关键词： 片上网络   低功耗   遗传算法   最优传输路径   热均衡  

摘要： 针对大规模片上网络(Network-on-Chip,NoC)的低功耗多目标映射问题,该研究提出了一种改进的遗传-模拟退火混合优化算法(Improved Genetic Algorithm combined with Simulated Annealing,IGA-SA)。该算法创新性地设计了双阶段协同机制,通过动态精英保留策略确保优质解的传承,采用自适应部分映射交叉算子有效解决排列约束冲突,结合定向邻域搜索避免陷入局部最优,并引入基于预计算的快速评估方法显著降低计算复杂度。在Matlab仿真平台上,基于2D-Mesh拓扑结构的实验结果表明,IGA-SA在收敛速度和优化效果上均显著优于传统算法。与遗传算法(Genetic Algorithm,GA)、差分进化(Differential Evolution,DE)、人工蜂群(Artificial Bee Colony,ABC)和粒子群优化(Particle Swarm Optimization,PSO)相比,IGA-SA的总通信能耗分别降低了8.0%、23.5%、27.3%和32.2%。5种算法的节点能耗分布呈现相似趋势,但IGA-SA在局部峰值节点的能耗表现较为突出,充分体现了该算法在均衡节点负载方面的优势。这些实验结果不仅验证了IGA-SA在通信功耗与热均衡性协同优化方面的有效性,更为大规模NoC系统的低功耗设计提供了一种高效可靠的解决方案。

关键词： 天气雷达   非气象回波   滤除算法   特征图谱库  

摘要： 随着气象雷达技术的不断发展,天气雷达在气象监测和预报中发挥着越来越重要的作用。然而,雷达回波中常包含地物、旁瓣和干扰等非气象回波信号,这些信号会严重影响雷达基数据的质量,进而降低气象预报的准确性。因此,研究有效的非气象回波滤除算法对于提升雷达数据质量具有重要意义。本研究基于西宁CINRAD/CD和海南CINRAD/CA天气雷达的基数据,深入研究了滤除地物和干扰非气象回波的算法,首次利用向量法对不同型号、不同区域天气雷达的非气象回波特征进行滤除,旨在提高雷达基数据的质量和气象预报的准确性。首先筛选西宁CINRAD/CD和海南CINRAD/CA天气雷达2021—2023年的雷达基数据,提取干扰回波和地物回波的图谱特征,并建立相应的特征图谱库。随后,结合这些特征图谱库,统计非气象回波雷达基数据中的基本反射率因子、径向速度以及谱宽等参数,并研究相应的滤除算法程序。最后,对滤除效果进行检验,确保滤除非气象回波后气象回波的真实性。研究结果表明,非气象回波滤除算法能够有效滤除地物和干扰等非气象回波信号,显著提高雷达基数据的质量。通过对滤除前后的雷达回波图进行详细分析,可以清晰地看到非气象回波信号被有效滤除,气象回波信号得到保留,从而提高了气象预报的准确性。

关键词： 人工智能   英语笔译   算法   优化  

摘要： 人工智能依靠其强大的算法以及海量数据处理能力,突破了传统笔译在时间和空间上的限制,让大规模多语言内容可实现快速转换。根据相关统计数据可知,在电商产品描述、新闻资讯这类非文学翻译场景当中,人工智能翻译的交付速度相较于人工翻译要快上数十倍,然而成本却还不到人工翻译的五分之一。这样的技术浪潮改变了翻译行业的工作模式,同时也引发了社会对于英语笔译人才需求以及翻译价值认知方面的深入思考。本文从技术与人文交叉的角度出发,探讨人工智能背景下英语笔译所面临的机遇与挑战,并对英语笔译创新和优化路径展开研究,希望能为英语笔译行业可持续发展提供一些有帮助的参考。

关键词： 预应力摩阻检测   改进L-M算法   多终端同步采集   自适应加权策略   施工质量控制  

摘要： 针对传统后张法预应力摩阻检测中操作误差大、数据离散性高及人为因素干扰等问题,提出一种基于改进Levenberg-Marquardt(L-M)算法的摩阻系数求解方法,并开发相应的检测系统。该系统集成高精度传感器与LoRa无线通信技术,可实现多终端张拉力数据的同步采集与标准化处理,有效避免人为误差的引入,提升检测效率与数据精度。同时,改进L-M算法,通过引入自适应加权策略和基于中位数绝对偏差(MAD)的动态阈值机制,提升预应力筋与孔道壁之间的摩擦系数μ和孔道每米局部偏差对摩擦影响系数k的计算可靠性,在异常数据干扰下仍保持高精度,与传统二元回归算法相比表现出优异的抗干扰性能。试验验证结果表明,系统优化后μ和k的重复测量标准差分别从传统人工检测的0.00917和0.001025下降至0.00422和0.0001,并通过工程应用进一步验证了系统的高稳定性和可靠性,可为预应力施工质量控制提供技术支持。

