关键词： 大数据技术   茶企   财务决策   成本管控   风险预警  

摘要： 大数据技术能够为茶企财务决策优化提供新的思路,论文阐释大数据体量庞大、类型多样、高速处理与价值密度低等技术特征;分析大数据在提升财务处理效率、加强风险管控、优化资金配置方面的促进作用。最后,论文从构建数据中台、重构成本模型、搭建预算体系、建立预警模型、优化投融决策五个维度,提出大数据驱动茶企财务决策优化的具体路径。

关键词： 深度学习重建   双低剂量   上腹部增强CT   肝脏  

摘要： 目的:探讨在肝脏CT增强中结合低辐射剂量和低碘对比剂,深度学习重建算法(DLIR)与自适应统计迭代重建(ASIR-V)的应用效果。方法:前瞻性收集行腹部增强CT的患者82例,随机分成A组和B组,A组(对照组)常规剂量(管电压120 kVp,碘对比剂85mL)下门静脉期采用30%、50%、70%ASIR-V(AV30、AV50、AV70)进行图像重建。B组(实验组)双低剂量(管电压80 kVp;碘对比剂65 mL)下门静脉期采用中、高强度深度学习(DLIR-M,DLIR-H)进行图像重建。计算了标准差(SD)、信噪比(SNR)、对比噪声比(CNR)、肝脏病灶对比噪声比(LLR)、品质因了(FOM)、有效剂量(ED)及碘摄入量。两名诊断医生评估不同剂量下不同重建方式的主观图像质量。结果:A组和B组的性别、年龄、体重指数BMI差异均无统计学意义。在有效剂量降低38.40%,对比剂用量降低23.53%下,DLIR-M与AV50、DLIR-H与AV70肝实质、门静脉SD值差异均无统计学意义,肝实质、门静脉SNR中仅DLIR-M与AV50不具有统计学意义,肝实质、门静脉CNR中仅DLIR-M与AV70差异无统计学意义,肝脏病灶对比噪声比(LLR)与品质因数(FOM)中,仅DLIR-M与AV70差异无统计学意义。在各项主观图像质量评估中,双低剂量下的DLIR表现优于常规剂量的AVIR-V,尤其是DLIR-H表现最佳。结论:与常规剂量下ASIR-V相比,DLIR在“双低”(低辐射剂量低对比剂)剂量下可以提高图像质量和肝脏低对比度病灶的检测能力。

关键词： 多模态推荐   图神经网络   表示学习   对比学习   表示增强  

摘要： 现有多模态推荐系统存在三方面不足:未充分挖掘多模态数据与交互数据的潜在关联,导致关键特征弱化;未考虑物品中与用户兴趣无关的噪声及交互行为中偶然因素引入的噪声干扰;采用静态融合赋予各模态均等权重,无法动态感知用户兴趣变化,特征表示区分度不足。为此,提出一种用户和物品双侧协同过滤多模态推荐对比表示提升算法(two-sided collaborative filtering multimodal contrastive representation enhancement,TCFCRE),通过对比学习强化关键特征,以有效地挖掘多模态数据与交互数据之间的潜在关联。同时,为降低噪声对用户表示学习的影响,设计跨模态用户表示对齐模块,挖掘不同模态用户特征的一致性以提取真实兴趣;基于用户-物品多模态关系构建掩码矩阵生成增强视图,借助对比学习减弱隐式反馈中的噪声干扰。为解决传统静态融合无法区分模态重要性与适配动态兴趣变化的问题,设计多模态动态融合模块,为各模态表示自适应计算融合权重。在三个公开数据集上进行大量试验,结果表明,TCFCRE相较于多种先进基线模型取得显著性能提升。

关键词： 去中心化联邦学习   Frank-Wolfe   差分隐私   单点反馈  

摘要： 研究一类考虑客户端隐私保护的去中心化联邦学习算法,目标是保护各客户端隐私信息不被暴露,且保证模型收敛至全局最优解。提出一种基于差分隐私的Frank-Wolfe无投影去中心化联邦学习算法,结合在线单点反馈技术,避免了高维约束集下的复杂投影计算,并通过函数值近似梯度,解决了梯度信息不可访问的问题。在无中心服务器的场景下,算法可实现客户端隐私保护,同时理论分析表明算法可收敛至全局最优解。最后,通过数据集仿真实验验证了算法的有效性。

