关键词： 分布式电源   大电网   卷积神经网络   双向长短期记忆   果蝇优化  

摘要： 面对日益严重的全球环境问题,中国提出了“2030年碳峰值和2060年碳中和”的双碳目标。分布式电源与大电网协同优化配置是实现双碳目标的基础。为此,提出了一种基于果蝇优化的卷积神经网络与双向长短期记忆融合模型。该模型学习非线性复杂关系,并利用之前的配置信息进行训练,以识别系统特征和协同配置之间的相关性。试验结果表明,所提模型的精度最高达到了99.72%,电力系统的环保运行成本也得到了有效控制。因此,将所提模型应用于双碳目标下的分布式电源与大电网协同优化配置是可行的。

关键词： 新型城镇化   可解释机器学习   农民工   落户意愿  

摘要： 当前,中国以农民工为主体的农业转移人口的城镇落户意愿不高且呈现下降趋势,落户政策供给与落户需求意愿存在结构性错配。本文以推拉理论为基础构建分析框架,使用2017年中国流动人口动态监测数据,利用可解释机器学习方法,对农民工落户意愿的影响因素进行考察,并根据城镇规模进行异质性分析。在区分暂居意愿、长居意愿、定居意愿和落户意愿的基础上,讨论农民工城镇落户意愿的渐进形成过程。研究发现:中间阻碍因素和城镇户籍拉力是影响落户意愿的两个主要方面,其中的中间阻碍因素主要体现为社会融入程度。不同规模城镇的农民工,落户意愿的影响因素以及影响因素的重要程度存在差异。从趋势上看,城镇规模越大,城镇户籍拉力的影响越强,农民工所在农村的户籍拉力的影响越弱。农民工居留意愿的影响因素存在显著的阶段性差异,流入时长、有无自有住房与地区服务差距分别是影响长居意愿、定居意愿与落户意愿的首要因素。本文研究结论有助于全面理解农业转移人口落户意愿形成机理,并为进一步完善市民化政策提供参考。

关键词： 图像分类   联邦学习   增量学习   灾难性遗忘   云边协同   特征原型  

摘要： 由于存储空间限制,物联网中的边缘设备往往仅能保留当前某个有限时段内的数据.实际生产过程中,设备工况在一定时间内发生变动,产生新类别的故障数据或图像,这种类别增量会造成模型在本地训练时产生灾难性遗忘.在单边端类别增量的局部灾难性遗忘基础上,随着云边协同优化,灾难性遗忘会产生扩散.针对上述问题,提出一种基于稳定特征原型的联邦类别增量学习方法,在边端建立类别样本记忆库存储类别代表性样本,设计基于回放范式的原型网络更新策略,在云端设计以统一特征空间下的特征原型为参考基准的加权聚合策略,在联邦框架下稳定优化特征空间,实现类别知识的联邦更新.基于类别增量常用的数据集CIFAR10和MiniImageNet的实验验证了所提方法可以有效缓解灾难性遗忘.

关键词： 深度学习   缺失数据   圆柱绕流  

摘要： 对流动现象进行精确预测与有效控制的前提在于对流动现象的深入理解,而实验研究在此过程中提供了宝贵的数据支撑.粒子图像测速(PIV)技术作为当前流场测量的主流手段之一,在钝体绕流等复杂流动现象的实验研究中发挥着不可或缺的作用.然而,在PIV实验中,由于光路遮挡等问题的存在,获取完整且准确的流场数据往往极具挑战性.鉴于此,提出了一种基于机器学习的流场数据重构方法,该方法采用以卷积神经网络为核心的深度学习模型,旨在解决流场数据中缺失部分的重构问题.首先探讨了不同缺失区域对数值计算流场重构效果的影响,并从瞬时流场、速度统计量等多个维度,对重构流场与真实值之间的差异进行了细致的比较分析.结果显示,对于瞬时流场的重构,最大L2误差维持在约0.02的水平.进一步发现,当缺失区域在流向方向上的尺寸增大时,重构的难度也随之显著增加;而相比之下,缺失区域在垂直于流向方向上的尺寸变化,对重构精度的影响则相对有限.在此基础上,进一步研究了深度神经网络对噪声的泛化性,通过在数值计算结果中人为添加噪声来测试网络,发现重构数据的误差随着噪声等级的提升呈指数型增长趋势.最终,将提出的网络模型应用于实际的PIV实验数据中,从瞬时流场和时间平均结果两个方面进行了验证.结果表明,该网络模型不仅能够成功重构缺失位置的速度信息,还能有效修正回流区部分因测量不准确而产生的数据偏差.经过神经网络重构的实验结果,在统计意义上更加接近数值仿真的结果,这充分说明,本文提出的模型仅需使用数值计算数据进行训练,便可以具备重构PIV实验中缺失信息的能力.

