基于人工雨滴算法的学习资源推荐方法研究与应用
这是一篇关于智慧教育,知识图谱,学习资源推荐模型,组合优化,人工雨滴算法的论文, 主要内容为随着教育信息化的持续推进,我国智慧教育行业已经进入了新的发展阶段,智慧化的学习环境改变了教与学的方式。在该背景下,网络教育资源呈爆炸式增长,较易引发资源“信息过载”和学习者“知识迷航”的问题。有鉴于此,针对学习者的个性化需求,本文结合学习者在学习平台上产生的行为记录,研究了一种基于人工雨滴算法的学习资源推荐方法,并在此基础上设计并实现了自适应学习推荐系统。具体研究内容如下:首先,针对知识点独立存在,难以和学习者认知结构关联的问题。根据图谱构建框架实现知识抽取和多源数据融合,并采用评估规则实现知识加工,图谱构建增强了知识点与学习者的关联性,为后续学习资源引导提供知识支撑。考虑后期图谱扩展,又在深度学习技术支撑下实现知识的快速抽取,同时选用图数据库对图谱进行存储与可视化展示。其次,针对当前学习资源推荐方法推荐结果个性化和适用性不足的问题,设计了一种基于映射关系的学习资源推荐方法。该方法利用主成分分析法对学习者特征数据进行降维,获取学习目标、学习风格和认知水平等主要特征。在此基础上利用学习风格与资源类型特征间的匹配度,学习过程中的时间投入等因素,构建个性化学习资源推荐模型。最后,采用基于扰动机制的差分人工雨滴算法实现个性化学习资源寻优。为了增加种群的多样性,采用参数调节碰撞算子,并通过在流动算子中引入带扰动的差分策略,平衡算法局部搜索和全局搜索的能力。实验结果表明,改进的人工雨滴算法在处理组合优化问题上具有更好的性能,改进的人工雨滴算法收敛速度更快,求解精度更高。基于以上学习资源推荐方法研究,设计并实现自适应学习推荐系统,通过试题测试、结果分析、学习资源引导等功能的具体实现验证了资源推荐模型的合理性、可行性和有效性。本文研究的学习资源推荐模型为后续的学习效果评价提供了新的参考。
时频稀疏FIR滤波器研究
这是一篇关于数字信号处理,低复杂度FIR滤波器,时频稀疏度,组合优化,可变带宽,FPGA的论文, 主要内容为数字滤波器在许多信号处理的应用中占据重要地位,对构建高能效的DSP系统至关重要。然而,数字滤波器通常采用芯片实现,其设计面临着极小面积和极低功耗的双重挑战。有限冲激响应(FIR)滤波器满足这些严苛要求尤为困难,因为FIR滤波器在面对高频率选择性要求时,所需要的运算单元将以多个数量级高于无限冲激响应(IIR)滤波器。学界关于降低FIR滤波器算数复杂度的研究已经进行了几十年,许多方法相继被提出,包括迭代滤波器方法、频率掩蔽滤波器(FRM)方法、移位-加法结构的滤波器方法以及稀疏滤波器方法。本论文提出一种利用时频联合稀疏度来构建任意带宽的低复杂度FIR滤波器方法。本文的主要内容如下:(1)提出了一种用少数频率分量(复指数序列)和稀疏的时域系数构造FIR滤波器冲激响应的方法,并提出了配套的并行结构来实现该滤波器。整个滤波器结构由两个子滤波器组成。其中,第一个子滤波器对应频率分量,采用并行迭代结构实现,而第二个子滤波器对应时域稀疏系数,采用稀疏滤波器实现。在实现算数复杂度差不多的情况下,所提出的结构与分段多项式-正弦迭代结构相比,具有相对较低的数值敏感性和较小的舍入噪声,能够将乘法器位宽从59位×59位降低至18位×23位,并且所提出的滤波器结构能够实现任意带宽的FPGA部署。(2)研究了将滤波器设计问题建模为一个组合优化问题,即从有限的离散频率字典中寻找频率分量的频率和时域稀疏系数中零元素的索引的最佳组合。不同于穷举所有可能的解决方案,本文同时提出了一种启发式算法来迭代获取合适的频率和零值索引,极大降低了计算复杂度。在每次迭代过程中,应用线性规划来评估候选频率和零值索引,并优化相应频率分量的权重和相位,以及时域稀疏系数。该算法在设计结果上呈现出频率分量和时域系数的高度稀疏性,与最新的低复杂度技术相比,取得了相当的复杂度缩减。此外,它需要较少的滤波器阶数作为设计先验条件并拥有快速收敛的能力,这使得滤波器引入的群延迟大大降低,并能够处理低阶和高阶情况的滤波器设计。(3)研究了可调谐的时频稀疏滤波器的设计。通过进一步分析了设计算法得到的结果,研究了时频稀疏滤波器的时域和频域的特征。