新葡京娱乐场-大陆娱乐场开户注册

隨著計算智能方法得到更廣泛的應用，其從問題本身學習的能力亟待增強。為此，越來越多研究提出使用機器學習模型來驅動計算智能。通常，這種基于模型的進化算法的性能高度依賴于所采用模型的訓練質量。而傳統(tǒng)機器學習方法需要大量訓練數(shù)據(jù)進行模型訓練，而且受維度災難的影響，這類方法通常很難解決維度較高的問題，約束了計算智能方法的應用范疇。課題組在

本發(fā)明提出了一種基于時間-能耗重要性比重的并行任務調度算 法，在滿足時間和能耗的雙重限制下，實現(xiàn)異構并行系統(tǒng)下任務所用 時間和能耗的權衡優(yōu)化。本發(fā)明考慮到實際情況中任務受各種因素的 影響，執(zhí)行時間不是固定且確定的，而是近似于正態(tài)分布，因此在確 定任務調度順序時，不采用以往技術中使用執(zhí)行時間平均值的方法， 而是將執(zhí)行時間的平均值和方差同時考慮進來使用近似權重。在任務 分配階段，同時考慮時間和能耗這兩個性能指標，并能根據(jù)

用電設備的最優(yōu)管理是智能電網(wǎng)中實現(xiàn)需求側響應的關鍵一環(huán)。然而該問題通常需要同時管理調度大量的用電設備，同時考慮多個時槽，是一個時間空間耦合的復雜問題，想要在短時間內解決該問題十分困難。因此，如何設計合理的算法，提高計算效率，降低計算時間，是目前的研究熱點。?

在串聯(lián)回路中，當電弧或放電現(xiàn)象發(fā)生時，對電流進行頻譜分析，根據(jù)電流 的頻譜特征變化來確定是否有電弧發(fā)生，提供預警信息或保護動作。為了防止在 開關的瞬間或受到其他脈沖電流的干擾造成電弧故障檢測電路誤動作，同時在頻譜分析的基礎上綜合電弧時間長短等其他特性作為電弧故障的判據(jù)。系統(tǒng)的硬件 部分包含電流檢測、濾波、故障特征提取等模塊。軟件部分包含信號采集、信號 處理、故障判別等模塊，并綜合時間等其他因素降低誤報率，提高檢測系統(tǒng)的可 靠性。在算法中，采用了人工智能算法以提高系統(tǒng)的適應性。主要成果包

本發(fā)明提出一種基于MWC系統(tǒng)的盲多帶稀疏信號快速恢復算法，首先利用Xampling采樣板獲得壓縮采樣值y[n]，將y[n]乘以一個高斯隨機矩陣R，得到傳統(tǒng)的壓縮感知模型V=y[n]R=CU,這種方法避免了原方法中需要做特征值分解的操作，可以有效的減少MWC系統(tǒng)中CTF模塊的運行時間，此外，控制高斯隨機R的列數(shù)在一個較低水平，可以進一步減少矩陣V的列數(shù)，這樣在用M-OMP算法恢復支撐集的過程中又能進一步的減少運行時間。經(jīng)過驗證，該算法可以大幅度提高CTF模塊的運算速度。

為了解決計算機多視幾何中稀疏特征點錯誤匹配導致基本矩陣F精度不高的問題，提出一種RANSAC(RANdom SAmple Consensus)求解F時自動設置內點門限的方法。此方法根據(jù)RANSAC求解F矩陣的要素，將固定設置極線距離門限Th的方式改為自動設置，提高了算法的魯棒性。這些要素是圖像對中的稀疏特征點匹配的個數(shù)N、圖像像素多少、初始計算得到的特征點到極線的平均距離Dinit。Th計算采用公式Th = Min(w×N/51200, Dinit/3)，w為圖像的寬，單位為像素。Min為取二者最小值的函數(shù)。門限Th與圖像大小和特征點匹配個數(shù)成正比，圖像越大，匹配越多，Th越大。相對于傳統(tǒng)方法，本方法將固定門限變成了自動設置，可以自適應三維重建不同類型的圖片，更加實用和魯棒。

