优化BP_AdaBoost算法及其交通事件检测

为了及时检测出高速公路上发生的交通事件,减少由于交通事件带来的损失,提出了一种基于遗传优化的BP_AdaBoost算法用于交通事件检测.提取高速公路上下游的车流量、车速与占有率作为BP(back propagation)神经网络的输入值,利用遗传算法全局搜索的性能优化BP神经网络初始连接权值和输出阈值,再通过多个新的BP神经网络弱分类器构建成AdaBoost强分类器,设计基于遗传算法优化BP_AdaBoost算法的交通事件分类器.以在东京高速公路采集的真实数据进行性能验证,试验结果表明,该算法可以提高BP弱分类器的性能,检测率达到97%,误报率降至3.34%,适用于高速公路交通事件的检测.

BP_Adaboost算法的改进及在首轮融资时总票房分类预测中的应用

为获得改进的分类算法BPAdaboost,利用思维进化算法(MEA)和列文伯格-马夸尔特算法(LM)结合改进的BP神经网络作为弱分类器,由改进的弱分类器集成得到MEA-LM-BPAdaboost算法。提出了基于MEA-LM-BPAdaboost算法的首轮融资时总票房分类预测方法,该方法包括变量选取及操作化处理、网络参数优化、MEA改进弱分类器、LM算法改进弱分类器、MEA-LM-BPAdaboost算法的流程设计、待预测电影验证6个部分。选用2013~2018年的245部国产电影作为样本验证该预测方法和模型,测试集分类准确率可达73.3%。最后在模型准确率、稳定性、K折交叉验证3方面进行模型整体性能比较,结果表明本文提出的模型整体性能最好。

基于预测模型的BP_Adaboost算法改进

针对BP_Adaboost算法预测精度不高的问题,对算法作了改进:先用遗传算法对每个BP神经网络弱预测模型进行优化;然后把优化后的BP神经网络模型看作为新的弱预测器;再通过BP_Adaboost算法,用多个被遗传算法优化后的BP神经网络弱预测器组成强预测器模型;最后加权整合优化后用2 000组随机数据验证改进后算法的预测精度,用Matlab程序仿真实现改进后的BP_Adaboost算法,并与改进前的BP_Adaboost算法作比较。程序运行结果表明,改进后的BP_Adaboost算法预测精度有了明显提高。

基于小波包BP_AdaBoost算法的机载燃油泵故障诊断研究

针对机载燃油泵故障数据少、诊断效率低、维护成本高、缺乏有效诊断方法的问题,搭建了机载燃油泵燃油转输系统实验平台,提出利用小波包分析进行特征提取和基于BP_AdaBoost机载燃油泵故障诊断方法。首先测量燃油泵7种典型状态模式所对应的振动信号和出口压力信号;然后在分析信号时频特性和统计特性的基础上,利用小波包分解提取振动信号不同频段能量值作为故障特征参数,结合振动信号峭度以及压力信号均值构造特征向量;最后利用特征向量训练和验证BP_AdaBoost分类模型。实验结果不仅优化了传感器,而且表明BP_Adaboost算法与SVM、BP算法相比,能够有效实现对机载燃油泵的故障诊断。

基于BP_Adaboost算法的风电机组叶片结冰检测

精准预测冬季风电机组是否处于叶片结冰状态成为亟待解决的技术难题。Adaboost算法具有预测精度高、可使用简单弱分类器等优点。文章在传统BP神经网络算法的基础上,提出了BP_Adaboost算法精准预测风电机组是否处于叶片结冰状态。首先,将SCADA历史监测的相关信息进行重采样;其次,运用BP_Adaboost算法对叶片状态进行预测;最后,选择6台风电机组的历史数据进行实验验证。实验结果表明,由BP_Adaboost算法构建的强分类器在检测风电机组是否处于叶片结冰故障时,比BP神经网络构成的弱分类器平均得分高12%左右。BP_Adaboost算法已在部分风电场进行了实际应用。

基于BP_Adaboost算法的上市公司财务预警研究

一、引言 随着财政部等五部委制定的《企业内部控制基本规范》、《企业内部控制配套指引》在上海证券交易所、深圳证券交易所主板上市公司施行，标志着适应我国企业实际情况、融合国际先进经验的中国企业内部控制规范体系基本建成并开始实施。在企业内部控制活动中，财务预警可以通过多种分析方法，利用企业过去的财务指标及非财务指标，对企业的经营活动、财务活动进行预测，

算法嵌入政府治理:逻辑、风险与规制

伴随着现代信息技术的迅猛发展,智能算法在推动经济社会不断发展的同时也成为推动国家治理现代化的重要驱动力。现阶段如何推进算法技术更有效地嵌入政府治理,在充分发挥技术效益的同时反制技术滥用,实现公共价值最大化目标是亟须关注的时代命题。从“技术—权力—规则”三个维度搭建研究算法嵌入政府治理的分析框架,探索算法技术赋能政府治理的价值意蕴与运作逻辑。聚焦算法技术黑箱阻滞公共责任认定、算法权力削弱政府与民众自主性、算法规则偏好导致治理正义性减损等风险与挑战,提出在实践中要推进技术适度透明化以明晰责任关系链条、规范算法权力运作并坚持人本主义治理理念、明确算法规则决策限度以强化治理正义性等实践进路。

