不可测过程参数的智能化软计算方法及应用

为解决控制系统中存在的时变过程数学建模困难,有些过程参数难以在线实时检测的问题,研究基于过程神经元网络的不可测过程参数软计算方法。分析正交基函数展开的学习算法收敛速度慢的问题,将BP网络的改进算法引入到过程神经元网络的训练中,增加基函数展开系数的规一化处理、权函数动量项调整项,以及学习率自适应调整方法,改进算法明显消除了误差收敛曲线振荡和网络收敛速度慢的问题。该方法在污水处理过程出水水质BOD预测中网络训练速度快,取得较好的预测结果,是一种不可测过程参数智能化软计算的有效方法。     

基于模拟退火思想和粒子群算法的盲源分离

简要介绍了基于模拟退火思想的粒子群算法的基本原理,并将之应用于盲源分离算法中,以解决基本粒子群算法收敛速度缓慢的问题。用MATLAB仿真表明,基于该改进算法的盲源分离效果良好,具有收敛速度快、性能稳定等特点。     

关于体育信息学研究的再思考

介绍了体育信息研究的历史,阐述了体育信息学与体育情报学之间的关系。     

市级科技情报部门开展竞争情报工作初探

从科技情报部门开展竞争情报工作的重要性着手,探讨了市级科技情报部门开发竞争情报的工作方法。     

基于非线性收敛因子和标杆管理的改进教与学优化算法

针对教与学优化算法寻优精度低、收敛速度慢以及局部最优避免性弱的问题,提出了一种改进教与学优化算法（MTLBO）。在算法的教学和学习阶段,分别引入了非线性收敛因子调整策略和标杆管理策略。基于2种策略的随机组合形成了3种不同的MTLBOs,与标准教与学优化算法（TLBO）的对比实验结果表明,3种MTLBO均优于TLBO,其中,引入2种策略的MTLBO3取得了最佳的数值实验结果,其远优于原始TLBO。为进一步验证提出算法的有效性,与其他著名的群智能优化算法进行了数值实验对比。数值结果和收敛曲线表明,MTLBO3的寻优性能明显优于其他对比方法,具有更高的求解精度、更快的收敛速度以及更佳的局部最优避免能力。最后,使用有约束的工程优化问题进一步验证了提出算法的有效性。     

基于合同网和petri网的多预警机情报协同模型

随着作战环境的日益复杂,多预警机进行情报协同成为必然趋势,而如何对参与情报协同的各预警机进行实时的动态任务分配以使系统整体效能最大化成为亟待解决的课题。基于此,首先,根据部队指挥体制具有层次结构的特点,结合集中式与分布式任务分配的优点,设计了混合式情报协同体系结构,并对系统的相关元素进行了建模;然后,提出用合同网解决各预警机间任务的动态协调问题,用petri网模型去捕获合同网协议中管理者和投标者间的相互关系:招标者需求petri网可以计算每个子任务的预期时间,合同评估petri网可以评估合同的可行性及最优性,合同授予petri网可以自动将最优合同授予相应的投标者;最后,通过仿真验证了模型的有效性。     

基于自适应进化粒子群算法的多目标优化方法

提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化 PSO算法的性能.AEPSO算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO算法中,来提高算法的全局搜索能力和粒子的多样性.与常用的整体加权方法来处理多目标优化问题不同,AEPSO算法采用非劣解排序来引导粒子的飞行,以改进算法的收敛性,同时采用特殊的变异操作防止早熟收敛并增加优化解的多样性.所提算法的有效性经过四种代表性benchmark函数进行验证,并与几种典型同类型算法进行比较.该算法已成功地用于合金材料的多目标优化设计.实验结果表明AEPSO算法能够较好地兼顾收敛精度与优化解的多样性,满足多目标优化设计的要求.     

基于GRU-DRSN的双通道人体活动识别

人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attention module)注意力机制的GRU-DRSN双通道并行模型,有效避免了传统串行模型因网络深度加深引起梯度爆炸和消失问题。同时并行结构使得两条支路具有相同的优先级,使用深度残差收缩网络(deep residual shrinkage network, DRSN)提取数据的深层空间特征,同时使用门控循环结构(gated recurrent unit, GRU)学习活动样本在时间序列上的特征,同时进行提取样本不同维度的特征,并通过CBAM模块进行特征的权重分配,最后通过Softmax层进行识别,实现了端对端的人体活动识别。使用公开数据集(wireless sensor data mining, WISDM)进行验证,模型平均精度达到了97.6%,与传统机器学习模型和前人所提神经网络模型相比,有更好的识别效果。     

面向高维度目标函数的微粒群优化算法

针对基本微粒群算法在处理高维度目标函数容易出现早熟的问题,提出了一种新的微粒群算法面向高维度目标函数的微粒群算法(HDOF-PSO).分析了基本微粒群算法难以处理高维度目标函数的原因.通过引入信心度和试探策略,算法的收敛速度得到提高;通过引入成功度,搜索过程中的变异概率能够自适应修正.在特定测试函数集上的实验表明,HDOF-PSO在处理高维目标函数时,比基本微粒群算法和一个改进的微粒群算法具有更快的收敛速度和更好的收敛性.     

复方葛根汤诱导结肠癌HCT116细胞铁死亡分子机制研究

为探究复方葛根汤对结肠癌HCT116细胞增长作用及其分子机制,通过MTT法检测、克隆形成、形态学分析探讨复方葛根汤对HCT116细胞增长作用,以活性氧试剂盒检测、荧光显微成像及蛋白免疫印迹法探究其分子机制。研究结果显示,与溶媒对照组相比,复方葛根汤能显著抑制HCT116细胞增长能力,并呈浓度和时间依赖性,机制上能显著增加细胞内活性氧,显著上调铁死亡相关蛋白PTGS2、ACSL4蛋白的表达,及明显下调铁死亡相关蛋白GPX4表达,表明复方葛根汤可能通过诱导铁死亡机制抑制HCT116细胞增长。