检索结果-内蒙古大学图书馆

城市轨道交通研究 2025年第1期28卷 277-280页

作者：李建兴李怀志宁波城市职业技术学院信息与智能工程学院宁波315100 浙江纺织服装职业技术学院机电与轨道交通学院宁波315211

[目的]地铁列车空压机出口压力空气干燥度是一个非常重要的指标。如果压力空气中含水量高,就会影响各用风设备的性能,进而影响行车安全。上海轨道交通运维人员在汛期对某些线路列车进行检修时发现,列车供风管路中存在液态水,这是因压力... 详细信息

[目的]地铁列车空压机出口压力空气干燥度是一个非常重要的指标。如果压力空气中含水量高,就会影响各用风设备的性能,进而影响行车安全。上海轨道交通运维人员在汛期对某些线路列车进行检修时发现,列车供风管路中存在液态水,这是因压力空气中含水量过高而造成的。需要在现有条件下,研究如何调整维修策略,进而改善空压机在汛期的干燥能力。[方法]通过正交试验设计方法,设计了用于分析空压机出口压力空气含水量影响因素的试验方案,给出了使用田口方法分析数据进而确定主要影响因素的方法。[结果及结论]运用该试验方案进行试验,能够分析出影响列车空压机出口压力空气含水量的主要因素,运维人员可据此结论制定适用于汛期的列车空压机维修策略。该正交试验设计方法也可以推广应用至城市轨道交通其他设备运维策略的完善与优化工作之中。

关键词：轨道车辆空压机压力空气含水量正交试验设计维修策略

来源：评论

学校读者我要写书评

暂无评论

基于生成式人工智能的非物质文化数字化导览系统构建探索

引用

电脑知识与技术 2025年第5期21卷 103-106页

作者：叶星雨郑哲郑元杰黄莹林雪燕王苏文宁波城市职业技术学院信息与智能工程学院浙江宁波315100 宁波边缘物联科技有限公司浙江宁波315100

文章以浙江缙云河阳村非物质文化遗产数字化建设为背景,探索了利用生成式人工智能(Generative AI)和虚拟现实(VR)技术构建数字化导览系统的方法。首先,运用Stable Diffusion和Midjourney等AI工具辅助场景设计和材质制作,并基于Unity高... 详细信息

文章以浙江缙云河阳村非物质文化遗产数字化建设为背景,探索了利用生成式人工智能(Generative AI)和虚拟现实(VR)技术构建数字化导览系统的方法。首先,运用Stable Diffusion和Midjourney等AI工具辅助场景设计和材质制作,并基于Unity高清渲染管线(HDRP)重建虚拟场景;其次,利用大语言模型(LLM)构建NPC对话系统,增强用户交互体验;最后,设计了剪纸、茶道等非遗文化互动游戏。初步结果表明,该系统能够有效提升用户对非遗文化的沉浸式体验,为非遗文化的数字化保护和传承提供新的途径。

关键词：生成式人工智能虚拟现实非物质文化遗产数字化导览系统河阳村

来源：评论

学校读者我要写书评

暂无评论

产教融合背景下智能制造人才培养模式研究

引用

现代职业教育 2025年第13期 77-80页

作者：汪鑫叶飞任涵武汉铁路职业技术学院智能制造学院武汉城市职业学院计算机与电子信息工程学院

随着工业4.0时代的到来，智能制造已成为推动制造业转型升级的关键力量。在此背景下，智能制造产业对高素质技术技能人才的需求日益迫切。当前职业教育在人才培养方面存在与产业需求脱节、教学内容与实际应用不符、实践教学资源不足等... 详细信息

随着工业4.0时代的到来，智能制造已成为推动制造业转型升级的关键力量。在此背景下，智能制造产业对高素质技术技能人才的需求日益迫切。当前职业教育在人才培养方面存在与产业需求脱节、教学内容与实际应用不符、实践教学资源不足等问题。产教融合作为一种新型的人才培养模式，通过加强学校与企业之间的合作，能够促进教育内容与产业需求的紧密结合，提高人才培养的针对性和实效性。旨在探讨产教融合背景下智能制造人才培养模式的构建与实施路径，构建以能力培养为核心、以校企合作为支撑的智能制造人才培养模式。

关键词：产教融合智能制造人才培养职业教育数字化校企合作

来源：评论

学校读者我要写书评

暂无评论

总间隔模糊超球学习机

引用

模式识别与人工智能 2012年第2期25卷 237-247页

作者：陶剑文王士同江南大学信息工程学院无锡214122 浙江工商职业技术学院信息工程学院宁波315012

为解决传统支持向量机易出现学习"过拟合"和丢失数据统计特征等问题,通过引入模糊隶属度和总间隔思想,提出一种基于总间隔的最大间隔最小包含模糊球形学习机(TMF-SSLM),使得一类(正类)被包含于一个最小包含超球内,而另一类(负... 详细信息

为解决传统支持向量机易出现学习"过拟合"和丢失数据统计特征等问题,通过引入模糊隶属度和总间隔思想,提出一种基于总间隔的最大间隔最小包含模糊球形学习机(TMF-SSLM),使得一类(正类)被包含于一个最小包含超球内,而另一类(负类)与该超球间隔最大化,从而同时实现类间间隔的增大和正负两类类内体积的缩小.通过使用差异成本,解决不平衡训练样本问题.引入总间隔和模糊性惩罚,克服传统软间隔分类机的过拟合问题,显著提升球形学习机的泛化能力.采用UCI实际数据集分别对二类和一类模式分类进行实验,结果显示TMF-SSLM具有优于相关方法的稳定分类性能.

