关键词： 制动能量回收   模糊控制   自适应免疫粒子群算法   免疫操作   纯电动汽车  

摘要： 为提升新能源汽车制动能量回收效率,针对模糊控制器设计主观性强及经典粒子群算法(particle swarm optimization,PSO)易陷入局部最优的问题,提出一种基于自适应免疫粒子群算法(adaptive immune particle swarm optimization,AIPSO)的优化策略。通过融合混合初始化、动态参数调整及免疫机制,构建改进算法。结合理想制动力分配I曲线、联合国欧洲经济委员会法规线(economic commission for Europe,ECE)等分配前、后轴制动力,并设计三输入、单输出模糊控制器。利用PSO与AIPSO分别优化模糊控制器,在MATLAB/Simulink中建立整车再生制动模型进行仿真验证。结果表明:在新欧洲驾驶循环工况(new european driving cycle,NEDC)下,相较于PSO,AIPSO优化后的控制策略可使电池荷电状态(state of charge,SOC)波动幅度降低3.09%,能量回收效率提升5.22%;改进算法优化后的控制策略提高了能量回收经济性,为复杂工况下再生制动系统参数优化提供理论依据。

关键词： 六自由度并联平台   遗传算法   两级物理约束   动态竞争   动力学参数辨识  

摘要： 为改善六自由度并联平台动力学参数辨识中传统遗传算法存在的早熟收敛、无效解占比偏高问题,本研究提出一种融合动力学先验的改进遗传算法。该算法首先基于混沌序列生成初始种群,采用mRMR准则对参数敏感度进行分层,并结合参数边界与物理约束筛选有效解;再基于余弦相似度划分子种群,通过循环链动态竞争、耦合感知自适应交叉、柯西变异及精英保留机制实现协同进化;最后通过迭代闭环优化,输出最优辨识参数。实验结果表明,该算法将参数平均误差从传统遗传算法的17.59%降至3.69%,所有参数误差均控制在6.83%以内,且收敛时间由0.9 s提升至0.03 s左右即可快速稳定,收敛速度显著提升,为平台高精度控制提供可靠的参数支撑。

关键词： 算法偏见   短视频新闻   内容同质化   推荐机制  

摘要： 短视频平台的算法推荐机制在提升信息分发效率的同时,也带来了内容同质化问题。本文以算法偏见为切入点,从题材、形式、价值三个维度剖析短视频新闻的同质化表现,揭示技术效率与新闻价值、商业逻辑与公共责任、用户需求与算法供给之间的深层矛盾,提出算法伦理重构、内容生态治理、用户参与机制强化、监管协同等优化路径,以期为短视频平台、内容创作者、监管部门提供理论参考。

关键词： 算法推荐   数字化生存   话语权   价值观  

摘要： 算法推荐技术下的“数字青年”价值观形塑,是青年价值观塑造的算法赋权和数字提升。“数字青年”的价值观形成过程,进一步呈现出价值信息识别的“量子化”、价值判断标准提取的“个体化”、价值认同建构驱动的“数智化”,契合算法推荐的“识别—筛选—推荐”的运行机制、“以用户为中心”的设计规则和“数据驱动”的强大算力。但同时,算法推荐的“过滤气泡”和“回声室效应”削弱了价值信息传递效度和信度、算法话语权的资本化与流量化诱发了价值判断标准失序、算法的场景泛滥与意识形态侵入消解着主流价值认同,给“数字青年”价值观的塑造带来了巨大隐忧。为此,应坚持技术向上,打破“数据孤岛”;完善算法规制,提升治理效能;强化主流价值牵引,守卫意识形态阵地。从而推动算法推荐向上向善,助力“数字青年”价值观正向发展。

关键词： 智能算法   中华文化认同   技术赋能   黑箱风险   规避路径  

摘要： 中华文化是中华民族的根与魂,中华文化认同是“五个认同”的根基。智能算法技术重构了中华文化的传播样态:首先,重塑文化传播结构模式,内容生产由官方主导转变为多元参与,传播方式由单向宣传转变为多向互动;其次,改变信息分发方式,由面向大众转变为面向分众,实现内容获取的个性化定制;再次,创新内容感知形式,将抽象符号转变为具象表达,赋予大众生活化情感化的中华文化体验。同时,智能算法也给中华文化认同带来风险:其一,算法把关导致中华文化被边缘化,加剧泛娱乐化和情绪化传播,挤压中华文化传播空间;其二,算法黑箱导致解构中华文化的内容借机借位传播,削弱公众信息鉴别能力,干扰中华文化传播秩序;其三,算法壁垒造成的信息茧房影响公众对中华文化的充分感知,阻碍在社会层面形成情感共鸣,弱化中华文化传播效力。面对风险挑战,应完善制度体系,以中华文化认同为引领完善智能算法技术监管制度,同时,推进《中华人民共和国民族团结进步促进法》等法规有效落实;探索平台协作,生产并传播契合媒介平台特点的中华文化相关内容,激发创作者生产传播活力;优化技术应用,设计特色算法工具以提升内容生产和扩散传播效能,以技术纠偏技术,避免算法导致中华文化认同异化;提升公众素养,培育公众理性意识,避免被算法技术所裹挟,开拓线下中华文化宣传阵地,在亲身体验中培育理性认同。

