基于轻量化卷积神经网络的大学生在线课堂行为检测

为实时掌握学生线上学习情况,提高学生线上课堂教学质量。针对移动设备端、学生图像尺寸大小不一、背景复杂易遮挡等问题,本文设计了一种基于轻量化卷积神经网络检测模型。首先以Yolo-V5s为基准,轻量化改进其主干特征网络,从而减小模型体积;并通过改进DIoU作为损失函数,进一步优化模型,提升检测框质量。实验结果表明,本研究改进的模型大小仅为6.8MB,平均检测精度达到96.5%,每幅图像的平均检测时间为0.025s,与经典目标检测模型比较,表现出较强的鲁棒性和泛化能力,是一种有效的学生在线课堂行为识别方法。

快速降阶匈牙利算法的云计算任务分配模型

为了提高云计算任务分配效率,在标准匈牙利算法的基础上,提出一种快速降阶优化算法的云计算任务分配模型.为实现快速求解全局任务分配问题,快速降阶算法不断排除已确定的分配方案对应的代价矩阵元素,从而快速降低矩阵的阶次.并可根据成本矩阵规模将矩阵分解成多个矩阵,使得该算法在任务和计算机不对等的情况下同样适用.论文最后的仿真结果表明,快速降阶匈牙利算法计算耗时远远小于匈牙利算法,并能有效提高计算机的利用率.

基于RBF神经网络的电喷天然气发动机空燃比控制

电喷天然气发动机空燃比在工况突变时会剧烈波动,为提高控制精度,使用RBF神经网络和前馈PID控制算法相结合,由当前工况决定燃料基本喷射量,再由RBF神经网络预测的空燃比信号传递给PID控制器进行反馈调节。此外利用Matlab/Simulink软件进行仿真,建立了电喷天然气发动机空燃比仿真模型。仿真结果表明,该控制方法在节气门及发动机转速突变的情况下,过渡时间较PID算法明显减小,控制精度亦有提高。

基于随机潮流与双层经济性指标的微电网储能优化配置

配置储能可以有效降低新能源功率波动对微电网的影响。为充分考虑微电网中风光出力和负荷的不确定性,提出基于随机潮流与双层经济性指标的微电网储能优化配置方法。首先进行随机潮流计算,得出电网运行的功率分布的随机特征;然后将储能配置的经济性和电网运行的经济性相结合,构造双层经济性评价指标,以该指标最优为目标进行粒子群优化求解,确定最优储能配置方案;最后对比传统方案,所提的优化方案充分考虑微电网中风光出力和负荷的随机性,在降低储能配置成本的同时,可以减少电网运行损耗,提高电网运行的经济性。