基于最小包含球的大数据集域自适应快速算法

相同应用领域,不同时间、地点或设备检测到的数据域不一定完整。文中针对如何进行数据域间知识传递问题,提出相同领域的概率分布差异可用两域最小包含球中心点表示且其上限与半径无关的定理。基于上述定理,在原有支持向量域描述算法基础上,提出一种数据域中心校正的领域自适应算法,并利用人造数据集和KDDCUP99入侵检测数据集验证该算法。实验表明,这种领域自适应算法具有较好的性能。     

基于Transformer的简单自动作曲技术

现如今,音乐已经融入我们日常生活之中,它可以帮助我们焕发灵感、集中精力、缓解压力、营造气氛等。然而,一首音乐的诞生需要音乐创作者长时间的训练才能完成,更多时候,其制作受限于制作成本和创作者数量。随着人工智能技术的发展,深度学习为机器自动作曲提供了可能,本文就提出了一个基于Transformer的自动作曲技术,它在训练误差和准确性上有着良好的表现,也证明其在自动作曲中的应用是有效的。     

食品营养搭配对体育运动员身体机制的影响

在如今的社会中,人们对食品营养的需求越来越高,体育运动员的食品安全更是其中的重点和关键,尤其是体育运动员饮食方面的忌讳较多,需要做好食品营养搭配,为运动员的身体健康打下基础。本文从体育运动员食品营养管理概述、食品营养搭配对体育运动员身体机制的影响以及体育运动员食品营养搭配的策略方面进行简要分析和研究,根据运动员的实际情况进行食品营养搭配,保障体育运动员的身体健康。     

基于逻辑回归的多任务域快速分类学习算法

多任务学习通过寻找并共享不同任务域之间的共性特征来完成学习,利用知识迁移加速不同任务域的学习为每个任务域构建一个分类器。提出了一种基于罗杰斯特回归模型的多任务学习方法MTC-LR（Multi-task Coupled Logistic Regression）。“罗杰斯特回归模型”已经被成功应用于单任务分类器上,该模型被众多实验证明是有效的,正是这种方法给人们带来了启示。从理论上证明了通过构造多任务分类器的“开销函数”和“差异性度量函数”,MTC-LR算法可以提高多任务分类器的各自分类精度。相比传统的基于SVM的多任务学习方法,MTC-LR并不依赖于核方法而是通过共轭梯度下降法寻找各个分类器的最优参数。同时MTC-LR与采用“罗杰斯特回归模型”的快速算法CDdual更容易结合,可扩展至大样本的多任务分类学习。正是基于上述发现,为了充分高效利用大样本的多任务域数据,满足大样本的快速运算,在MTC-LR算法的基础上,结合最新的CDdual（The Dual Coordinate Descent Method）算法,提出了MTC-LR的快速算法MTC-LR-CDdual,并对该算法进行了相关的理论分析。将该算法在人工数据集和真实数据集上进行了验证,实验结果表明该算法有着较高的识别率、快速的识别速度和较好的鲁棒性。     

大型风电场的集中功率控制策略研究

在分析变速恒频风力发电机组与大型风力发电场控制系统关系的基础上,提出风力发电场的集中功率控制策略。利用M atlab/S imu link环境,建立风电场功率控制系统的仿真模型。以风扰动为例,对风力发电场并网的有功和无功功率调节过程进行仿真研究。理论研究和仿真分析结果验证了风电场集中功率控制策略的可行性和有效性。     

矿业、设备及润滑剂发展

现代采矿过程包括勘探、开采、矿石加工、目标产品材料的提取及矿山关闭后的复垦[1].矿业按资源来分,可以分为五大类.分别是油气开采、采煤、金属采矿、非金属矿物开采及采石、矿业支持活动[2].其中,油气开采因其对全球经济重要性仍是其中最大一类,本文不包括这一类.采矿作业通常会对环境造成负面影响,包括开采期间和矿山关闭之后....     

一种物联网设施管理系统中的Kafka优化方法

在有海量消息数据上报和处理的物联网设施管理系统中添加Kafka消息中间件能够异步地传输消息,增加了微服务系统的灵活性和可扩展性,但其带来的影响比如延时和资源消耗也是实际运用中需要考虑的.论文提出了一种基于优化KafkaProducer中Serializer接口的内存分配的改进方案,降低了添加Kafka消息中间件造成的额...     

机器鼠

它们不是真正的机器鼠,但是它们被称为机器鼠,并且被训练得能够执行命令.美国在线新闻网报道:通过在老鼠的脑中植入电极,科学家们创造出了遥控的啮齿类动物,他们可以指挥老鼠向左转或者向右转,爬树和在成堆的碎石间穿行.科学家们说,将来携带微型摄像机的老鼠可以用来寻找灾难中的幸存者.