模型的构造流程较为简洁,运行速度及精度更高;该模型对腐蚀缺陷管道失效压力预测问题的拟合度可达0.996,相对误差均值可达3.69%,可为后续腐蚀管道相关预测模型建立和防护维修策略制定提供参考。

供应链集成的高质量发展机制研究——集成场视角剖析新质生产力及应用

供应链集成是制造业与物流业由于产业联动形成的两链集成优化的研究对象,文章探讨其在高质量发展模式中的网链战略协同、资源整合、信息共享等集成优化机制。供应链集成的重点领域有汽车物流、家电物流、化工物流等产业联动模式。集成场理论基于改革开放以来的物流集成实践积淀,提供了以最简合成场元、同态原理、新质生产力原理等构建的网链合成场元,以形成网链功能运行、内涵创新、结构突变、延伸发展等机制,进而将业内、业外,境内、境外,微观经济动能、宏观政策势能辩证统一起来,将其作为新质生产力及其应用的研究范畴,剖析供应链高质量发展机制提供的新思路和方法,将学术研讨与实践联动的应用结合起来,为推动新质生产力落实供应链集成高质量发展贡献智慧和力量。

计算机物流智能配送系统集成一体化研究

1.配送系统集成一体化架构物流信息管理是对系统集成一体化有着较高的要求,物流信息包括客户信息、货物信息以及配送设备信息等,信息管理涉及信息采集、传输与集成等多个方面,全面的物流信息数据能够为物流智慧配送业务纵向集成提供可靠的数据。

集成电路工程技术人员

集成电路产业是信息技术产业的“粮食”,它就像小麦之于面包,虽然很多人可能没有见过小麦,但不影响人们享受面包的美味。从日常生活中随处可见的计算机、电视机、手机,到奔月的“嫦娥”、遨游太空的“天宫”,都离不开集成电路。于是,个别国家为了打压我国的技术发展,持续阻碍我国集成电路技术的进步。中国集成电路产业如何破局?如何摆脱“缺芯”现状,实现困境突围,保障自己信息技术产业的“粮食”供应?集成电路工程技术人员任重道远,需要努力奋斗以实现集成电路产业的自力更生,锻造高品质“中国芯”。

基于最优TS评分的多模式集成降水预报

利用2020年1月1日至2023年1月2日欧洲中心、美国、德国、中国和日本降水预报资料和眉山市的逐日降水观测资料,用最优TS评分法对模式降水进行订正,再使用概率匹配平均、消除偏差集成平均和加权集成平均三种方案进行多模式集成预报,通过检验评分和个例分析。结果显示,概率匹配平均方案提升晴雨准确率,但对大雨和暴雨的预报效果差。消除偏差集成平均方案对降水预报的提升效果较小。加权集成平均方案和分类站点集成预报均能大幅提升晴雨准确率,并减小暴雨漏报,使暴雨TS评分得到较大提升。

电气工程自动化中的系统集成与自动化解决方案探索

在当今时代,电气工程自动化已成为推动工业进步的核心力量,其中系统集成技术更是扮演着至关重要的角色。通过系统集成,原本分散的电气部件得以有机整合,形成一个高效、协同的整体,从而极大地提升了生产效率与质量。同时,随着物联网、云计算等前沿技术的融入,系统集成正引领着电气工程自动化迈向更加智能化、绿色化的未来。本文旨在深入探讨电气工程自动化中系统集成技术的应用及其带来的变革,分析当前面临的挑战,并展望其未来发展趋势。通过本文的阐述,我们期望能够为相关领域的研究与实践提供有益的参考与启示,共同推动电气工程自动化技术的持续创新与发展。

玻璃基三维集成技术领域系列研究新进展

三维集成是后摩尔时代集成电路发展的主要技术途径。玻璃通孔(TGV)技术与传统的三维封装技术相比,有着成本低、高频损耗小、集成度高、热膨胀系数可调等显著优势,已成为国内外研究的热点,被英特尔誉为“新的游戏规则改变者”。电子科技大学张继华教授团队在国内率先开启三维集成玻璃通孔材料和集成技术研究,联合成都迈科科技有限公司在新型可光刻玻璃基板、超细玻璃通孔及超高深径比通孔填充等方面取得了一系列新进展。

基于融合集成算法的配电网负荷预测研究

配电网的负荷预测在电力运行状态监测中尤为重要。负荷预测的精度提升为电网的安全、稳定运行提供了保障。通过对融合集成算法的研究,提出了一种基于关联特征选择的融合集成算法。在数据集的选择上,使用相关系数和灰色关联算法综合对样本中负荷影响较小的特征进行剔除,使得样本数据集的相关性更高;同时,对传统Stacking集成学习的输入和输出特征进行优化,提高了模型的预测效果。试验结果表明,基于融合集成算法的配电网负荷预测模型与传统的Stacking集成算法、XGBoost、灰狼优化-反向传播算法相比,负荷预测的精度提升了3.07%。该模型总体性能表现较好。该研究结果有效地支撑了配电网的负荷监测和规划,也为电力系统故障诊断提供了参考。