本發(fā)明公開了一種基于改進差分進化(IDE)算法的電力系統(tǒng)無功優(yōu)化方法。包括以下步驟：建立電力系統(tǒng)無功優(yōu)化模型；輸入電網(wǎng)參數(shù)，形成初始種群，計算種群所有個體的適應度；對種群個體按適應度從大到小排序，設定前Ns個個體為優(yōu)良群體；以優(yōu)良群體為基向量，引導群體變異操作；提取優(yōu)良群體信息，以此確定個體各維變量的交叉概率，指導種群的交叉操作，生成試驗向量；比較試驗向量與目標個體的適應度，優(yōu)者成為下一代個體，從而生出新一代群體。本發(fā)明的方法收斂速度快、計算精度高、穩(wěn)定性好、能有效地求解電力系統(tǒng)無功優(yōu)化問題，可用于電力系統(tǒng)提高電力系統(tǒng)輸電效率、降低網(wǎng)絡損耗配置實時性運行控制中。

本發(fā)明公開了一種基于距離方差最小的工件點云匹配算法，包 括以下步驟：(1)分別構建測量模型點云和帶法矢的設計模型點云：(2) 尋找最近點點集及最近點法矢集合；(3)根據(jù)余量要求，建構基于距離 方差的目標函數(shù)：(4)通過目標函數(shù)求解測量模型與設計模型間的剛體 變換參數(shù)，并利用剛體變化參數(shù)更新測量點云，實現(xiàn)點云匹配。本發(fā) 明中的基于距離方差最小的點云匹配算法，對于工件存在余量的情況， 不論凹面和凸面的余量是相等，還是呈差值或者比值關系，均能較好 的得到點云匹配的結果，迭代效率高、匹配準確性好。 

基于流體動力，對微創(chuàng)深靜脈血栓取除器械進行優(yōu)化設計，通過初步離體血栓實驗驗證了取栓器的血栓取除率、殘血栓粒度、取栓時間等；改進雙側乳腺鉬靶圖像預處理算法及數(shù)據(jù)處理算法，可提高乳腺癌預測的精度、敏感性、特異度。

項目背景：目前以液壓作為驅動的伺服控制系統(tǒng)的高精 度、高頻率動態(tài)控制技術基本被 MTS、MOOG、Delta 等國外 設備商壟斷，這些伺服控制器適用性強、性能指標高和資源 配置靈活，能實現(xiàn)多參數(shù)同時控制和補償，特別在系統(tǒng)的非 線性修正、控制特性的改善以及控制狀態(tài)的轉換方面具有較 大的優(yōu)勢，尤其是在控制算法上有很大的優(yōu)勢。國內目前無 論是高性能動態(tài)控制器還是與之適配的控制算法，與國外相 比起步較晚，在這方面的研究相對落后，與國外伺服控制系 統(tǒng)的水平還有較大差距。國內雖然有研究，但沒有形成自己 的產(chǎn)品，為滿足國內各科研、生產(chǎn)需要，提供一流水平的靜 動載控制設備，實現(xiàn)電液伺服系統(tǒng)實時運動控制，需要尋求 到具有國際一流水平的高性能控制器及配套動態(tài)控制的算 法。 所需技術需求簡要描述：1.電液伺服控制器硬件設計。 選擇合適的硬件，以 DSP、FPGA 為核心的電液伺服控制器， 達到單多軸運動控制，特別是高速高精度的運動控制。2.伺 服控制軟件設計。在硬件完成的基礎上，編寫系統(tǒng)的各個功 能模塊、編寫底層驅動軟件及相關調試、及通訊接口很方式， 完成控制器位置控制的應用程序編制，并完成控制器位置控 制的應用程序編制調試。研究出配套的動態(tài)控制算法（加速 度、速度前饋控制、自適應 PID 等），配置合適的動態(tài)控制 算法，最終形成具有完全自主知識產(chǎn)權的控制系統(tǒng)。3.控制器硬件應能保證長時間可靠運行，閉環(huán)控制頻率不低于 10kHz，多路 24 位以上 AD，可采集 mv、V、mA、數(shù)字脈沖、 格雷碼、二進制等多種模擬量、數(shù)字量信號，多路 16 位以 上 DA，可輸出 V、mA、數(shù)字脈沖等多種模擬量、數(shù)字量信號； 動載可滿足 10~100Hz 動態(tài)波形的控制需求，控制精度不低 于 0.5%F.S。  對技術提供方的要求:1.具有成功的液壓油缸動載控制 實施案例，承擔過國家重點研發(fā)計劃項目。2.熟悉液壓油缸 的結構設計，熟悉液壓油缸控制系統(tǒng)及算法的設計。3.具有 工學博士學位或高級工程師職稱，合作方需為國內一流 211 大學，技術方案成熟可靠穩(wěn)定有創(chuàng)新思維，不涉及知識產(chǎn)權 侵犯。