关键词： 人工智能赋能   教—学—赛—创   算法类课程群   项目驱动   递进式  

摘要： 人工智能技术为计算机专业的课程建设与改革带来了新的机遇和挑战。针对计算机专业传统算法类课程体系存在的“以教师为中心”“课程之间各自为政”等问题，借助人工智能技术，结合算法类课程在能力培养方面的联动与协作优势，构建计算机专业算法类多课程协同体系。同时，利用多年积累的竞赛经验探索出基于项目驱动的“教—学—赛—创”递进式人才培养模式。该模式不仅实现了个性化教学和精准教学，而且优化了课程体系，为适应新工科要求的人才培养提供了新路径。

关键词： 林火预警   目标检测   小波变换   注意力机制   特征融合  

摘要： 森林火灾严重威胁生态安全，早期发现是减轻其危害的关键。针对搭载可见光传感器的无人机在近远景巡检中面临的薄烟目标尺度小、对比度低且易与自然云雾混淆的问题，本文提出了一种基于YOLOv11n的改进算法WPH-YOLO。首先，将WTConv模块融入C3k2结构，通过小波变换显式提取频域特征，在减少参数量的同时增强对视觉图像中烟雾边缘及火焰轮廓等弱纹理特征的定位能力；其次，在C2PSA模块中融合上下文锚点注意力（PCAA）机制，利用全局语义锚点与条状卷积捕获空间依赖，有效抑制可见光图像下云雾背景的干扰；最后，设计高分辨率融合检测头HRFHead并引入P2检测层，利用多尺度特征自适应融合提升对远距离微小火点的召回能力。实验结果表明，WPH-YOLO在自建无人机可见光数据集上的mAP50达到89.9%，相较基准模型提升2.2%，在保持实时推理速度的同时，显著提高了早期烟雾与微小火焰的检测精度，验证了其在无人机视觉巡检任务中的有效性。

关键词： 铁路通信   数字化设计   启发式算法   循序渐进设计   人机协同  

摘要： 面向铁路通信专业设计中对象多、约束强且高度依赖经验的问题，构建一种可解释、可控的循序渐进数字化设计方法，以支撑复杂场景下的方案生成与迭代优化。将通信设施布设过程抽象为“设计状态—启发式评价—规则驱动操作”的闭环，将站房空间离散为监控目标点集并预计算候选方案与目标点的可见性关系；建立覆盖、约束冲突与冗余可靠性等3类评价指标；构造初始布置、局部调整、冗余增强3阶段策略，并在各阶段引入可视化审查与人工干预机制，实现人机协同推进。以站房视频监控摄像机布置为算例，在最低覆盖率阈值与重点区域冗余的约束下形成可行方案。设计过程可输出阶段性中间成果并给出覆盖增益、冲突代价与冗余提升等量化决策依据，避免一次性自动生成方案中的无序堆叠与难以修正问题。循序渐进启发式方法能够在满足工程约束的前提下组织设计决策流程，提升方案形成过程的可解释性与工程可落地性。为铁路通信专业在数字化环境中融合规范、经验与算法提供工程友好型实现路径，可作为现有自动化与智能化设计方法的重要补充。

关键词： 静压导轨   多点支承   超静定系统   梯度下降算法   载荷分布  

摘要： 准确求解各支承点的承载力分布是静压导轨结构设计与性能优化的关键。针对多点支 承超静定系统的支承力求解问题，传统代数方法的计算维度与复杂度随支承点数量增加而显著上升。为此，提出一种基于梯度下降算法的超静定载荷分布迭代求解方法。该方法的核心思想是：基于刚体运动学假设和刚体静力学线性分布假设，将各支承点的未知反力映射为关于分布斜率与截距的线性函数，从而将高维的力矢量求解降维为极低维的特征参数优化。在此基础上，构建了表征静力学平衡偏差的损失函数，利用梯度下降算法迭代搜索最优参数以最小化平衡偏差。研究表明，该方法有效规避了对高维线性方程组的依赖，实现了计算复杂度与支承点数量的解耦。同时，通过对比工程案例的算法计算结果与有限元仿真结果对比，证实了该方法同时兼具良好的精度与可靠性，能够满足工程设计需求。

关键词： 大数据   城市环境污染   治理策略   环境预警  

摘要： 随着城市化的进程不断加快以及工业化规模的不断扩大,城市环境污染问题愈加严重,已经成为制约经济社会可持续发展的重大障碍。传统的环境治理模式存在着数据采集、信息共享、预警监测和决策支持等各方面的不足,不能适应复杂的环境治理需要。大数据技术迅速发展,给城市环境污染治理提供了新的技术途径和方法支持。本文从大数据技术在数据量大、种类多、处理快等各方面所具有的优势入手,在此基础上提出了综合性的治理策略,旨在为城市绿色可持续发展提供强有力的保障。

