数据驱动的人工智能方法在白酒行业中的应用研究进展

随着科技不断演进,数据驱动的人工智能方法在白酒行业得到广泛应用。本文系统回顾了这些方法在白酒生产、鉴别和勾调方面的研究进展。在生产领域,借助计算机视觉和神经网络技术,成功应用于酒醅温度预测、智能摘酒以及白酒发酵等工艺流程,显著提升了生产效率和产品品质。鉴别方面,采用神经网络等技术进行基酒质量等级判断、酱香酒轮次与工艺分析、基酒等级判别和基酒酒龄识别,有效提高了鉴别准确性。至于白酒勾调,通过神经网络构建智能白酒勾调网络系统,通过算法优化确定最佳白酒勾兑配方,显著提升了勾兑成功率并降低了勾兑成本。这一综合研究为白酒行业的智能化发展提供了深入而全面的洞见。

信息物理融合系统综合安全威胁与防御研究

信息物理融合系统(Cyber-physical system, CPS)是计算单元与物理对象在网络空间中高度集成交互形成的智能系统.信息系统与物理系统的融合在提升系统性能的同时,信息系统的信息安全威胁(Security)与物理系统的工程安全问题(Safety)相互影响,产生了新的综合安全问题,引入严重的安全隐患.本文介绍了CPS的概念与安全现状,给出了CPS综合安全的定义;在对现有安全事件进行分析的基础上,提出了CPS的综合安全威胁模型;从时间关联性和空间关联性的角度,对现有CPS攻击和防御方法进行了分类和总结,并探讨CPS综合安全的研究方向.

光交换通信网络路由与波长分配研究

本文采用了作者提出的Lagrange松弛框架下子问题序贯求解的新方法,解决了具有大量 相同连接的路由与波长分配问题,大大改善了对偶解质量。数值计算验证了新方法的有效性。

深度信念网络研究现状与展望

深度信念网络(Deep belief network,DBN)是一种基于深度学习的生成模型,克服了传统梯度类学习算法在处理深层结构所面临的梯度消失问题,近几年来已成为深度学习领域的研究热点之一.基于分阶段学习的思想,人们设计了不同结构和学习算法的深度信念网络模型.本文在回顾总结深度信念网络的研究现状基础上,给出了其发展趋势.首先,给出深度信念网络的基本模型结构以及其标准的学习框架,并分析了深度信念网络与其他深度结构的关系与区别;其次,回顾总结深度信念网络研究现状,基于标准模型分析不同深度信念网络结构的性能;第三,给出深度信念网络的不同无监督预训练和有监督调优算法,并分析其性能;最后,给出深度信念网络今后的发展趋势以及未来值得研究的方向.

面向双碳目标的自动化和智能化理论与技术

基于国家自然科学基金委员会第324期双清论坛,本文针对面向双碳目标高耗能工业低碳运行与多介质能源协同减碳调控的国家重大需求,围绕低碳工业智能化和多能互补协同智能调控的自动化与智能化系统理论、关键技术及面向应用层面的基础性问题,分析了面向双碳目标的自动化和智能化的现状与发展趋势。在低碳工业智能化方面,聚焦工业生产全流程碳排放智能建模方法,低碳工业生产全流程数字化网络化智能化,流程工业低碳绿色制造,制造业异质能源综合利用与优化调控;在多能互补协同智能调控方面,聚焦研究多介质能源转化,多介质能源供给协同调控,多能互补与源储荷调控,能源“源-网-荷-储”一体化决策与综合安全,零碳智慧能源系统的结构化变革,城市智慧能源管控。围绕上述内容,讨论了面临的挑战,给出了凝练的科学问题与主要研究方向,提出了相关的政策建议。

博客网络中具有突发性的话题传播模型

提出了一个基于节点知名度和活跃度的离散时间话题传播模型.该模型的参数具有明确的物理意义,可体现话题动态传播过程的特征,并可为话题传播趋势的预测研究提供依据.通过统计和分析中国最大的博客站点——新浪博客在几个月中若干具有突发性的事件引起的热门话题数据,结果表明,所提出的模型可以较为精确地再现话题的实际传播过程并体现传播速率的重尾现象.