关键词： 知识图谱   推荐系统   多头注意力   GRU   卷积神经网络  

摘要： 推荐系统是解决信息过载问题的重要手段,知识图谱是目前推荐系统应用最为广泛的辅助信息来源。现有知识图谱在推荐系统中存在多语义关系动态建模不足、邻居序列依赖与长程关联建模缺失、图结构多层次特征提取能力不足的问题。为解决上述问题,本文提出一种基于多语义与时序卷积的推荐模型MSTC-KG。该模型通过多头注意力机制与门控机制动态融合用户-关系交互,区分邻居节点语义贡献;利用GRU捕捉邻居序列的时序依赖和长程关联;通过一维卷积神经网络提取图结构的局部-全局多层次特征。在2个公开数据集上与14个基线模型的对比实验显示,MSTC-KG在Book-Crossing、MovieLens-20M数据集上AUC分别为0.737和0.982,F_(1)值分别为0.680和0.938,均领先于其他基准模型。实验表明,模型通过“多语义动态区分+时序依赖捕捉+层次特征提取”架构,有效提升推荐准确性和对复杂知识图谱结构的建模能力。

关键词： 室内语义分割   非对称特征融合   小波变换卷积   动态上采样   双分支门控注意力  

摘要： 针对室内场景语义分割面临的目标尺度差异大、结构边缘模糊及光照鲁棒性不足等挑战,本文以SegFormer为基线模型,设计了面向室内物体的高效语义分割算法AMFE-SegFormer.首先,提出非对称多尺度特征融合模块(AMFM),在高效捕获小目标特征的同时,强化跨层特征全局语义匹配能力,并重点捕捉矩形轮廓特征,优化边缘分割性能.其次,引入小波变换卷积模块(WTConv),通过解耦低频全局结构与高频局部细节扩大感受野,提升复杂材质辨别能力与光照变化鲁棒性.再者,引入动态上采样模块(DySample),自适应调整采样点位置与权重,精准匹配室内场景复杂特征.最后,设计双分支门控注意力模块(DGAM):通过异构特征分解将输入特征转换为空间关联流与通道判别流,并借助双注意力机制完成动态融合与重校准,有效抑制背景干扰并强化弱纹理物体的特征表征.在SUN-RGBD与ADE20k-Indoor数据集上的实验结果表明,AMFE-SegFormer在维持轻量化特性的同时,mIoU指标分别提升2.97%与2.17%,不仅增强了室内场景中大面积物体分割一致性,还优化了小目标分割精度与边缘效果,同时强化了模型的光照鲁棒性,为室内场景语义分割提供了更高效、精准的解决方案.

关键词： 产后母牛   犊牛   行为分类   改进RTDETR模型  

摘要： 基于计算机视觉的行为分类已成为动物行为监测的重要技术.本文基于改进的RTDETR(real-time detection transformer)算法,构建了一种产后母牛与犊牛的行为分类模型.通过在RTDETR-r18模型骨架网络的最后一层引入频率自适应空洞卷积(frequency-adaptive dilated convolution,FADC)模块,并将混合编码层中基于注意力的同尺度特征交互(attention-based intra-scale feature interaction,AIFI)模块替换为高低频注意力(HiLo attention)模块,以增强模型对母牛和犊牛图像全局信息与局部特征的高效捕捉能力.将所提出模型与其他模型在相同的产后母牛与犊牛行为数据集上进行训练与比较,结果表明:改进RTDETR模型的总体精确率为97.3%,召回率为96.2%,均高于其他对比模型;与基线RTDETR-r18模型相比,改进RTDETR模型的精确率和召回率分别提升0.9和0.6个百分点.改进RTDETR模型在产后母牛与犊牛的行为分类任务中表现优异,可为提升养殖场管理效率提供新方法.

关键词： 应急物流   选址路径问题   图注意力网络   REINFORCE  

摘要： 应急物流中心选址和路径优化是整个应急物流系统建设的关键环节。本文针对应急多物流中心选址与车辆路径规划的联合优化问题,提出基于图注意力网络与REINFORCE算法的多物流中心选址-路径协同优化方法。方法借助基于图注意力的编码器从场景中提取节点和边的特征信息,采用基于多头注意力机制的解码器输出下一步选择节点的概率分布,并依据策略生成中间路径;将路径输入带基线的REINFORCE算法,计算策略梯度以更新网络参数;设计应用于多物流中心组合的奖励函数,以路径总成本最低为目标引导学习;最后通过枚举不同物流中心组合并评估对应子路径成本,实现选址与路径决策的联合优化。实验设计了不同的规模场景,与精确求解算法和启发式算法进行对比。结果表明,在小中规模问题上,车辆平均行驶距离与传统算法相当,求解时间优于OR-tools与Gurobi,分别平均降低99.44%、99.90%;在大规模问题上,车辆平均行驶距离与求解时间均优于Gurobi、OR-tools和贪婪算法,平均行驶距离分别下降9.12%、1.74%、27.29%,应急物流系统的配送效率得到提升。

关键词： 人工智能   算法推荐   思想政治教育   风险   治理  

摘要： 人工智能时代,算法推荐技术重塑了信息传播格局,推动了传播范式的结构性变革。基于海量数据分析、用户数字画像、内容精准投放和场景模拟仿真的算法应用,思想政治教育拓展了新的实践场域,然而,算法背后的资本逻辑所导致的信息茧房效应、泛娱乐化倾向及潜在偏见风险,也为思想政治教育带来了新的情境性挑战。对此,需采取多维治理策略:通过规范技术应用与夯实主流价值根基,推进思想政治教育话语体系创新;以强化主流价值引领为核心,净化网络舆论生态;通过制度性约束遏制算法权力无序扩张,以社会主义制度优势引导资本规范发展,最终构建政府主导、平台履责、公众参与的多元协同治理格局。