一种基于加权多循环频率的盲波束形成算法

由于单循环频率盲波束形成算法仅利用了循环平稳信号的某个典型的循环频率,其性能对循环频率的选择有较大依赖性,只要循环频率存在偏差会导致整个算法失效,因此基于单循环频率的算法在实际应用中存在局限性。针对该问题,为了充分利用信号的多循环频率信息,消除循环频率偏差对算法的影响,研究并首次提出了一种加权的多循环频率盲波束形成算法,给出了多循环频率的最优加权组合方案,该方法采用迭代的方法寻找最优循环频率加权矢量。仿真实验和理论分析表明,在存在循环频率偏差的情况下,本文提出的算法性能优于基于单循环频率算法。

一种基于循环自适应波束成形的稳健的DOA递推估计算法

基于循环自适应波束成形算法和循环频率的递推估计算法,提出一种稳健的DOA估计的递推算法。算法的主要特点是在循环频率存在偏差和时变的情况下,能够对静止辐射源或运动辐射源的DOA进行实时的估计和可靠的跟踪。仿真实验表明,所提算法性能稳定,较现有的一些算法(如循环MUSIC算法、平均循环相关矩阵算法等)具有更好的估计和跟踪性能。

机器学习与用户行为中的偏差问题:知偏识正的洞察

大数据环境下基于数智技术的管理决策广泛使用机器学习方法,利用用户行为数据以训练模型。然而,机器学习方法在数据使用和模型训练中不可避免地存在着模型偏差(包括数据观测和提取中的采样偏差以及模型构建中的拟合偏差);同时,在情境应用中,模型所做出的预测和推荐会对不同用户的感知、态度、行为选择和观点表达产生不同的影响,形成行为偏差(包括用户活动的选择偏差和行为表现的表达偏差)。一方面,行为偏差被带入到用户行为数据中,通过算法训练的过程被机器学习模型所习得,产生新的模型偏差;另一方面,模型偏差在系统应用中被输出,在情境交互中干扰用户的自选择及行动,引发新的行为偏差。这样的循环使得模型偏差和行为偏差往复重塑,在交互和习得过程中持续放大和扩散,不仅会导致模型算法的效力降低甚至失效,而且也会使得用户陷入有偏的信息环境,形成信息茧房等行为困境。在数字经济环境下,对于这些偏差问题的研究是各界关注的前沿课题。本文对机器学习和用户行为中的偏差问题及其循环影响进行了系统性的讨论,界定分析了其科学内涵、结构机理、性质特征、实践影响和管理意义,并对若干前沿研究和重要进展进行了梳理凝练,对相关偏差辨知和纠正策略进行了解析阐释,对未来研究方向和探索路径进行了前瞻展望。本文工作为信息系统乃至整个管理学领域的方法创新和赋能创新提供了一个互动的新视角,也为管理实践提供了理论与应用的启示。

某电厂200MW机组凝汽器真空低的原因分析与查找

针对某电厂200MW 2号机组投运第1年在环境温度较低季节带约85%额定负荷,其真空在80kPa以下的情况,进行全面查找分析与试验,最终确定真空低的主要原因是循环水进水滤网及收球网截流作用过大,导致循环水量不足,以及由此引起的派生效应等的共同作用。经过连续几次针对性的检修和改进后,大大提高了真空。