算法解释制度的体系化构建

算法解释在算法治理中举足轻重。算法解释承载着权益保障、社会交往和风险治理三重意义,其在技术层面上的障碍正在逐渐被突破,可以通过多种技术机制实现。在算法治理活动中,应根据常规场景、关键场景和争议场景分别限定选择解释的路径选择和技术方案,通过冻结机制、抽样机制和镜像机制固定算法解释,并使之接受外部的验证与审查,确保算法解释真实、有效。算法解释的系列机制应被进一步构建为体系化的算法解释制度,在这一制度框架内,对解释路径与精度、解释时限、解释瑕疵责任等要素的合理配置,可以实现社会效益与规制负担的精细平衡。

教育数字化转型中的算法权力及其规制

依托框架优势、机器优势和嵌入优势的全新算法,将会随着数字平台的搭建、数据资源的挖掘、“人–机”交互的设计,由单纯的计算工具向事务运行规则转变,进而演变为教育数字化转型中不容回避的权力议题。教育数字化转型中的算法权力既有益于管理风险、规范行为和辅助决策,也可能由于自身的局限以及它与教育之间的冲突,导致教育的风险异化、行为降格和决策失衡。要将算法权力规制到安全、可靠的“笼子”之中,除借助算法目标的教育审查、算法设计的教育解释、算法运行的教育监管、算法应用的教育鉴别、算法信息的教育备案、算法责任的教育认定,以构建从背景、过程到结果的规范机制;还应诉诸教育之于算法的祛魅、平衡与扬弃,以凸显“入乎其内却又出乎其外”的制衡思想。

算法赋能政府规制:逻辑、限度与发展方向

在算法治理时代,算法既是需要规制的对象,也是赋能政府规制以实现更好规制的治理工具。社会高度计算化和算法的规则属性给予了算法赋能的技术逻辑,数字化转型引致的规制困境和私人算法滥用奠定了算法赋能的现实逻辑,提升规制效能增进民生福祉形塑了算法赋能的价值逻辑。但是,算法运行本身存在的内在局限,以及规制者能力不足或不当运用,导致算法赋能政府规制存在着复杂性难以化约、被动规制俘获、规制权力泛化、可问责性和算法偏差等限度。发挥算法赋能政府规制的积极作用,促进算法与政府规制融合发展,必须坚持规制者的主体地位,完善政府规制的体制机制,强化制度建设,保障算法在可控和可信赖的轨道上运行。

基于改进人工蜂群算法的船舶管路路径寻优算法分析

[目的]人工蜂群(ABC)算法具有控制参数少、局部寻优能力强、收敛速度快的特点,但在解决路径寻优问题方面,存在容易陷入局部最优的缺陷。为解决船舶管路系统中的管路路径规划问题,提出一种改进的人工蜂群(IABC)算法。[方法]在传统人工蜂群算法的基础上,在跟随蜂的更新机制中引入遗传算子中的交叉操作,并对交叉算子的交叉概率采用自适应的策略;通过对种群进行的交叉操作寻找全局范围内的新解,并改进侦察蜂寻找新路径的方式,由原来的对路径经过的点进行更新改为对路径中的“路段”进行更新;随后,提出一种适应于解决分支管路路径寻优的改进人工蜂群协同进化算法。[结果]实例验证表明,改进后的人工蜂群算法相比标准人工蜂群算法其路径布置效果能够提升32.3%~37.4%,收敛速度能够提升17.7%~29.9%。[结论]无论是解决单管路还是分支管路,改进后的人工蜂群算法相比传统的人工蜂群算法求解质量更高、收敛速度更快、稳定性更好。

跟踪算法下的果树修剪机器人路径规划设计

以果树修剪机器人为研究对象,基于轨迹跟踪算法对修剪机器人进行作业路径规划,并分别与传统的往复式路径规划算法和跟踪算法进行仿真对比实验分析。分析结果表明:与传统往复式路径规划算法相比,修剪机器人作业过程中漏剪率降低3%,重复率降低2.5%;与传统跟踪式路径规划算法相比,修剪机器人作业过程转角范围增大36°,横向轨迹误差降低600mm。

改进蚁群算法的送餐机器人路径规划

蚁群算法拥有良好的全局性、自组织性、鲁棒性,但传统蚁群算法存在许多不足之处。为此,针对算法在路径规划问题中的缺陷,在传统蚁群算法的状态转移公式中,引入目标点距离因素和引导素,加快算法收敛性和改善局部最优缺陷。在带时间窗的车辆路径问题(vehicle routing problem with time windows,VRPTW)上,融合蚁群算法和遗传算法,并将顾客时间窗宽度以及机器人等待时间加入蚁群算法状态转移公式中,以及将蚁群算法的解作为遗传算法的初始种群,提高遗传算法的初始解质量,然后进行编码,设置违反时间窗约束和载重量的惩罚函数和适应度函数,在传统遗传算法的交叉、变异操作后加入了破坏-修复基因的操作来优化每一代新解的质量,在Solomon Benchmark算例上进行仿真,对比算法改进前后的最优解,验证算法可行性。最后在餐厅送餐问题中把带有障碍物的仿真环境路径规划问题和VRPTW问题结合,使用改进后的算法解决餐厅环境下送餐机器人对顾客服务配送问题。