关键词： 数控车床电主轴   热误差预测   层次聚类   灰色关联度   LSTM-TCN-A算法  

摘要： 为了进一步提高机床热误差预测精度，降低热效应对加工的影响，针对数控机床中发热最严重的电主轴，提出了一种采用LSTM-TCN-A（long short-term memory network-temporal convolutional network-attention）神经网络的数控机床电主轴热误差预测模型。以某型号卧式车床为实验对象，按照不同转速设计实验对电主轴关键位置温度与轴端热伸长误差进行测试与采集，基于层次聚类算法与灰色关联度分析确定了3个温度敏感点，并与目前常用的几种建模方法进行对比。结果表明，较其他算法LSTM-TCN-A算法在对主轴热误差的预测中具有更高的预测精度。

关键词： 算法推荐服务提供者   算法解释   解释义务   个人信息保护  

摘要： 数字经济时代,算法技术广泛应用于信息分发与市场服务,显著提升运行效率,但也引发算法歧视、大数据杀熟、信息茧房等问题,对个人信息权益与用户信任构成严峻挑战。在此背景下,算法解释作为提升算法透明度、实现问责的关键,其重要性日益凸显并在不同应用场景中展现出价值。从制度逻辑看,以用户为中心的“算法解释权”存在规范效力不确定、触发依赖主动主张、举证与理解门槛过高、易引发权利滥用等局限,因此,转向以平台为责任主体的算法解释义务,更符合算法治理的权责配置逻辑与权利保障实效。实践中,算法解释面临事前与事后定位不清、场景化规则缺失、透明度标准层级不明、透明与保密难以平衡等困境。为此,立足于个人信息保护权益需要,应构建协同化、场景化、比例化的算法解释义务体系:确立事后特定解释为主、事前系统解释为辅的双轨模式;以应用场景风险等级划分解释范围,区分低敏感、较高敏感与高敏感领域设置差异化义务;以算法对用户利益的影响程度作为解释深度标准,实现强度与风险匹配;依托比例原则协调透明与保密冲突关系,采用“原因型透明”路径,在最小损害核心技术前提下保障用户有效理解与救济。完善算法解释义务,既能夯实算法问责基础、防范算法滥用,也能平衡个人信息保护与数字产业创新二者关系,从而推动算法技术向善与治理现代化。

关键词： 多模态   知识图谱   知识图谱补全   关系引导  

摘要： 针对多模态知识图谱补全中负采样难以兼顾语义相关性、难度可控性与样本多样性的问题，本文在扩散式分层负采样框架DHNS上提出一种自适应关系引导增强方法。该方法利用扩散层级自适应权重动态分配不同负样本的训练重心，结合关系分组模态门控实现结构、视觉与文本信息的条件化融合，并引入扩散扰动一致性正则与负样本去重机制，以提升训练稳定性和多模态融合可靠性。结果表明，在 MKG-W 数据集上本文方法的MRR相较最优基线 MMNS提升了0.48%；在MKG-Y上Hits@10为44.10%，相较 DHNS的42.53提升了1.57%。上述结果验证了该方法可为高质量负三元组的构造提供可扩展思路。

关键词： 有限元仿真   电主轴   温度预测   时序卷积网络   门控多层感知器  

摘要： 热误差是高速电主轴系统加工精度损失的核心诱因，本质由主轴内部热状态动态变化所致。当前电主轴热特性研究主要面临两个问题，一是电主轴核心发热部件处于密闭结构，内部热状态无法通过传感器直接测量；二是电主轴多转速工况下的温度演化具有强非线性、强时空耦合特性，现有模型难以实现跨工况的时序泛化预测。为此，提出了一种高精度的电主轴温度预测模型，旨在精准预测不同转速下的内部温度变化。首先基于仿真软件构建多工况电主轴温度场有限元仿真模型，在充分考虑了电主轴内部零件之间的热交换的情况下，，获取了主轴内部关键部件的温度时序数据。然后构建基于时序卷积网络（temporal convolutional network， TCN）与门控多层感知器（gated multi-layer perceptron， gMLP）的温度预测模型，其中TCN模块和gMLP模块分别提取时间特征与空间特征。将该模型与LSTM、GRU、CNN-LSTM、CNN-GRU、Transformer等主流时序预测模型进行对比，结果显示所提TCN-gMLP模型的预测精度显著优于对比模型，决定系数(R2)达99.98%，均方误差（mean squared error， MSE）为0.030 1，均方根误差（root mean squared error， RMSE）为0.036 3。

关键词： 无人机   协同任务分配   霜冰算法   三维高程数据  

摘要： 针对多无人机多目标场景下的协同任务分配问题，本文以真实的三维高程数据(DEM)为基础，构建以最小化成本为优化目标的任务分配约束规划模型，并提出一种基于多策略改进霜冰优化算法(MIRIME)的无人机任务分配方法，通过引入分段(Piecewise)混沌映射以丰富种群初始多样性，嵌入强化学习机制实现搜索策略的自适应调整，提高算法收敛精度，并结合精英局部搜索策略进一步增强算法的局部开发能力。仿真实验结果表明：MIRIME在成本上较原始算法降低了10.8%，证明了MIRIME算法解决多无人机协同任务分配问题的优越性。