关键词： 应急物资   应急响应   供给   知识服务   三元空间   知识库  

摘要： [目的/意义]针对应急物资供给领域中供需信息匹配的难题,从认知、架构、运行3个方面构建该领域知识服务框架,以提升应急响应敏捷性与供给柔韧性。[方法/过程]面向应急物资供给领域从场景、方式、结构、视角、模式5个维度提出以知识服务为核心的认知框架,进一步从应急数据集成、供给知识驱动、应急场景感知3个方面进行系统架构,并从逻辑、机制、模式等方面对所提出的知识服务运行模式展开探讨。[结果/结论]构建的知识服务框架通过细化数据感知粒度、序化复杂知识网络、实现供需语义匹配,有效支撑多环节级联耦合知识的关联与传递,为解决供需失衡、提升供应链韧性、平衡响应敏捷性与供给柔韧性提供了方法论和平台支撑。

关键词： 教师队伍建设   范式转换   资源保障   教学支撑   知识服务  

摘要： 我国教师队伍建设的战略定位全面转向“高质量发展”和“系统性能力赋能”后,对高校图书馆的服务提出了全新要求,更加强调服务场景的智能交互、文献资源的整合优化、知识服务的深度嵌入。文章以暨南大学图书馆多维度赋能高素质教师队伍建设的实践为案例,系统梳理和总结高校图书馆在教师队伍建设中的角色演变和服务重构,为高校图书馆主动转型赋能教师队伍建设提供可参照的行动方案。

关键词： 光场视频编码   低比特压缩   光场重建  

摘要： 光场视频能够同时记录场景的时空与角度信息，为沉浸式体验提供了可能，但其海量数据给存储和传输带来了严峻挑战。为解决此问题，基于稀疏采样的重建方法应运而生。它通过仅编码传输少量关键视图，在解码端利用深度学习网络恢复完整视点，成为实现低码率光场视频压缩的有效途径。然而，现有的大多数稀疏重建方法在设计上存在一个核心局限：由于它们通常将视频序列视为独立的图像帧集合，采用逐帧重建的策略，虽然充分挖掘了单帧内的空间-角度相关性，却完全忽略了视频序列中蕴含的宝贵时序信息，导致重建时无法利用相邻帧信息来修复重建受限区域，使得性能出现瓶颈。其次，在大视差场景下，由于视角遮挡频繁，单帧的稀疏视图信息不足以推断被遮挡区域的内容，而这些缺失的纹理细节往往在相邻帧的对应位置是可见的。针对上述问题，本文提出了一种融合时序信息的光场视频稀疏编码与密集重建框架。该框架的核心在于设计了一个基于时序增强的光场视频重建网络。不同于传统的独立帧处理，该网络创新性地引入了时序增强模块，通过利用可变形卷积技术，自适应地对齐并融合相邻帧的特征。这种机制能够从参考帧中有效检索纹理细节，对当前帧因遮挡而缺失的信息进行补偿，从而在重建过程中强制施加时序一致性约束。实验结果表明，本文提出的框架在不显著增加码率开销的前提下，实现了更优的率失真性能，有效验证了所提时序增强策略的优越性。

关键词： 经验风险最小化问题   随机递归梯度算法   BB方法  

摘要： 随机优化问题是机器学习与优化交叉领域的一大研究热点,其中经验风险最小化问题尤为突出.提出了一种自适应步长的随机递归梯度算法,结合重要性采样并使用BB方法动态调整步长参数,通过降低随机梯度方差,从而有效地提高了收敛速度.在强凸假设下算法具有线性收敛速度,数值实验表明该算法是有效可行的.

关键词： 智能客服   NLP   相似度求解   关键词提取  

摘要： 为解决智能客服在运用自然语言处理(Natural Language Processing,NLP)文本分析技术时因词汇链强度、位置与跨度复杂导致关键词提取精度不足的问题,提出基于相似度求解的智能客服NLP文本关键词提取算法。利用NLP技术分析智能客服文本,挖掘文本语义。根据语义义原的上下位关系建立义原树,基于义原相似度与概念相似度求解词相似度。结合词相关度与扩展度构造词汇链,根据词所处词汇链的强度与词的位置、跨度等计算词权重并按权重降序排列,提取出智能客服NLP文本的关键词。实验结果表明,针对电力公司智能客服系统的测试,所提算法在NLP关键词提取上,词语相似度集中在0.98~1.0区间,支持关键词提取;提取结果与人工标注一致,准确率高。

关键词： 算法素养   感知可信度   AIGC   人智交互体验  

摘要： [目的/意义]探究人智交互体验中用户算法素养对AIGC感知可信度的影响机制，以优化用户体验、增强其对AIGC技术的信任与接纳程度。[方法/过程]基于启发—系统式模型与“计算机即社会行动者”理论，结合拟人化表达、同理心感知等社会属性，采用涵盖算法知识、算法意识、算法评估、算法应对和算法创造五个维度的算法素养体系，构建算法素养对AIGC感知可信度影响的理论模型，采用结构方程模型进行实证分析。[结果/结论 ]研究发现，算法素养通过强化用户感知信息质量促使用户采用系统式处理，从而显著提升感知可信度；然而，其通过削弱用户感知功能质量抑制启发式处理，进而对感知可信度产生负向影响，性别、学历等用户特征未显著调节该路径。此外，算法知识、算法评估与算法创造正向影响用户感知信息质量；算法意识与算法知识负向影响用户感知功能质量；算法知识与算法应对则正向影响用户感知AI道德。