关键词： 定日镜场   塔式光热发电   遗传算法   镜场布局  

摘要： 为提高太阳能热发电系统的光学效率与经济性,针对传统均匀环形定日镜场布局因忽略太阳动态特性及遮挡效应而导致能量利用率受限的问题,提出基于遗传算法的Campo布局优化方法。通过构建太阳位置动态模型与多物理场光学效率模型,以单位镜面年平均热输出功率最大化为优化目标,对定日镜尺寸、安装高度等参数进行寻优。采用罚函数处理约束条件,结合遗传算子实现变量协同优化。仿真结果表明:基于遗传算法的Campo布局可显著提升光学效率与能量输出能力,为定日镜场设计提供了具有实用价值的优化策略。

关键词： 交通新能源   压电阵列   改进黑鹰算法   人行横道   优化方法  

摘要： 为提升城市人行横道步行踩踏能量的收集效率，解决现有压电阵列布设方法在适配性、收敛性与解集分布均匀性方面的不足，本文基于无人机融合YOLOv8+DeepSort绘制的行人流量时空分布热力图，建立了行人踩踏区域与自主研发的压电装置结构网格布设间的能量转换函数关系，提出了布设数量、间距及路面承载等约束条件下压电阵列发电效率、经济效益与碳排放量的多目标优化模型；通过引入精英引导机制与动态参数调节策略，提出了面向二维离散场景的改进黑鹰优化算法（Black Eagle Optimizer-2D， BEO-2D），更好地适配了离散网格环境的约束处理需求。结果表明：BEO-2D算法在寻优精度、收敛速度及解集分布均匀性上均优于原BEO、多目标粒子群算法TVMOPSO及非支配排序遗传算法NSGA-Ⅱ算法，能量收集上分别提升2.66%、22.35%和8.62%，迭代收敛次数较原BEO减少40%，有效地避免TVMOPSO局部最优、NSGA-Ⅱ收敛缓慢的缺陷，实现了算法多时段、多约束下的效率与稳定性最优；相同行人流量下随着装置数量的增加，综合效益呈先增大后减小的趋势，且发电装置最优布设数量与行人流量呈显著正相关；实例交叉口四个人行横道的压电阵列在生命周期内发电量达49793.884kWh，日均发电量6.916kWh，可满足交叉口70%的用电能源需求。研究成果可为城市道路绿色能源收集与低碳建设提供技术支持。

关键词： 智能算法推荐   新闻生产   信息茧房   算法偏见   新闻专业主义  

摘要： 智能传播时代,智能算法推荐依靠数据驱动改变了新闻生产流程、价值评判准则和从业者角色,也带来了信息茧房、算法偏见、内容雷同、专业主义与商业利益的冲突等问题。为解决上述问题,本文从算法透明度的提高、人工审核与算法编辑把关的权衡、建立健全算法伦理规范、媒体的社会责任等方面提出了相应的解决办法。研究认为,只有平衡好技术理性和价值理性,智能算法推荐才能推动新闻业发展,为智能传播时代新闻生产转型提供理论参考和实践 指导。

关键词： 多源异构数据   新能源场站   高压设备   故障诊断   预警方法   诊断精度  

摘要： 针对新能源场站高压设备故障诊断依赖单一数据源、忽视数据时频与多源特性导致精度受限的问题,提出基于多源异构大数据分析的新能源场站高压设备预警诊断技术。分别计算高压设备运行数据的时域特征以及频域特征参数,提取时频特征。将每个数据源提供的时频特征数据作为输入,通过计算BPA函数评估每个数据源对设备处于不同状态的信任程度,并结合Dempster合成规则进行BPA函数组合,从而实现时频特征有效融合。通过训练DCNN网络模型学习特征与设备状态间的映射关系,实现高压设备预警和诊断。测试结果表明,DCNN输出的诊断标签与实际标签的重合度为94.5%,具有较为理想的诊断精度。

关键词： 财务大数据   课程改革   能力导向  

摘要： 针对传统财务教学数据处理能力培养薄弱的问题,以“数据驱动、能力导向”为核心理念推进课程改革,构建4层能力框架,引入Hadoop+Spark实训平台,融合孤立森林异常检测、XGBoost预测等真实业务场景,采用项目驱动教学法。改革后,学生技能评分提高34.1%,任务完成效率提高60%,课程改革取得显著成效。

关键词： 人工智能   智能知识服务   高校图书馆  

摘要： 随着人工智能技术的快速发展,高校图书馆知识服务正面临深刻变革并迎来全新发展机遇。文章聚焦32所国外一流高校图书馆在智能知识服务领域的创新实践,选取智能知识发现、智能科研协同、人工智能专题导航与人工智能素养培训四大核心场景,以及知识创新实验室这一创新载体,系统剖析人工智能在高校图书馆知识服务中的创新实践与发展趋势。基于调研结果,从深化技术融合、重塑服务范式与筑牢支撑体系三个维度总结相关经验,以期为人工智能背景下高校图书馆智能化转型提供聚焦服务驱动与渐进式改良路径的国际经验参照。