搜索结果: 256-270 共查到“知识库 计算机科学技术”相关记录38352条 . 查询时间(4.906 秒)
哈尔滨工程大学计算机科学与技术学院科研成果系列发布（第四十五期）。
针对自组织映射SOM（self-organizing map）神经网络聚类性能易受其初始权值的影响，采用蜻蜓算法DA（dragonfly algorithm）优化SOM神经网络的局部权重失真指数LWDI（locally weighted distortion index），对神经网络的初始权值进行寻优。以光伏阵列故障数据样本为研究对象，将正常与故障状态下的输出特性进行对比分析，建立故障诊断模型，并...
人工智能时代的算法素养:内涵剖析与能力框架构建
算法素养 人工智能 信息素养 能力要素
2023/9/27
人工智能时代的到来强化了技术环境对社会发展的影响,算法的广泛应用塑造着新的社会结构与规则,也对人们的信息处理能力提出了更高的要求。算法素养作为人工智能时代重要的素质能力集合被提出。作为一个新生的前沿概念,“为什么需要研究算法素养”以及“算法素养是什么”两个基础性问题亟需解决。本文首先分析算法素养研究的内部、外部驱动因素,阐述了人工智能时代研究算法素养的必要性,回答了“为什么需要研究算法素养”的问题...
深度强化学习方法取得了人工智能领域一个个里程碑式的成果，如视频游戏、围棋、国际象棋等完全信息博弈，麻将和星际争霸等更复杂场景下的不完全信息博弈，带动了广泛基础学科的发展和纵深应用领域的技术进步。然而，现实世界的更多问题是面向多任务的多智能体的机器博弈，是人工智能领域的下一项重大挑战。
哈尔滨工程大学计算机科学与技术学院科研成果系列发布（第四十四期）。
随着以虚拟化、智能化、平台化为核心的新一代信息技术与应用的发展，新媒体正呈现出虚实混融交往、人—机深层互动以及平台化发展的趋势。2021年的新媒体研究，针对由这种趋势所引发的人与媒介、虚拟与实在、平台与治理等诸多问题，展开了深入的探索与思考。本文从2021年的新媒体研究中提炼出五大议题，即人—媒介新关系研究、算法研究、平台社会研究、数字劳动研究、社交媒体研究，并分门别类加以简要述评，以期通过这种有...
东华大学机械工程学院智能装备与软件系统团队（图）
东华大学 机械工程 智能装备 软件系统
2023/5/8
东华大学机械工程学院智能装备与软件系统团队学科方向：高端与特种纺织装备及系统。团队主攻的研究内容：研究喷雾染色、筒纱染色等复杂工艺下的多域耦合数值模拟技术；融合机械、电气、产品等多物理场信息，研究设备、产线的数字孪生体构建方法；研究印染、采掘、航空发动机等复杂设备建模与寿命预测技术，支撑智能评估与动态管控；围绕钢铁热轧、印染等产线，研究故障智能诊断与健康管理方法，通过数据与AI技术赋能流程制造业。
哈尔滨工程大学计算机科学与技术学院科研成果系列发布（第四十三期）。
沈浩：构建算法治理落地支撑体系
构建算法 算法歧视 大数据杀熟 落地支撑体系
2022/6/9
为了规范互联网信息服务算法推荐活动，近日，国家互联网信息办公室、工业和信息化部、公安部、国家市场监督管理总局联合发布《互联网信息服务算法推荐管理规定》（以下简称《规定》），自2022年3月1日起施行。
哈尔滨工程大学计算机科学与技术学院科研成果系列发布（第四十二期）。
《嵌入式系统》课程由车辆工程教研室刘海洋教师主讲，该课程是农业电气化专业的核心课程之一，融合了计算机件技术、通信技术、电子技术和单片机原理及应用等课程的相关知识。本课程综合农电专业现行课程体系和专业应用需求，结合自制的嵌入式系统综合实验与开发平台，以MSC-51内核单片机C8051F120为核心处理器，将实践教学内容融入理论授课过程。在讲述嵌入式操作系统的基本原理、移植过程、程序结构组成和系统综合...
基于深度神经网络的时空编码磁共振成像超分辨率重建方法
磁共振成像 时空编码 超分辨率重建 深度神经网络
2022/3/15
单扫描时空编码磁共振成像是一种新型超快速磁共振成像技术，它对磁场不均匀和化学位移伪影有较强的抵抗性，但是其固有的空间分辨率较低，因此通常需要进行超分辨率重建，以在不增加采样点数的情况下提高时空编码磁共振图像的空间分辨率。然而，现有的重建方法存在迭代求解时间长、重建结果有混叠伪影残留等问题。为此，本文提出了一种基于深度神经网络的单扫描时空编码磁共振成像超分辨率重建方法。该方法采用模拟样本训练深度神经...
大模型“画龙”，小数据“点睛”企业加快智能化转型（图）
企业转型 人工智能模型 大数据
2022/12/19
小数据、优质数据应用有其前提，即需要在大的基础模型（预训练模型）之上，通过小数据进行模型的微调，使模型更加精准地服务具体应用场景。从这个角度来讲，小数据将在未来基础模型完成下游任务时，起到关键的作用。
融合预训练语言模型和标签依赖知识的关系抽取方法
关系抽取 预训练模型 标签依赖 图卷积神经网络
2022/3/24
关系抽取旨在从未经标注的自由文本中抽取实体间的关系。然而,现有的方法大都孤立地预测每一个关系而未考虑关系标签相互之间的丰富语义关联。该文提出了一种融合预训练语言模型和标签依赖知识的关系抽取模型。该模型通过预训练模型BERT编码得到句子和两个目标实体的语义信息,使用图卷积网络建模关系标签之间的依赖图,并结合上述信息指导最终的关系分类。实验结果显示,该文方法性能相较于基线方法得到了显著提高。