本文发现了所提算法设计滤波器时所得的频率分量的频率在通带边缘频率附近分布紧密,且时域系数中的非零元素更倾向于出现在时域系数的两侧。基于这一发现,提出了两种构建可调谐滤波器的设计方法,一种用于离散可变带宽设计,另一种用于连续可变带宽设计,它们分别对应。两种方法都通过仅更新参数而不是改变滤波器结构来实现可变带宽。本论文的核心创新点在于扩展频域稀疏度到低复杂度FIR滤波器设计中,并实现了相较于最新迭代结构滤波器的位宽缩减,实现了相较于现有低复杂度方法相当或更优的复杂度缩减,实现了算法同时能够设计低阶和高阶滤波器且极大降低了群时延,最后实现了可变带宽的滤波器设计。
基于机器学习的酶改造方法研究
这是一篇关于酶改造,蛋白质编码方法,批量贝叶斯优化,批量主动学习,组合优化,高维优化的论文, 主要内容为酶不仅是生物体赖以生存的核心物质,还在食品加工、工业生产、临床治疗、疾病诊断等领域发挥着不可替代的作用。大量研究发现,天然酶在稳定性、耐受性、选择性等方面往往无法满足实际应用的需求,需要进一步探索高效的酶改造技术来定制具有期望功能的酶。虽然定向进化、理性设计与半理性设计在酶改造中都取得了显著成果,但它们都需要大量的计算或实验筛选工作。近年来,以机器学习为代表的人工智能技术取得了突破性的进展,为解决酶改造中的关键问题提供了强有力的手段。在半理性设计的基础上,本文围绕基于数据驱动优化的酶分子改造方法展开研究,以降低酶改造的时间成本与经济投入。本文将酶改造建模为黑箱函数的组合优化问题,从而设计提取蛋白质特征的编码方法、开发指导酶改造的贝叶斯优化方法、并探索提高代理模型泛化性能的主动学习方法。最终,仿真模拟的酶改造实验与真实的羰基还原酶活性改造实验证明了所提出方法的有效性。本文的主要研究内容及创新成果包括:1.为实现基于机器学习的酶分子定向改造,本文首次将其建模为黑箱函数的组合优化问题。需要指出的是,酶分子改造的优化问题涉及组合优化、高维优化与批量优化。为此,本文引入机器学习技术中的贝叶斯优化方法加以求解,并从贝叶斯优化的代理模型构建与采集函数开发方面展开研究。2.针对现有蛋白编码方法表征能力差的问题,本文给出了一个新的编码方法范式,并依据该范式设计了一种有效的蛋白质编码方法,即低维互信息编码方法。基于公开酶分子改造数据进行的模型拟合精度与模拟改造实验表明,所提出的蛋白质编码方法明显优于已有编码方法,且编码结果对基于机器学习的酶分子定向改造具有促进作用。3.针对现有贝叶斯优化方法存在的问题,本章提出了带有终止条件的全新贝叶斯优化框架,并依据此框架开发了适用于组合优化问题的基于最大方差改变量的批量贝叶斯优化算法。根据代理模型从历史数据中收集到的先验信息,所提出的批量贝叶斯优化算法可对当前是否查询到优化问题的全局最优解进行判断,从而避免了不必要的评估实验。实验结果表明,与现有批量贝叶斯优化算法相比,所提出的批量贝叶斯优化算法在优化性能、鲁棒性、收敛性等方面更具优势。4.为提高代理模型泛化性能,本文以权重信息增益作为模型改变量的衡量标准,提出了一种基于池的高斯过程回归批量主动学习方法。该方法不仅能直接依据权重不确定性的减少程度衡量模型的变化情况,还考虑了同批次样本间的相似程度,保证了高斯过程批量主动学习的有效性。实验结果表明,本文提出的基于池的高斯过程回归批量主动学习方法能为高斯过程回归代理模型的构建提供“小而精”的训练集。本论文从数据驱动优化的角度,系统性地研究了酶分子改造中的关键问题,对蛋白质编码方法、批量贝叶斯优化算法等基础方法进行了创新性的探索。研究成果不仅能有效降低酶分子改造的成本,还为蛋白质的改造提供了新的研究思路,从而促进了机器学习方法在蛋白质工程领域的长足发展。
图卷积神经网络对图的结构推理能力研究
