检索结果-内蒙古大学图书馆

计算机技术与发展 2021年第12期31卷 161-166页

作者：吴晓姣吴礼发南京邮电大学计算机学院江苏南京210023

血压实时检测对于及时了解人体的心血管系统状态具有重要意义。传统的侵入式和袖带法的血压测量方式是以间歇式为主,不能满足血压实时检测的需求。针对目前血压检测方式的不规范以及血压预测方法的准确度低下等问题,提出了一种仅使用光... 详细信息

血压实时检测对于及时了解人体的心血管系统状态具有重要意义。传统的侵入式和袖带法的血压测量方式是以间歇式为主,不能满足血压实时检测的需求。针对目前血压检测方式的不规范以及血压预测方法的准确度低下等问题,提出了一种仅使用光电容积脉搏波的基于支持向量回归模型的血压预测方法。该方法仅使用人的光电容积脉搏波生理信号,对该信号消除噪声污染和周期划分之后,再对原始的光电容积脉搏波信号以及其一阶导数和二阶导数提取相关特征,并使用支持向量回归算法构建预测血压的模型。基于MIMIC III数据库的数据进行实验,结果表明该模型能有效预测人的血压值,在均值误差和均方根误差方面的表现优于现有的方法,同时血压预测值大多数都在96%的一致性范围内。

关键词：血压预测支持向量回归算法信号处理传感器光电容积脉搏波

来源：评论

学校读者我要写书评

暂无评论

OPC技术在智能仓储系统中的应用

引用

计算机技术与发展 2021年第7期31卷 158-163,170页

作者：吴晗成卫青南京邮电大学计算机学院江苏南京210023

随着工业的不断发展,自动化程度也在逐步提高。工业系统中设备数量逐渐增加,动作逻辑不断复杂,但由于PLC(可编程逻辑控制器)本身的局限性,无法对数据进行大规模的存储且不能提供友好的人机交互界面。随着对现场信息交互与共享能力的需... 详细信息

随着工业的不断发展,自动化程度也在逐步提高。工业系统中设备数量逐渐增加,动作逻辑不断复杂,但由于PLC(可编程逻辑控制器)本身的局限性,无法对数据进行大规模的存储且不能提供友好的人机交互界面。随着对现场信息交互与共享能力的需求的不断提高,上位机调度系统变得不可缺少。OPC(OLE for process control)协议是专门为工业自动化提供的一个标准,主要用于解决数据源控制系统和数据源之间的数据交互问题。该文主要研究OPC协议在智能仓储系统中的应用。上位机上运行仓库控制系统(WCS),作为OPC的客户端,而OPC服务器设在PLC或上位机上。介绍了WCS和OPC服务器之间3种通信方式:同步、异步和订阅。设计实现了OPC服务器以及OPC接口,实现了WCS和PLC之间的通信,提升了WCS下指令的速度以及智能仓储系统的工作效率。

关键词： OPC 数据通信可编程逻辑控制器智能仓储系统客户端/服务器模型仓库控制系统

来源：评论

学校读者我要写书评

暂无评论

基于烟花算法优化BP神经网络的光伏功率预测

引用

计算机技术与发展 2021年第10期31卷 146-153页

作者：张洁郝倩男南京邮电大学计算机学院江苏南京210023

光伏发电功率受到气象状况及环境因素的影响,具有很强的随机性与间歇性,给电网的安全运行带来了一系列的问题。为了准确预测光伏发电功率,降低光伏并网的不利影响,实现电网系统的稳定运行,将烟花算法(FWA)引入到神经网络模型中,利用烟... 详细信息

光伏发电功率受到气象状况及环境因素的影响,具有很强的随机性与间歇性,给电网的安全运行带来了一系列的问题。为了准确预测光伏发电功率,降低光伏并网的不利影响,实现电网系统的稳定运行,将烟花算法(FWA)引入到神经网络模型中,利用烟花算法局部搜索能力和全局搜索能力自调节的机制优化神经网络中权重和阈值的寻优过程,提出了一种基于烟花算法改进BP神经网络(FWA-BP)的光伏发电功率预测模型。通过某光伏电站实测数据进行仿真实验,结果表明,与传统BP神经网络和遗传算法优化BP神经网络相比,FWA-BP神经网络模型的预测结果更接近实际值,均方根误差、平均绝对百分比等误差指标更低,模型更稳定,从而说明该方法可以快速准确地实现对光伏发电功率的预测。

关键词：光伏发电功率预测烟花算法遗传算法 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

基于残差学习的图像超分辨率重构方法

引用

计算机技术与发展 2021年第8期31卷 51-56页

作者：张敏黄刚陈啟超南京邮电大学计算机学院江苏南京210046

图像超分辨率重构是计算机视觉领域中的一个经典问题,旨在通过算法将一幅或者多幅低分辨率图像转化为高分辨率图像。近年来,基于深度学习的单幅图像超分辨率重构算法得到了广泛的应用。针对多数网络存在的学习能力较弱、训练时间较长以... 详细信息