个性化推荐算法的法律风险规制

信息爆发增长催生了个性化推荐算法技术的兴起。个性化推荐算法在解决信息过载和长尾问题、满足用户个性化需求、提高互联网信息服务效率的同时,也引发了用户意思自治受限、隐私泄露、信息茧房、算法歧视等诸多法律风险,亟需法律作出必要的回应。为此,应当在诚信原则、自主原则、公正原则、比例原则的指导下,树立开放的隐私保护观,强化算法告知义务与用户拒绝权利,完善算法解释权,构建算法审计制度,以降低个性化推荐算法所带来的法律风险。

基于ENTROPY-TOPSIS算法的电路实验课程综合成绩评定方法

针对高校实践教学成绩评定环节中存在的不足,该文将基于修正ENTROPY-TOPSIS算法应用到实验课程成绩评定当中,并推导了具体算法原理。同时将该算法与常用权值算法层次分析法以及CRITIC算法在电路实践成绩客观赋权过程中进行了横向对比。结果显示该方法可以为多源异构数据的科学赋权提供理论依据,有效消除因主观因素带来的不合理性,使教师在实验成绩的评定上更加趋向于客观化、科学化。

基于改进实数编码遗传算法的神经网络超参数优化

针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。

基于混合遗传算法的多无人机巡逻路径优化

假设无人机巡逻的起、终点均为派出所,提出了一种融合传统遗传算法和爬山算法的警用无人机巡逻路径优化模型——混合遗传算法。按照轮盘赌法则,进行种群个体的选择,以增大优秀种群个体被选中的概率,达到较好的优化效果。同时定义了与路径优化相适应的基因交叉和变异规则。仿真结果表明,提出的混合遗传算法在寻优效果上明显优于传统遗传算法。

基于BIM技术与模拟退火算法的村镇轻钢框架结构智能设计方法

传统村镇住宅结构设计需要进行大量的人工试算与重复建模,而受制于建设成本,村镇住宅无法像城镇住宅一样通过设计师进行专业的结构设计与验算,其安全性与经济性均难以满足要求。为此,提出一种村镇轻钢框架结构智能设计方法,包括智能建模与智能优化两个环节。基于图层自动识别算法、光学字符识别技术、自适应分块算法提出村镇轻钢框架结构BIM智能建模方法,包括图层识别、轴文本数据提取、墙体轮廓提取等,智能建模结果基本满足实际工程要求。基于提出的两阶段模拟退火算法给出村镇轻钢框架结构的智能优化方法,优化速度较快,优化效果良好。通过实际工程案例对提出的智能设计方法进行验证,结果表明,提出的村镇轻钢框架结构智能设计方法具有可行性,与传统的人工设计方法相比,设计周期可缩短70%以上,材料用量、结构设计指标接近人工设计结果。

一种新型的电能质量扰动信号分析的CDMSPSO-MP算法

针对匹配追踪(matching pursuit,MP)算法在检测电能质量扰动信号时存在的计算量大、重构信号质量不佳的问题,利用混沌动态多种群粒子群优化(chaos dynamic multi-swarm particle swarm optimization,CDMSPSO)算法对MP算法进行优化,提出了CDMSPSO-MP算法。首先,CDMSPSO算法使用Logistic映射替代伪随机数更新种群,提高信号重构时搜索时频原子的随机性;然后,将种群划分为多个小规模种群并设置相应的重组期,增加信号重构时频原子的多样性;最后,以扰动信号与原子内积的绝对值作为CDMSPSO算法的适应度函数,替代MP算法的遍历计算,提升信号的重构速度。实验结果表明,CDMSPSO-MP算法有效提高了计算速度,减少了无关时频原子作为扰动信号分量的计算,提高了重构信号的质量。

基于改进蚁狮算法的家庭用电优化调度

为了充分挖掘用户侧需求响应能力,平抑用户的负荷波动及降低用户的用电成本,提出了一种基于改进蚁狮优化算法的家庭用电优化调度方法。首先构建了家庭用电优化调度模型,并将峰均比和平均等待时间作为惩罚量引入用电成本得到综合成本函数。其次采用差分进化机制改进了传统的蚁狮算法。最后基于实时电价和临界峰值电价进行仿真,结果表明,改进的蚁狮算法可以有效的降低用户的用电成本,维持用电舒适度,并与粒子群算法、遗传算法和蚁狮算法进行对比,验证了所提算法有较高的稳定性,更强的全局搜索能力,收敛效果更好。