这是一篇关于图神经网络,组合优化,结构性质,数据增广,时序优化的论文, 主要内容为图结构数据在自然科学和社会科学中无处不在。近年来,关于图深度学习的研究大量涌现,包括深度图嵌入技术、卷积神经网络向图结构数据的推广,以及受信息传播启发的神经信息传递方法。图深度学习的这些进展已经在许多领域产生了最先进的结果,包括化学合成、计算机视觉、推荐系统和社会网络分析等。本文从图神经网络的强大信息提取能力出发,分析图神经网络捕捉更高层次图信息的能力,以及图神经网络在时序优化上的应用。主要工作如下:(1)对于图分类任务,现有的图分类工作主要集中在图的物理结构和实际性质两个方面。本文从一个新的角度来考虑图的分类问题,即结构性质。通过图的最大团、最小顶点覆盖和最小支配集等结构性质来定义图的相似性。为了捕捉这些结构特征,本文设计了一个自适应motif来挖掘节点之间的高阶连通信息。此外,为了在图池化阶段获得唯一的下采样,本文提出了一种去相关池化方法。通过在几个人工生成的数据集上的大量实验表明,本文所提出的模型可以有效地对具有相似结构性质的图进行分类。并与基线方法进行了实验比较,验证了自适应motif图卷积网络的有效性。(2)由于图神经网络经常被设计为端到端的学习框架,研究图的拓扑结构和节点特征对图神经网络学习性能的影响是一个根本的问题。因此本文中首先提供了几个实验来评估拓扑结构和节点特征对图神经网络学习性能的影响。在此基础上,从图的拓扑结构和特征矩阵的角度出发提出了四种可选的图结构数据增广方法。同时,在一些高维问题中,不能直接依赖于监督信息,因此本文通过一致正则项来约束非监督信息。在不同的图分类数据集上的实验证明了该方法的有效性。(3)时序优化是电子设计自动化(EDA)工具中的一个关键流程,目标是确保芯片设计在功能上是正确的,并且性能符合设计要求。时序约束通常包括三个方面:时序设计规则约束、保持时间约束、建立时间约束。不满足这些约束会发生时序违例,时序优化是对时序违例进行优化修复的手段。对于时序图,它天然具有图的特征和性质,本文介绍了修复时序违例的常用方式,并结合图神经网络算法,探究该算法在时序优化方面的应用前景。
基于遗传算法的智能排课系统设计
这是一篇关于排课,遗传算法,组合优化,UML,自适应的论文, 主要内容为课表编排是学校教学工作中重要的一项，而教学资源相对较少的实际情况又使得排课工作非常不简单。现在大部分院校已经采用计算机辅助排课，但还没有实现利用计算机完成整个排课过程。大部分系统解决了资源冲突问题，却未能很好得解决资源分配的优化问题。本论文采用具有自组织、自适应和自学习能力的遗传算法解决排课问题，使所做系统更能适应学校的实际情况。 本文对排课系统做了详尽的需求分析。确定了系统管理员、教务工作人员、教师学生这三类用户，并根据他们的不同需求设计了系统的总体架构和各功能模块。采用E-R图和数据表等形式完成了系统数据库的设计。在系统建模阶段，分别采用UML建模语言中的类图和时序图建立了系统的静态结构模型和进行动态行为分析。在遗传算法的详细设计上，编码时采用三维立体编码，将排课五要素与三维立体坐标相对应；在适应度函数的设计上考虑了特殊课程的安排、多课时课程的分布、班课时日分布均匀度、教师课时分布期望、是否跨教学区域等几个方面；在遗传操作上，选择时采用赌轮选择法和保存两个最优解的最优保存策略；交叉和变异时为使系统适用于不同数据，采用自适应的交叉概率和变异概率。最后根据遗传算法的工作流程实现排课运算。在系统实现上，采用C#语言进行程序设计，后台采用SQLServer2008管理数据库。经实际测试，系统在短时间内排出了较理想的课表，提高了排课效率。
基于强化学习的柔性作业车间调度算法研究
这是一篇关于柔性作业车间调度问题,强化学习,组合优化,基于柔性策略回合更新算法,策略梯度算法的论文, 主要内容为车间作业调度问题(Job Shop Scheduling Problem,简称JSP)是经典的组合优化问题,也是最早被证明为NP-hard的问题之一。在如今的工业制造环境中,为了更符合实际生产环境,JSP又被拓展为柔性作业车间调度问题(Flexible Job Shop Scheduling Problem,简称FJSP)。该问题允许一道工序可以有多个可选择的加工机器。目前求解FJSP的算法主要以遗传算法等智能算法为主。强化学习在人工智能中的成功应用使之近来成为一个研究热点。本文尝试运用强化学习算法来求解FJSP,通过对调度状态的定义、调度规则的设计以及奖励的设计构建了混合的调度策略,提升了求解FJSP的效率和性能,体现了用强化学习求解组合优化问题的可能性。