图像超分辨率重构是计算机视觉领域中的一个经典问题,旨在通过算法将一幅或者多幅低分辨率图像转化为高分辨率图像。近年来,基于深度学习的单幅图像超分辨率重构算法得到了广泛的应用。针对多数网络存在的学习能力较弱、训练时间较长以及重建图像质量有待提升等问题,提出一种基于残差学习的图像超分辨率重构方法。网络通过级联深度卷积网络对图像进行特征提取,引入残差学习获得深层次的纹理细节信息,并加快网络的收敛速度,避免梯度爆炸和梯度消失,通过反卷积层对特征图像进行上采样,重建出与目标图像尺寸相同的高分辨率图像。在Set5、Set14等测试集中,使用峰值信噪比(PSNR)和结构相似性(SSIM)作为所提算法的评价指标,同时对比SRCNN、FSRCNN以及VDSR等方法均重建出了效果更好的图像。实验结果表明,该方法能够有效地提高特征信息的利用率,生成具有丰富细节且清晰的高分辨率图像。

关键词：深度学习图像超分辨率反卷积非线性映射残差学习

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的故障硬盘预测与处理方法

引用

软件导刊 2023年第3期22卷 18-26页

作者：管文白房笑宇夏彬南京邮电大学计算机学院、软件学院、网络空间安全学院江苏省大数据安全与智能处理重点实验室江苏南京210023

大数据技术发展产生的海量数据急需一种可靠的数据存储方法,现有的主动故障预测方法相比被动容错机制可取得更好的效果,但是故障硬盘预测领域仍有一些问题亟待解决。当前的故障硬盘预测方法大多是离线的,通过滑动窗口将硬盘数据切分为样... 详细信息

大数据技术发展产生的海量数据急需一种可靠的数据存储方法,现有的主动故障预测方法相比被动容错机制可取得更好的效果,但是故障硬盘预测领域仍有一些问题亟待解决。当前的故障硬盘预测方法大多是离线的,通过滑动窗口将硬盘数据切分为样本,使用欠采样或过采样解决样本不平衡问题。然而,硬盘数据的分布会随时间变化,下采样可能会丢失一些有用特征,过采样可能会导致训练过拟合,该样本使用方式也忽略了样本之间的时间相关性。为了解决这些问题,将存储系统中硬盘的整个运行维护过程视为一个顺序决策过程,使用深度强化学习DQN算法求解。在强化学习语境下,样本不平衡问题转化为稀疏奖励问题。通过奖励塑造及探索机制解决稀疏奖励问题,在模型部署后利用经验回放实现模型在线学习。在开源数据集BackBlaze上的实验验证了该方法的有效性。

关键词：硬盘故障故障预测深度强化学习 DQN算法奖励塑造

来源：评论

学校读者我要写书评

暂无评论

基于信任模型的鲁棒众包数据分析方法

引用

计算机技术与发展 2021年第5期31卷 26-30页

作者：孙杰陈敏焦玉全南京邮电大学计算机技术、软件工程、空间安全学院江苏南京210003 南京邮电大学江苏南京210003

众包是互联网大发展趋势下衍生的一种非常流行的新型商业模式,企业将过去由员工执行的任务分配出去,以自由自愿的形式外包给非特定的(通常是大型的)大众志愿者来完成。但是,在这一过程中,有些志愿者并没有认真地完成任务,为了骗取佣金,... 详细信息

众包是互联网大发展趋势下衍生的一种非常流行的新型商业模式,企业将过去由员工执行的任务分配出去,以自由自愿的形式外包给非特定的(通常是大型的)大众志愿者来完成。但是,在这一过程中,有些志愿者并没有认真地完成任务,为了骗取佣金,使利益最大化,往往会提供虚假数据,造成任务结果数据虚实混杂,雇主无法得到高准确度的众包任务结果。针对这个问题,在对现有众包数据分析方法进行分析之后,提出了一种新的众包数据分析方法。在考虑工作者历史信誉度的基础上,对部分任务结果采用投票一致性规则来分析,将工作者历史信誉度和在本次任务中提交的结果数据与贝叶斯算法模型相结合,得出工作者在本次任务中提交结果数据的最终准确度信息。实验结果表明,使用该方法筛选出的工作者可靠性更高。

关键词：众包准确度信任模型投票一致性规则贝叶斯算法

来源：评论

学校读者我要写书评

暂无评论

基于能力层次聚类和角色协同的众包任务分配

引用

计算机工程与设计 2024年第12期45卷 3739-3748页

作者：黄黎赵璐陈嘉豪江苏开放大学信息工程学院江苏南京210019 南京邮电大学计算机学院江苏南京210023 南京工业大学计算机与信息工程学院(人工智能学院) 江苏南京211816

