电路诊断技术的新发展

本文分析了目前电路诊断技术研究的现状,综合评述了最新的发展方向和趋势。首先论述了诊断理论体系完善的必然性,然后介绍人工智能、模糊数学和人工神经网络技术在电路诊断中的应用,最后分析了基于模型故障诊断的研究情况。     

人工蜂群算法及其应用

为促进人工蜂群算法理论和应用的发展, 在分析人工蜂群算法的基本原理基础上, 针对算法的不足, 全面地归纳了国内外学者对算法的改进研究, 对算法的蜜源初始化、更新策略的改进、调整策略的改进、适应度函数的选择以及与其他算法的融合进行综述, 提出了更有效的改进策略。同时从多方面综述了人工蜂群算法的应用, 并对人工蜂群算法的发展方向进行了总结和展望。     

如何看待人工智能的发展

人工智能本质上是对人类智能的功能模拟。虽然在某些方面的表现比人类智能更优秀,但是由于其固有的复杂性和技术的局限性,所以充其量只不过是人类智能的延伸,最终在整体上是不能代替人类智能的。     

Pm(○)Pn(○)Ps的全色数和邻强边色数

设Pm,Pn,ps(m,n,s≥3)分别为3条路,参照直积图的定义,定义了直积Pm(○)Pn(○)Ps,给出其全染色及邻强边染色的计算方法,得到其全色数xt(Pm(○)Pn(○)Ps)=9和邻强边色数x'as(Pm(○Pn(○)Ps)=｛9 m,n,s≥4,8其它,并进一步给出一个猜想:xt((○)n i=1Pi)=2...     

3-正则Halin图的边可区别数

根据3-正则Halin图的Hamilton性,结合其边的相邻关系,通过适当地选取边进行着色后证明了4和6阶以上3-正则Halin图G的边可区别数分别为3和2.     

精度与程度的逻辑差近似算子及其性质

首先研究了程度近似与变精度近似的关系与转化,再利用变精度近似算子与程度近似算子定义了精度与程度的逻辑差近似算子,其具有与精度与程度2个量化指标相关的逻辑含义,最后研究并得到了精度与程度的逻辑差近似算子的一般性质与幂作用性质.精度与程度的逻辑差近似算子部分拓展了程度近似算子与经典近似算子,进而得到了这些已有近似算子幂作用...     

一类正则二部图的邻强边染色

研究了一类正则二部图的邻强边染色,验证了文献[1]中猜想是正确的.     

高斯-拉普拉斯边缘检测算子的扩展研究

针对经典的高斯-拉普拉斯（LOG）边缘检测算子是各向同性的,对各个角度方向的图像边缘检测的力度是相同的特性,对经典LOG边缘检测算子引入了角度信息参量进行推导,使以圆为对称的经典的LOG边缘检测算子变成为以椭圆对称,并且可以在坐标轴旋转任意角度的边缘检测算子,增强了其边缘检测的功能,使之能对不同角度方向的边缘更加有效地进行检测．经过在Matlab里对同一幅图像进行比较实验,对于图像中不同角度的边缘均能相应地进行提取．扩展后的LOG算子,不仅增强了边缘检测算法功能,而且完全保留了经典LOG算子原有的优点．     

基于改进的抛物线方程方法求解棱边散射体

将抛物线算法应用于目标的电磁散射特性分析中;针对传统的抛物线算法在计算棱边散射体时误差较大这一问题,引入了棱边绕射对其进行修正;计算结果表明,与传统方法相比,该方法可以有效地提高棱边散射体的计算精度.     

基于烟花算法的基站群协作计算卸载模型研究

车联网、AR、AI等计算密集、时延敏感型应用迅速发展,而移动设备因自身计算能力相对不足,执行此类应用任务时会因高时延而严重影响用户体验甚至无法满足用户需求。针对此问题,提出综合考虑时延与成本的多用户、多MEC (mobile edge computing)服务器的基站群协作计算卸载模型。并提出基于凸优化的改进烟花算法（improved fireworks algorithm based on convex optimization, CVX-FWA）来对模型进行求解,对用户任务进行合理的卸载与资源分配。仿真结果表明,提出的计算卸载方案有效降低了任务总时延成本值,实现计算卸载资源的整体优化配置。