关键词： 高光谱   土壤污染   注意力机制  

摘要： 高光谱图像和深度学习技术为土壤污染物检测提供了新的方法和工具。本研究旨在探索基于卷积神经网络(CNN)的高光谱土壤污染物检测算法。首先,收集了包含多个波段的高光谱土壤数据集,并进行数据分析和特征提取;然后,设计了一种适应高光谱土壤数据特点的CNN网络架构,提出针对高光谱数据特点的自注意力机制,自动对冗余光谱数据降维,再使用图谱特征融合特征提取结构构建模型;最后,在收集的土壤污染物数据集上验证算法性能。实验结果表明,所提出的方法能够对高光谱数据有效降维,降低数据冗余程度,通过融合图谱特征,在土壤污染物检测方面取得了较好的性能和准确性,对土壤污染物的快速检测有一定实际意义。

关键词： 混合增强   数据增强   深度学习   正则方法  

摘要： 混合增强学习是一种在深度学习中常用的数据增强方法,将输入-标签对按一定比例线性插值混合,生成新的有价值中间样本以扩充样本空间,进而提升深度模型在整体数据上的泛化性。由于其可扩展性强、计算资源要求少,且正则、泛化性能优异,已在图像分类、文本分类等多个任务中被广泛研究与应用。本文对主要混合增强学习方法进行了分类介绍,综述其标志性研究进展。

关键词： 初中英语   学习方法   趣味学习   学生兴趣  

摘要： 在初中英语学习中,趣味性是激发学生学习兴趣和提高学习效果的重要因素。因此,我们需要不断探索新的趣味学习方法,让学生在轻松愉快的氛围中提高英语水平。

关键词： 小样本学习   图像分类   知识蒸馏   迁移学习   集成学习  

摘要： 针对样本数量过少易造成深度模型在训练数据上过拟合的问题,提出一种融合知识蒸馏与迁移学习的小样本学习方法。该文设计多代蒸馏网络结构,提高浅层网络对小样本图像的特征表达能力;通过改进的迁移学习结构调整少量参数,进一步提升网络的泛化能力;结合多分类器对经过蒸馏和迁移得到的网络进行融合。在三个数据集上的实验结果表明,所提方法能够有效提高模型在新任务上的分类性能,使得小样本预测结果更加准确。

关键词： 联合学习   仿人智能图式   主动推理   主动感知  

摘要： 针对自主机器人在学习过程中会受限于训练时的输入数据以及感知空间与运动空间之间割裂的问题,提出一种感知运动联合学习方法。该方法通过仿人智能图式理论建立感知运动系统,将系统分为感知图式、关联图式和运动图式,并基于主动推理建立感知图式与运动图式之间的关联。针对机器人的主动探索与主动学习过程,设计了关联模型与认知模块,提出了联合学习算法,结合主动感知进行机器人的自主学习。实验结果表明,采用联合学习方法,在仿真实验和实物实验中,感知精度分别可以提升22.32%与12.00%,并且运动到相同目标位置的时间大幅缩短,运动轨迹也更加平滑。实验证明了所提的联合学习方法能够提高机器人的认知能力和自学习能力,并且可以自主优化识别精度与运动轨迹。

关键词： 跨学科融合   初中数学   课堂教学  

摘要： “三会”理论体系以会用数学的眼光观察世界、会用数学的思维思考世界、会用数学的语言表达世界为核心,强调数学能力的综合培养与跨学科迁移应用.在初中数学教学中,通过构建多维主题学习方法与实践模式,实现“三会”能力在真实情境中的递进发展.结合过程性与结果性评估,提出基于动态监测和终结性评价的效能评估体系,同时设计实践导向的任务型教学模型,强化学生跨学科综合能力的提升.本文揭示“三会”理念在教学设计、能力评估和实践优化中的广泛应用价值,为初中数学跨学科教学的理论构建和方法实践提供深刻启示.