本文主要工作包括以下四方面:(1)在对机器学习算法进行深入研究的前提下,本文给出了一个基于强化学习构建混合调度策略求解FJSP的总体框架。(2)在该总体框架下,本文提出了一个基于柔性策略回合更新的求解FJSP算法,并且针对FJSP的特点,对状态空间、动作集合和奖励进行了详细介绍。本文进一步从理论上分析了该算法的时间复杂度。(3)由于基于柔性策略回合更新的求解FJSP算法依赖于状态-价值表,一旦状态数量过多,则表的规模就很庞大,严重影响算法性能。因此本文又引入了神经网络,设计了7种特征值作为神经网络的输入来表示状态空间,使用梯度策略算法训练网络来进行策略迭代优化。(4)本文实现了上述两种算法,并在公认的FJSP实验测试集上与其他主流的求解FJSP算法做了大量的实验对比,包含了求解质量的对比和运行速度的对比,验证了强化学习在求解FJSP的可行性。
基于适应度地形的组合优化与作业车间调度问题研究
这是一篇关于组合优化,作业车间调度,适应度地形,动态调整算法的论文, 主要内容为车间调度是影响制造业生产效率的关键因素。在制造环境中,调度就是对加工过程进行作业计划。采用高效的调度,可以“缩短工期、减少库存、按时交货、提高信誉”。随着全球市场竞争的加剧和客户需求的个性化,车间调度问题愈来愈受到重视。 大多数车间调度问题是NP难的,求解作业车间调度问题的最小加工时间是经典的组合优化问题之一。算法求解的效率与所要解决的问题特征密切相关,由于目前还缺乏对作业车间调度问题复杂性的深入研究,造成了目前求解组合优化问题时算法的选择和参数设置具有盲目性。 本文在研究背包问题和旅行商问题的适应度地形特征的基础上,分析了作业车间调度问题的复杂性,研究了作业车间调度问题的结构与适应度地形及其影响因素,研究了车间调度问题的Backbone,通过挖掘调度问题的内在结构与性质,为作业车间调度的研究提供一个新的理论支持;并在此基础上,提出了相应的调度框架与调度方法。为指导组合优化问题和作业车间调度问题的算法选择提供了一定的依据,并为建立衡量组合优化问题的近优算法效率的标准迈出了探索性的一步。 首先,介绍了组合优化问题的一般研究方法以及无免费午餐定理,针对背包问题和旅行商问题,研究了它们的适应度地形,并对这些问题的解的特征、影响适应度地形的因素进行了分析。 然后,研究了作业车间调度问题的数学模型和析取图模型,分析了作业车间调度问题的复杂性,针对该问题分析了解的特征、影响适应度地形的主要因素,以及适应度地形的不规则性,研究了作业车间调度问题的Backbone与解之间距离的关系。 其次,针对作业车间调度问题的适应度地形,分析了进化算法求解作业车间调度问题的机理,研究了算法中交叉和变异在求解作业车间调度问题时的作用,针对三种典型的适应度地形,提出了一种基于适应度地形的动态调整算法,可以高效、快速地求解三种典型的作业车间调度问题,并开发了相应的软件。采用作业车间调度问题的标准测试实例进行验证,验证了该算法的有效性。 最后,对全文进行了总结,并对基于适应度地形的作业车间调度这一研究方向进行了展望。
罩式退火炉优化装炉组合系统设计与开发
这是一篇关于装炉组合,罩式炉退火,遗传算法,组合优化的论文, 主要内容为本文以上海宝钢益昌薄板有限公司的罩式退火炉车间为应用背景，研究了退火炉车间的钢卷优化装炉组合问题。在查阅大量文献资料的基础上，针对遗传算法易于陷入局部最优和收敛速度缓慢的不足，引入个体适应度值的方差和均值来描述种群的聚散程度，提出了一种具有参数自适应调节功能的改进遗传算法。针对遗传算法收敛速度慢，很难应用于复杂在线仿真优化问题的不足，将序次优化和概率抽样的思想运用于遗传算法，提出了一种基于序次优化策略和抽样概率思想的改进遗传算法。本文将提出的改进算法应用到退火炉炉群退火生产的钢卷优化组合堆垛中，并进行了罩式退火炉钢卷优化装炉组合软件的设计与开发。生产实践表明该改进算法取得了很好的应用效果。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码项目助手 ，原文地址：https://m.bishedaima.com/lunwen/48320.html