关键词：总间隔支持向量模糊支持向量机超球体

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的风电爬坡功率预测

引用

太阳能学报 2023年第1期44卷 226-231页

作者：黄棋悦严楠钟旭佳宁波职业技术学院新能源及电力系统研究中心宁波315800 宁波职业技术学院机电工程学院宁波315800 郑州城市职业学院智能制造学院郑州450000

风电的波动性和随机性,尤其是功率爬坡事件严重威胁着电网运行的安全和稳定。功率爬坡是极端天气影响下产生的,属于小概率事件。其极低的发生概率导致历史爬坡样本数量严重不足,并制约了传统功率预测模型的预测精度。针对此类问题,提出... 详细信息

风电的波动性和随机性,尤其是功率爬坡事件严重威胁着电网运行的安全和稳定。功率爬坡是极端天气影响下产生的,属于小概率事件。其极低的发生概率导致历史爬坡样本数量严重不足,并制约了传统功率预测模型的预测精度。针对此类问题,提出一种基于生成对抗网络的风电爬坡功率预测方案。将历史爬坡数据和模拟特征量作为输入,通过生成器和判别器的对抗训练,生成大量与历史爬坡数据特征相似的模拟爬坡数据,实现爬坡数据集的扩充。再将扩充后的爬坡数据集输入给长短期记忆神经网络算法,进行风电爬坡功率预测。通过仿真测试,验证了该方法在历史爬坡数据匮乏情况下风电爬坡功率预测的有效性。并与传统预测方法进行了对比,证明了其预测的精确性。

关键词：风电功率预测神经网络生成对抗网络功率爬坡事件

来源：评论

学校读者我要写书评

暂无评论

阿尔茨海默病的图神经网络分类方法研究进展

引用

计算机工程 2024年第10期50卷 35-50页

作者：顾宇衡潘嘉诚钱江波董一鸿宁波大学信息科学与工程学院浙江宁波315211 宁波城市职业技术学院信息与智能工程学院浙江宁波315100

阿尔茨海默病(AD)是一种不可逆的神经退行性疾病,会导致认知能力的逐渐下降。AD症状的演变过程可能很长,在不同的神经成像模式中可检测到脑区生物标志物的细微变化,但其早期检测具有挑战性。由于神经成像数据的高度复杂性和大脑网络的... 详细信息

阿尔茨海默病(AD)是一种不可逆的神经退行性疾病,会导致认知能力的逐渐下降。AD症状的演变过程可能很长,在不同的神经成像模式中可检测到脑区生物标志物的细微变化,但其早期检测具有挑战性。由于神经成像数据的高度复杂性和大脑网络的不规则性,传统的机器学习和深度神经网络模型存在许多不足,开发基于图神经网络(GNN)的计算机辅助诊断(CAD)模型可以为分析非欧几里得空间的神经影像模式以及探究生物标志物提供极大帮助。首先,对基于GNN分类方法的AD预测进行详细的调研和概述。然后,从基于单模态数据和基于多模态数据两个视角进行梳理,重点介绍和分析这些方法在单模态和多模态数据应用场景中的数据提取、脑网络建模、特征学习、信息融合等过程,并评述部分方法的性能。最后,针对GNN应用于AD诊断的主要挑战和未来研究方向进行了展望,为AD辅助诊断的进一步研究提供有益的建议。

关键词：图神经网络阿尔茨海默病辅助诊断神经成像多模态数据

来源：评论

学校读者我要写书评

暂无评论

带扩张观测器的虚拟轴并联机构滑模控制

引用

控制工程 2020年第4期27卷 733-740页

作者：江道根潘世华张慧朱蓉宁波城市职业技术学院信息与智能工程学院浙江宁波315100

针对多自由度虚拟轴并联机构动力学方程高度非线性、强耦合及运动过程中各种干扰而难以精密控制的障碍,在基于运动学名义模型基础上,运用扩张观测器光滑滑模控制算法,在关节空间中运用PVT轨迹插补策略,实现机构未建模动态与扰动信号补... 详细信息

