基于机器学习的甜味剂分类预测模型研究进展

甜味剂是一种赋予食品以甜味的物质,可分为天然甜味剂和人工合成甜味剂。在甜味剂开发过程中,基于机器学习的甜味剂分类预测模型可从大量的天然或合成分子中有效筛选出甜味剂分子,显著减少时间和资金成本。为了深入分析基于机器学习技术来驱动甜味剂研究发展的潜力与方向,本文从甜味剂分子表征数据集与机器学习技术相结合的新视角入手,分别从传统机器学习技术的甜味剂分类、深度学习技术的甜味剂分类和机器学习技术的甜度预测等方面总结与概括机器学习技术在甜味剂分类与预测中的最新研究成果。最后总结分析了食品甜味剂智能分类预测模型的发展趋势,如融合多模态分子表征数据形式的机器学习方法研究、多味型智能分类方法研究和不同规模数据集下深度学习方法研究。

面向大健康产业的高职院校创新创业人才培养体系探析

随着生活质量的提高,人们对于健康的重视日渐提升,创新创业成为健康产业发展的源源动力。大健康产业的布局,对于健康行业专业人才的需求将不断增加。文章在高职院校大健康产业高素质技术技能型人才培养的实践基础上,总结与凝练了“多方合作搭平台、层次递进建课程、专兼结合铸队伍、载体优选育项目、产教融合促孵化”的大健康产业高职院校创新创业人才培养体系。

虚拟现实技术在职业教育中的应用现状与趋势分析

虚拟现实技术作为一种新的信息技术,对职业教育技术技能型人才培养质量的提高有着重要意义。虚拟现实技术因其具有沉浸性、交互性和感知性等特点,已有效应用于国内外职业教育人才培养。文章阐述了虚拟现实技术应用于职业教育的意义,并介绍了虚拟现实技术在职业教育中应用的成功案例,而后对虚拟现实技术在职业教育中的应用趋势进行了分析与探讨,即资源分布网络化、交互方式智能化和虚拟手段多样化。

基于邻域搜索的穴盘苗移钵路径优化蛙跳算法

在农业钵苗培育环节中常出现漏栽或钵苗不健康的情况,补种作业利用钵苗移栽机器人末端执行器从原点出发,从移栽穴盘中选取健康钵苗逐一补种到目的穴盘中,最后回到出发点的过程。本文基于混合蛙跳算法提出了一套解决补种作业过程中自动移钵问题的模型算法,较好解决了末端执行器在补种作业中的路径优化问题。针对自动移钵问题的特殊性,蛙跳算法模型融入了邻域搜索策略、交换因子、交换序和交叉操作等思想,算法简单且稳定性好。本算法有效解决了自动移钵路径的优化问题,移钵路径长度得到了大幅度的优化,提高了移栽效率。

基于蚁群算法的穴盘苗自动移钵路径优化

在农业钵苗培育过程中,须将穴盘中不健康的钵苗剔除后再进行补种作业,穴盘苗自动移钵路径优化是补种作业的重要环节之一。自动移钵路径规划是指末端执行器带动机械臂从原始点出发,按照一定规则依次从移栽穴盘中取出健康钵苗,并逐个填补到目的穴盘中待补种的穴孔,补种结束后回到出发点。基于蚁群算法提出一套适合求解穴盘苗自动移钵路径优化问题的模型算法,仿真结果表明,该算法可快速得到较优化的自动移钵路径,满足移钵机器人的实时性要求。即使在目的穴盘中待补种的穴孔数量较多的情况下,也可有效获得优化移钵路径。与常规的固定顺序路径相比,本算法获得的移钵路径优化幅度大,有效缩短末端执行器的行走距离,算法稳定性好。

基于蜂群算法的煤矿救灾机器人全局路径规划

研究了一种基于人工蜂群算法的煤矿救灾机器人全局路径规划算法。该算法首先进行环境建模,然后根据环境信息特点,巧妙结合人工蜂群算法获得机器人全局优化路径。该路径规划方法具有建模方便、算法简单以及不局限于障碍物的形状等特点。实验证明,本算法可以快速有效地规划出一条全局较优化路径,是解决全局环境已知情况下机器人路径规划的一种有效方法。

未知环境下机器人路径规划的粒子群优化

研究了全局静态环境未知时机器人的路径规划问题,提出了一种新颖的基于粒子群算法的滚动规划算法。该方法在机器人视野域内产生若干个同心圆进行环境建模,然后利用粒子群优化算法规划出一条导航路径,机器人每前进一步,都由粒子群优化算法重新规划导航路径,因此,机器人前进路径不断动态修改,从而能使机器人沿一条全局优化的路径接近终点。仿真实验结果表明,即使在障碍物非常复杂的地理环境,用该算法也能迅速规划出一条优化路径,且能安全避碰,效果令人满意。

基于蚂蚁导航的未知环境下机器人路径滚动规划算法

研究了一种栅格法环境建模下机器人路径滚动规划新方法.在未知环境内机器人根据视野域栅格环境与目标点信息,基于蚁群算法巧妙规划出局部导航优化路径.机器人沿着导航路径按照一定的步长前进一步,并重新动态规划出新的导航路径.机器人始终沿着较优化导航路径前进,机器人路径不断动态修改,当目标点在视野域范围内时直接规划出局部优化路径并直接到达目标点.该方法克服了传统子目标映射的复杂度高和智能化程度低等问题,仿真实验验证了本文方法的有效性.