微博消息传播中意见领袖影响力建模研究

在微博网络中,消息的传播与意见领袖的影响力密切相关.然而,意见领袖在消息动态传播过程中所表现出的影响力难以量化衡量,这对意见领袖影响力的评估和消息传播趋势的预测带来了巨大挑战.针对这一问题,提出一种基于消息传播的微博意见领袖影响力建模与测量分析方法.在分析消息传播模式的基础上,采用动态有向图描述消息在微博网络中的传播过程;发现该过程可近似分解为由各个意见领袖所驱动的子过程,根据对意见领袖影响力属性特征的分析发现,该子过程可以由指数截断的幂律衰减函数来描述.对模型中各个参数进行估计,可以定量地衡量意见领袖在消息传播过程中的初始影响力、影响力衰减指数及其影响力持续时间等指标.结合新浪微博数据的分析结果显示:消息的传播范围与传播过程中参与传播的意见领袖的数量呈弱相关;虽然意见领袖的初始影响力与其粉丝数量的大小正相关,但影响力衰减指数的大小以及影响力持续时间的长短与粉丝数量几乎无关.最后,采用所建模型对真实微博消息的传播趋势进行预测,结果表明,所提模型能够较好地对热门消息的传播趋势进行预测,这对微博中公众舆论的控制及广告定点投放具有重要意义.

多馈入交直流输电系统的模糊控制器协调优化算法

设计了一套阻尼区域间功率振荡的模糊控制器。在多馈入交直流输电系统的直流功率控制系统和发电机励磁系统中同时采用了该模糊控制器,并对影响其性能的关键参数进行了协调优化。为了解决优化结果容易限于局部最优的问题,采用了遗传算法进行全局并行寻优,同时引入序优化理论在概率意义上保证优化解的质量。仿真结果表明:与常规阻尼控制器相比,模糊控制器能更好地提高交直流互联系统的动态稳定性且具有鲁棒性。序优化遗传算法比传统遗传算法具有更稳定的性能,可作为多馈入交直流输电系统的模糊控制器参数协调优化的一种有效方法。

一种网络话题的内容焦点迁移识别方法

随着网络信息技术的迅速发展,互联网已经成为人们获取和发布信息的最重要平台之一.在互联网的信息传播过程中,话题相关文本不断更新,而其内容焦点也随着话题发展发生着迁移.识别话题内容焦点有助于有效地挖掘与分析网络信息,是网络舆情分析领域的重要研究问题.文中针对网络流文本,提出了一种网络话题内容焦点的识别方法,首先对话题焦点特征在流文本中的分布情况进行分析,基于分析结果介绍了焦点识别方法3个主要步骤的算法模型,分别是基于时间属性的焦点特征词提取、内容焦点特征词的合并和内容焦点的表示.文本基于来自于真实网络的实际数据,对所提方法进行了实验验证,实验结果表明文中所提方法可有效获取话题发展过程中的内容焦点,并能以关键词集和语句集的形式对内容焦点进行表示.

有向网络兴趣社区的快速挖掘算法及其在僵尸粉检测中的应用

针对传统的无向网络社区挖掘方法无法实现大规模有向网络中社区有效发现的问题,提出了一种新的有向图社区及其兴趣特征快速挖掘算法。采用贪心算法求解社区划分模块性最大化的优化问题,较好地平衡了有向图社区挖掘中准确性与有效性之间的矛盾,实现对大规模微博类有向网络社区结构的有效识别;基于发现的社区,采用tf-idf算法进一步挖掘社区用户的兴趣爱好,实现了对微博网络中兴趣小组的精确挖掘。基于新浪微博的实验结果表明:所提算法不仅可以快速有效地挖掘有向网络中的社区结构及其用户的兴趣特征,还能够准确地检测出微博网络中的僵尸粉社区,研究结果对微博系统的净化、谣言控制、网络广告的精准投放等研究具有重要的参考价值。

无线传感器网络及应用简介

主要介绍无线传感器网络的相关知识、应用前景、研究现状和笔者在传感器网络的目标检测问题中的若干研究成果。

采用子网流量组合优化的网络流量分割方法

针对当前基于仿真的流量分割方法存在处理开销过大且仅能保证流层面流量完整性的问题,提出了一种组合优化的网络流量分割方法.将流量经分割后得到的数据包总延迟次数作为优化目标,由此网络流量分割问题转化为二次分配优化问题;用子网流量作为基本单元进行分配,可在减小问题求解规模的同时保证子网流量的完整性.利用真实网络流量对所提方法的分割效果进行了验证,并与基于数据包和流的轮询流量分割方法进行了比较,结果表明,所提方法能够达到基于流的轮询流量分割方法的性能,数据包延迟较之不采用优化的基于子网流量轮询方法显著减小,性能提高近10%.