考虑最小平均包络熵负荷分解的最优Bagging集成超短期多元负荷预测

多元负荷预测技术是保证综合能源系统(integrated energy system,IES)供需平衡与稳定运行的关键基石。但具有强随机性与波动性的IES负荷加剧了超短期多元负荷准确预测的难度。为此,提出考虑最小平均包络熵负荷分解的最优Bagging集成超短期多元负荷预测方法。构建基于最小平均包络熵的变分模态分解参数优化模型,将IES多元负荷分解为本征模态分量集合;基于统一信息系数法筛选多元负荷预测的日历、气象与负荷强相关特征;结合负荷本征模态分量集合、日历规则、气象环境与负荷数据,构建Bagging集成超短期多元负荷预测模型,并建立基于平均绝对百分比误差与决定系数的集成策略优化模型,进而得到最优集成策略与最终预测结果。以美国亚利桑那州立大学坦佩校区IES为对象展开仿真验证,结果表明,所提方法的电、热、冷负荷预测平均绝对百分比误差分别为1.9486%、2.0585%、2.5331%,相比其他预测方法具有更高准确率。

上海集成电路2024年度产业发展论坛暨中国集成电路设计业展览会会议通知

各有关单位:适逢中国半导体行业协会集成电路设计分会2024年年会召开之际,特定于2024年12月11日-12日在上海同期举办“上海集成电路2024年度产业发展论坛暨中国集成电路设计业展览会”.本届大会以“智慧上海,芯动世界”为主题,将深入探讨集成电路产业,特别是集成电路设计业面临的机遇和挑战;提升创新能力,增强中国集成电路产业链的综合能力,以满足市场的需求和提高国际竞争力.大会将为集成电路产业链各个环节的企业营造一个交流与合作的平台,为集成电路设计企业构筑在技术、市场、应用、投资等领域交流合作的平台。

上海集成电路2024年度产业发展论坛暨中国集成电路设计业展览会会议通知

各有关单位:适逢中国半导体行业协会集成电路设计分会2024年年会召开之际,特定于2024年12月11日-12日在上海同期举办“上海集成电路2024年度产业发展论坛暨中国集成电路设计业展览会”。本届大会以“智慧上海,芯动世界”为主题,将深入探讨集成电路产业,特别是集成电路设计业面临的机遇和挑战:提升创新能力,增强中国集成电路产业链的综合能力,以满足市场的需求和提高国际竞争力。

积极元素集成应用法对脑卒中患者压疮预防的效果分析

目的研究积极元素集成应用法对脑卒中患者压疮预防的效果。方法选择2021年7月至2023年6月救治的脑卒中患者168例为观察样本,以随机数字表法分为试验组(n=82例)和对照组(n=86例),对照组遵脑卒中压疮预防常规护理模式施护,试验组接受压疮预防积极元素集成应用法干预,观察2组干预后的家属压疮防护知信行评分、压疮发生率、家属压疮防护满意度。结果试验组家属压疮防护知信行评分高于对照组,压疮发生率低于对照组,压疮防护满意度评分高于对照组,差异均有统计学意义(P<0.05)。结论以积极元素集成应用法对脑卒中患者开展压疮防护干预,利于提升家属的压疮防护知信行水准,减低压疮发生率,深得脑卒中患者家属压疮防护认可。

模拟集成电路设计课程实验项目驱动式教学改革

基于高校模拟集成电路设计课程实验项目分散且教学目标不明确,缺乏系统性和工程应用性,提出了项目驱动式教学改革。以与企业合作的工程项目为基础设立实验项目,并分解成由易及难的多个实验题目,分阶段、分步骤完成实验内容,最终完成模拟集成电路设计全流程实验,以“带隙基准电压源芯片全定制设计实验”为例阐述了实施步骤。课程实验项目采用驱动式教学加深了学生对课程内容的理解,有助于培养学生扎实的工程实践能力。

面向不同类型概念漂移的两阶段自适应集成学习方法

大数据时代,流数据大量涌现.概念漂移作为流数据挖掘中最典型且困难的问题,受到了越来越广泛的关注.集成学习是处理流数据中概念漂移的常用方法,然而在漂移发生后,学习模型往往无法对流数据的分布变化做出及时响应,且不能有效处理不同类型概念漂移,导致模型泛化性能下降.针对这个问题,提出一种面向不同类型概念漂移的两阶段自适应集成学习方法(two-stage adaptive ensemble learning method for different types of concept drift,TAEL).该方法首先通过检测漂移跨度来判断概念漂移类型,然后根据不同漂移类型,提出“过滤-扩充”两阶段样本处理机制动态选择合适的样本处理策略.具体地,在过滤阶段,针对不同漂移类型,创建不同的非关键样本过滤器,提取历史样本块中的关键样本,使历史数据分布更接近最新数据分布,提高基学习器有效性;在扩充阶段,提出一种分块优先抽样方法,针对不同漂移类型设置合适的抽取规模,并根据历史关键样本所属类别在当前样本块上的规模占比设置抽样优先级,再由抽样优先级确定抽样概率,依据抽样概率从历史关键样本块中抽取关键样本子集扩充当前样本块,缓解样本扩充后的类别不平衡现象,解决当前基学习器欠拟合问题的同时增强其稳定性.实验结果表明,所提方法能够对不同类型的概念漂移做出及时响应,加快漂移发生后在线集成模型的收敛速度,提高模型的整体泛化性能.

一种三层加权文本聚类集成方法

为了提高聚类集成效果,本文设计了一种对点、簇、划分进行加权的统一框架,提出一种三层加权文本聚类集成方法。首先根据基聚类生成超图邻接矩阵,然后依次对点、簇、划分进行加权获得加权邻接矩阵,最后用层次凝聚聚类算法获得最终结果。在多个真实文本数据集上进行实验,结果表明,与未加权及其他层面加权相比,三层加权方法可以获得更好的聚类效果,三层加权相较于未加权的平均提升幅度为12.02%;与近年来的其他8种加权方法相比,该方法在所有数据集上的平均排名位列第一,验证了本文方法的有效性。