针对多自由度虚拟轴并联机构动力学方程高度非线性、强耦合及运动过程中各种干扰而难以精密控制的障碍,在基于运动学名义模型基础上,运用扩张观测器光滑滑模控制算法,在关节空间中运用PVT轨迹插补策略,实现机构未建模动态与扰动信号补偿控制。为抑制滑模控制所固有的抖振缺陷,将一种非线性幂函数fal(s,α,δ)用于滑模趋近律的设计中,并将传统滑模切换面(s)改造成高增益连续滑模面s/(|s|+δ)。机构轨迹跟踪实验表明,该控制策略增强了系统鲁棒性,并且具有良好的稳态性能和动态品质。

关键词：并联机构光滑滑模控制扰动补偿 PVT插补

来源：评论

学校读者我要写书评

暂无评论

四翼飞行器轨迹快速跟踪预设性能反演控制

引用

控制工程 2021年第11期28卷 2199-2208页

作者：潘世华江道根朱蓉尹湘源宁波城市职业技术学院信息与智能工程学院浙江宁波315100

针对四翼飞行器飞行中的综合干扰和轨迹跟踪的预定性能问题,在基于飞控系统双闭环结构的基础上设计出新型预设性能反演控制算法,实现了高精度轨迹快速跟踪控制目标。首先,将飞控系统动力学模型进行解耦,构造出位置环和姿态环的双闭环控... 详细信息

针对四翼飞行器飞行中的综合干扰和轨迹跟踪的预定性能问题,在基于飞控系统双闭环结构的基础上设计出新型预设性能反演控制算法,实现了高精度轨迹快速跟踪控制目标。首先,将飞控系统动力学模型进行解耦,构造出位置环和姿态环的双闭环控制结构;再依据有限时间性能函数对飞控系统变量误差进行坐标变换,转换成具有稳态和动态性能要求的系统变量;然后,运用反演控制算法结合非线性指数观测器估计综合干扰,以此求出总控制律。最后,通过仿真实验验证了控制算法的有效性和实用性。

关键词：四旋翼飞行器有限时间预设性能控制快速轨迹跟踪反演控制

来源：评论

学校读者我要写书评

暂无评论

一种基于黏液菌觅食机制的特征选择算法及其在文本情感识别中的应用

引用

南京理工大学学报 2021年第5期45卷 596-605页

作者：徐济惠颜晨阳宁波城市职业技术学院信息与智能工程学院浙江宁波315211

黏液菌(Physarum polycephalum)由于其展现出的迷宫寻径、路径寻优甚至构建与人工设计媲美的复杂交通网络等特殊能力而备受关注。该文正是受启发于黏液菌构建复杂鲁棒网络的行为,提出了一种仿生特征选择算法Slime-FS。Slime-FS将特征选... 详细信息

黏液菌(Physarum polycephalum)由于其展现出的迷宫寻径、路径寻优甚至构建与人工设计媲美的复杂交通网络等特殊能力而备受关注。该文正是受启发于黏液菌构建复杂鲁棒网络的行为,提出了一种仿生特征选择算法Slime-FS。Slime-FS将特征选择转化成一类最优特征子图求解问题,同时模仿黏液菌觅食机制,结合粗糙集理论构建了一种策略来指导最优特征子图的搜索。算法被应用于文本情感识别问题中,在某慕课平台评论文本数据集上进行了测试,结果显示Slime-FS能有效地选择鉴别特征,去除冗余和无关特征,其表现要远远优于基准算法(不带选特征选择的SVC),也要优于若干结合了元启发搜索策略的混合算法(Sklearn-genetic、EWGA、MSPSO和ACO)。

关键词：黏液菌情感识别特征选择仿生算法

来源：评论

学校读者我要写书评

暂无评论

OFDM系统的信道与脉冲噪声的联合估计方法

引用

通信学报 2018年第3期39卷 191-198页

作者：吕新荣李有明余明宸宁波大学信息科学与工程学院浙江宁波315211 浙江工商职业技术学院智能电子学院浙江宁波315012

针对OFDM系统中的脉冲噪声问题,提出一种基于压缩感知技术的脉冲噪声抑制方法。该方法将信道脉冲响应和脉冲噪声联合视作一个稀疏向量,将发射数据符号视作未知参数,利用稀疏贝叶斯学习理论联合估计信道、脉冲噪声和数据符号。与现有脉... 详细信息

针对OFDM系统中的脉冲噪声问题,提出一种基于压缩感知技术的脉冲噪声抑制方法。该方法将信道脉冲响应和脉冲噪声联合视作一个稀疏向量,将发射数据符号视作未知参数,利用稀疏贝叶斯学习理论联合估计信道、脉冲噪声和数据符号。与现有脉冲噪声抑制方法相比,该方法不仅能够充分利用全部子载波信息,而且不需要信道和脉冲噪声的先验统计信息。仿真结果表明,所提方法在信道估计及误比特率性能上有明显改善。

关键词：正交频分复用信道估计脉冲噪声稀疏贝叶斯学习压缩感知

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：