无线传感器网络及应用

无线传感器网络是近年来的新兴技术，国外对其的研究日臻热烈。本文主要介绍无线传感器网络的相关知识、应用前景以及研究现状，最后简单介绍了我们在传感器网络的目标检测问题中的若干研究成果。

不确定环境下的电力系统拓扑控制问题(英文)

在环境保护的压力下,新能源和电动汽车越来越多地被引入电网,这就增加了电力系统的不确定因素.为此,首先讨论不确定环境下电力系统安全防御中的一些拓扑控制问题,然后给出这些问题的图论描述以及研究中面临的挑战和进展.

面向数据中心绿色可靠运行的强化学习方法

数据中心的绿色可靠运行具有重大的社会经济价值。综述了面向数据中心绿色可靠运行的优化与控制方法,提出一种事件驱动的强化学习方法,用于提升运行能效;提出一种电池寿命预测方法,提升了预测精度。

具有少量基本回路布尔网络的不动点(英文)

近来作为自然和人造非线性动态网络的一种紧凑模型,布尔网络的研究受到广泛关注.不动点和吸引子是预测布尔网络长期行为的关键.本文针对具有少量基本回路的布尔网络,提出了确定不动点的算法.我们的方法是基于构成反馈顶点集的变量所满足的一组方程.作为应用,我们还给出了检验这类布尔网络全局稳定性的充要条件.

无线传感器网络及应用简介

主要介绍无线传感器网络的相关知识、应用前景、研究现状和笔者在传感器网络的目标检测问题中的若干研究成果。

多智能体并行仿真框架

多智能体仿真具有广泛的应用前景。但是,现有的多智能体仿真和并行仿真无法解决数量庞大且具有复杂动力学特性的智能体仿真,因此研究这类多智能体的有效仿真具有重要的意义。为了能够有效仿真这类系统,设计了一个两层的多智能体并行仿真框架,指出了该框架中面临的挑战。除此之外,针对仿真中提高仿真效率的挑战,作者提出了一种加快仿真速度的方法。实验结果表明该方法可以明显提高仿真效率。

利用信息传播特性的中文网络新词发现方法

针对已有方法识别出的网络中文新词生命周期短且很快不再为人们所用的问题,提出了一种基于信息传播特性的中文新词发现方法。该方法结合"新词传播范围广、持续时间长"的特点,从用户覆盖率、话题覆盖率和新词生命周期3个方面设计统计量;采用N-gram算法得到候选词串列表;用基于词频和词语灵活度的方法过滤垃圾词串。实验中以微博文本作为语料来源,与已有方法相比,用户特性使得新词识别的准确率提高了11%,话题特性使准确率提高了10%,时间特性使准确率提高了13%,综合用户、话题和时间的方法使准确率提高了16%。实验结果表明:该方法中的每个特性都提高了中文网络新词识别的准确率,而且同时考虑3种特性的准确率比只考虑单一特性的高。

基于汉字固有属性的中文字向量方法研究

中文短文本在如今高速发展的互联网应用中变得日趋重要,如何从海量短文本消息中挖掘出有价值的信息,已成为当前中文自然语言处理中非常重要且具有挑战性的课题。然而,采用传统的长文本处理方法进行分析往往得不到很好的效果,其根本原因在于中文短文本消息的语法及其语义的稀疏性。基于此,该文提出一种基于汉字笔画属性的中文字向量表示方法,并结合深度学习对短文本消息进行相似性计算。该方法结合中文汉字的构词和拼音属性,将中文汉字映射为一个仅32维的空间向量,最后使用卷积神经网络进行语义提取并进行相似性计算。实验结果表明,与现有的短文本相似性计算方法相比,该方法在算法性能及准确率上均有较大的提高。