基于近似贝叶斯计算方法的排队模型参数估计

基于贝叶斯推断对单服务台的马尔科夫与非马尔科夫系统下的4个排队模型做参数估计与效果评价,并对银行排队叫号换汇数据做实证研究。采用近似贝叶斯计算的方法有效解决复杂排队模型似然函数难解析表达的问题。利用R中queue computer包给出M/M/1,M/G/1,G/M/1,GI/GI/1这4个排队模型的到达时间与服务时间的参数估计及后验分布图。其中M/M/1:估计值(真实值)分别约为1.02(1)、 1.12(1/0.9),都与真实值接近;M/G/1:1.17(1)、1.21(1.2),对服务时间的估计效果优于到达时间;G/M/1:0.49(0.5)、0.96(1),从后验分布进一步得到对服务时间的估计更准确;GI/GI/1:1.16(1.1)、1.07(1)、0.23(0.251)、0.22(0.25),各分量的估计值与真实值相对接近。对于实际银行数据,估计得的参数所拟合的数据与Ausin的拟合数据分布接近。研究表明,近似贝叶斯的方法在排队模型的参数估计上有较大优势,在实际数据中取得了较好应用。     

全煤厚掘进巷道瓦斯涌出数值模拟

为揭示全煤厚掘进中煤巷瓦斯涌出规律,采用有限体积法对煤巷掘进过程中巷帮瓦斯压力及巷道瓦斯涌出速率进行数值模拟,瓦斯渗流过程控制方程采用C-N隐式时间积分方案离散化.研究结果表明:掘进煤巷巷帮采动应力集中区煤体渗透率减小对巷帮深处瓦斯向巷道方向运移具有明显的抑制作用;掘进煤巷瓦斯涌出主要集中于迎头部位,致使一个掘进循环周期内掘进煤巷瓦斯涌出总速率波动大.     

大数据科学的认知和数学基础引论

 大数据不仅在科学、工程与计算智能中有着广泛的应用，而且在人类感知、估计、量化、记忆和推理的认知机制中发挥着基础性作用。通过对大数据科学理论的基础研究，提出一组大数据系统的一般原理和分析方法。为了从形式上解释大数据的起源和本质，探讨大数据的认知基础及其数学模型，严格地引出了根植于科学、工程和社会各个领域的大数据的一般模式。研究发现大数据不再是传统实域上的纯数，而是一个前所未有的新型数学结构，称为递归类型化超结构（RTHS）。这一大数据系统的基本拓扑特性揭示了大数据工程的复杂性及其操作与处理的全新认知、理论挑战，以及可选解决方案。     

基于计算思维的大学计算机基础课程教学

大学计算机基础课程是培养大学生综合素质与和创新能力不可或缺的重要环节,而计算思维的培养更是该课程教学的核心。在分析大学计算机基础课程现状和计算思维特征的基础上,从任课教师的角度探讨了以计算思维为导向的教学内容的设计,并取得了较好的实施效果。     

基于云雾结合的工件深度学习识别问题研究

统工业自动分拣存在工件识别准确率不高、特征定义复杂等问题,虽然新兴的深度学习为此类问题提供了较好的解决方法,但仍存在对边缘端设备计算能力要求较高的问题,为此本文提出一种基于云雾结合的工件识别算法,即在云端采用改进ALEXNET卷积神经网络进行训练,然后将训练好的模型下载到雾(边缘)端设备,对工件进行实时识别.对100个不同工件进行实验,结果表明:改进后识别准确率从ALEXNET的98%提高到99%,模型参数减少25%,同时可以充分利用云端的强大计算能力与边缘设备的实时性,为智能工件识别提供了一种新途径.     

面向睡眠健康的感知、计算和干预

睡眠是人的生命本能,不仅对个体的身心健康具有重要意义,还可以作为身体机能调节、恢复和增强的天然手段.统计显示,我国约有1/3人口存在睡眠障碍.日益增长的国民睡眠健康需求与落后的日常睡眠健康管理现状形成突出矛盾,迫切需要形成从睡眠结构转换机制到睡眠质量监测与干预的理论与方法.本文深入分析了近几年睡眠感知、智能睡眠计算和睡眠干预的最新研究进展,分别展望了这个闭环体系中3个阶段的关键科学与技术问题,并结合未来数年的可行性从原理机制和方法措施角度提出建议,以期促进以日常需求为导向的睡眠健康科学研究和技术开发,全面建立主动睡眠健康的新范式.