针对现有众包任务分配研究中群组角色与任务之间多对多的协同匹配问题,设计一种基于能力层次聚类和角色协同的众包任务分配方法。考虑群组成员间的协作能力和交互成本度量,定义基于能力的角色层次聚类方法,量化基于能力层次的工人综合... 详细信息

针对现有众包任务分配研究中群组角色与任务之间多对多的协同匹配问题,设计一种基于能力层次聚类和角色协同的众包任务分配方法。考虑群组成员间的协作能力和交互成本度量,定义基于能力的角色层次聚类方法,量化基于能力层次的工人综合胜任力度量。引入群组角色协同理论,将群组角色与任务之间多对多协同匹配问题定义为执行者与任务之间的组合优化问题,定义基于社会网络分析方法的协同候选服务交互成本计算方法,提出一种基于群组角色协同的众包任务分配算法,解决群组绩效和交互成本的双目标约束优化问题,提高任务分配的效率和质量。实验验证该方法在众包任务分配满足服务行为兼容性和功能可靠性等方面具有较明显优势。

关键词：服务众包任务分配角色协同群组绩效层次聚类协同匹配交互成本

来源：评论

学校读者我要写书评

暂无评论

基于昇腾AI生态的深度学习教学新模式

引用

计算机教育 2023年第9期 139-143,148页

作者：宋杰朱松豪吴丹萍肖亮南京邮电大学自动化学院、人工智能学院江苏南京210023 杭州华为企业通信技术有限公司浙江杭州310000 南京理工大学计算机科学与工程学院江苏南京210094

针对深度学习课程教学及改革中存在的理论知识到实践应用转化困难、人才培养与学科发展不协调等问题,提出华为昇腾AI生态融于深度学习课程教学新模式,探讨基于昇腾AI生态的深度学习教学实践方案,介绍项目式综合性实践的实验教学过程。

关键词：深度学习昇腾AI生态教学改革产教协作校企合作

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的Web代理缓存替换策略性能改进

引用

信息与电脑 2022年第10期34卷 61-63页

作者：贾若晖马振禹长江大学电子信息学院湖北荆州434023 南京邮电大学计算机学院江苏南京210023

在Web代理缓存中,传统的缓存替换策略往往不够有效,会缓存一些不会再次被访问的Web对象。基于此,笔者使用机器学习技术对这部分Web对象进行过滤,使用Web代理日志文件进行训练,以预测Web对象的类别。实验结果表明,与最近最少使用(Least R... 详细信息

在Web代理缓存中,传统的缓存替换策略往往不够有效,会缓存一些不会再次被访问的Web对象。基于此,笔者使用机器学习技术对这部分Web对象进行过滤,使用Web代理日志文件进行训练,以预测Web对象的类别。实验结果表明,与最近最少使用(Least Recently Used,LRU)替换策略相比,使用机器学习技术的命中率最大提高了18.92%,字节命中率最大提高了45.61%。

关键词： Web代理服务缓存替换机器学习分类器

来源：评论

学校读者我要写书评

暂无评论

异构边缘计算环境下异步联邦学习的节点分组与分时调度策略

引用

通信学报 2023年第11期44卷 79-93页

作者：马千飘贾庆民刘建春徐宏力谢人超黄韬网络通信与安全紫金山实验室未来网络研究中心江苏南京211111 中国科学技术大学计算机科学与技术学院安徽合肥230026 中国科学技术大学苏州高等研究院江苏苏州215123 北京邮电大学网络与交换技术国家重点实验室北京100876

为了克服异构边缘计算环境下联邦学习的3个关键挑战,边缘异构性、非独立同分布数据及通信资源约束,提出了一种分组异步联邦学习(FedGA)机制,将边缘节点分为多个组,各个分组间通过异步方式与全局模型聚合进行全局更新,每个分组内部节点... 详细信息

为了克服异构边缘计算环境下联邦学习的3个关键挑战,边缘异构性、非独立同分布数据及通信资源约束,提出了一种分组异步联邦学习(FedGA)机制,将边缘节点分为多个组,各个分组间通过异步方式与全局模型聚合进行全局更新,每个分组内部节点通过分时方式与参数服务器通信。理论分析建立了FedGA的收敛界与分组间数据分布之间的定量关系。针对分组内节点的通信提出了分时调度策略魔镜法(MMM)优化模型单轮更新的完成时间。基于FedGA的理论分析和MMM,设计了一种有效的分组算法来最小化整体训练的完成时间。实验结果表明,FedGA和MMM相对于现有最先进的方法能降低30.1%~87.4%的模型训练时间。

关键词：边缘计算联邦学习非独立同分布数据异构性收敛分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：