基于微粒群算法的圆度误差评价

为了在全局范围正确评价圆度误差,采用微粒群算法对圆度测量数据进行最小二乘法评价,克服了传统圆度最小二乘法评价的局部收敛问题。计算结果表明,本文介绍的方法可以在设计变量的全局范围内有效、正确地评价圆度误差。

社区居家养老信息化服务研究

本文针对社区居家养老信息化服务现状提出一种新的社区居家服务模式,厘清六大不同主体之间的关系,并对社区居家养老信息化服务功能和实现途径进行探索,最终提出社区居家养老信息化服务模式。

基于B/S结构的高职院校技能竞赛平台的设计与实现

高职院校技能竞赛作为高等职业教育改革的重要举措是近年来高职教育的一项重大制度创新,各院校通过技能竞赛来促进招生、促进教学,同时能在高职院校之间形成良好的竞争环境,在技能竞赛过程中以岗位要求为基本出发点,以提高学生技能水平为主要目的,逐步形成学校、企业、学生等多方共赢的局面。目前日本、韩国等国家均高度重视技能竞赛工作[1,2],技能竞赛工作制度化、体制化,对社会人才培养具有重大推动作用。

一种小生境技术的微粒群优化器

提出了一种基于聚类的小生境技术,可以有效地解决多模态问题并获得多个最优解,并且有较快的收敛速度。认知模式微粒群优化器只利用了每个粒子的认知信息从而在局部区域进行搜索,每个粒子在局部区域寻优并趋向区域最优解,且存在收敛速度慢等问题。为此,提出了一种改进算法,可以让粒子迅速收敛到局部最优解附近。最终每个粒子经历过的最优位置形成了若干个簇,通过对其聚类获得每个簇中的粒子信息。此时问题已转化为多个簇的单模态问题,在各个簇中再利用保收敛微粒群优化器获得每个簇的最优解。最后给出了实验,证明了该方法在圆形拓扑环境中的有效性。

基于微粒群算法的l_p数据拟合及其应用

在动态测试数据处理中,常常要进行稳健回归分析和最小最大值回归分析,讨论了微粒群算法及其在lp数据拟合中的应用.微粒群算法通过多个粒子在解空间中根据自身的信息和群体的信息不断调整自己的位置进行寻优,在寻优过程中粒子间不断地进行信息交流,使得算法收敛速度很快,特别适合用于函数优化,从而能够在lp数据拟合中得到很好的应用.实例计算结果表明,该方法能够更准确地进行lp数据拟合,理论上可以以任意逼近真实值,从而减小了计算误差,并且有更快的收敛速度,可以快速收敛到全局最优解,因而具有一定的理论意义和现实意义.

迷宫问题的路径优化

迷宫问题是图形学、图论和数据结构等领域中的一个经典问题。目前解决迷宫问题的算法主要包括传统算法以及智能算法两大类。如何更好的解决迷宫问题获得最优路径一直是有待解决的问题。首先基于蚁群算法获得导航路径,然后利用粒子群算法优化导航路径获得近似最优化路径。实验仿真表明,利用粒子群算法优化后的路径效果十分令人满意。

淮安市社区居家养老信息化服务现状及对策研究

虚拟养老院作为一种新型的社区居家养老模式,近年来应用广泛且得到了不断发展。文章针对淮安市虚拟养老院信息化现状进行详细分析,解析出目前淮安市社区居家信息化服务过程中的不足之处,并对于智能信息化的路径选择给出了建议和意见,对于其它地区虚拟养老院的发展具有重要的参考意义。

动态环境下机器人多目标路径规划蚂蚁算法

研究了一种新颖的动态复杂不确定环境下的机器人多目标路径规划蚂蚁算法。该方法首先根据蚂蚁觅食行为对多个目标点的组合进行优化,规划出一条最优的全局导航路径。在此基础上,机器人按照规划好的目标点访问顺序根据多蚂蚁协作局部路径算法完成局部路径的搜索。机器人每前进一步都实时地进行动态障碍物运动轨迹预测以及碰撞预测,并重新进行避碰局部路径规划。仿真结果表明,即使在障碍物非常复杂的地理环境,用该算法也能使机器人沿一条全局优化的路径安全避碰的遍历各个目标点,效果十分令人满意。

基于.NET平台的淮扬菜在线学习平台开发

该文基于.NET平台开发了一套淮扬菜在线学习平台系统,网站平台实现了菜谱管理、新闻管理、视频管理以及在线交流等四大模块。系统开发融入了HTML、CSS以及三层架构等技术。本系统具有界面美工、功能强、方便操作以及互动性强等特点,有助于淮扬菜的传承与发扬。

仿生智能算法在自动组卷策略中的应用

随着计算机辅助教学的发展,自动组卷策略已成为目前研究的热点与难点。自动组卷策略是自动组卷系统的核心,目前流行的智能算法如:遗传算法、蚁群算法、鱼群算法及微粒群算法广泛被应用于自动组卷系统中来解决组卷策略。

餐饮管理与服务类专业成人教育工作实践探索——以江苏食品药品职业技术学院为例

由于餐饮行业的特殊性，高职院校在餐饮管理与服务专业大类领域的成人教育工作尤为重要。本文基于江苏食品药品职业技术学院餐饮管理与服务专业大类成人教育工作的途径和方法，分析具有借鉴意义的成人教育工作的新方法和新思路，以促进我国高职院校成人教育工作健康发展。

基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题,提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法.以机器人出发点为随机树的根节点,通过扩展,逐渐增加叶节点直至随机树的叶节点中包含了目标点.从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径.研究表明在同样的环境下与遗传算法、A*算法相比该方法能在更短的时间内找到更优的路径.仿真实验也表明,即使在随机生成的复杂环境下,利用该算法也可以快速规划出一条全局优化路径,且能安全避障.