基于遗传算法的高校工资管理系统优化设计

近年来,随着高等教育改革步伐的加快,特别是近年来高校教师工资变动频繁以及复杂程度不断提高,原有的工资管理系统已不能适合工作的需要,改进高校教师工资管理系统是形势所趋.本文引入遗传算法,旨在对高校工资管理系统进行优化,通过高效的信息化手段实现工资的规范化、精细化和智能化管理.     

基于改进CNN和数据扩充的苹果表面缺陷检测

目的:提高苹果表面缺陷的检测准确率和效率。方法:基于改进卷积神经网络(CNN)和数据扩充建立苹果表面缺陷检测方法。改建CNN的拓扑结构,并将其用于苹果表面缺陷检测;利用条件生成对抗网络,合成表面无缺陷和有缺陷苹果图像,实现图像数据扩充和提高改进CNN的苹果表面缺陷的识别性能;通过模型剪枝,合理权衡苹果表面缺陷的检测准确率、检测时间及节能限制,以提高所提方法的实用性。结果:当改进CNN中的解释层选用2 048个解释性神经元时,平均检测准确率最高;条件生成对抗网络增强了苹果图像数据集的多样性;随着增强图像数在测试数据集中占比的增加,所提方法对苹果表面缺陷的检测准确率不断升高;当剪枝后的模型尺寸占原始模型尺寸的百分比从100%降至50%时,可以以6.96%的准确率损失将苹果表面缺陷的检测效率提升1倍。结论:试验方法有望在苹果生产和加工过程中实现自动化缺陷检测。     

基于RBF神经网络断路器注塑成型工艺优化

塑壳断路器一般通过注塑成型工艺制得。在注塑成型过程中，模具温度、熔体温度、保压压力以及保压时间均对制件的翘曲变形产生一定的影响。以模具温度、熔体温度、保压压力以及冷却时间作为研究参数，以翘曲变形量作为研究目标，采用最优拉丁超立方抽样法抽取合适的样本，建立RBF神经网络模型，结合遗传算法对制件的翘曲变形量进行优化，得到最佳的成型工艺参数组合。结果表明：四个因素的影响程度大小为模具温度>冷却时间>保压压力>熔体温度。当模具温度为50℃、熔体温度为250℃、保压压力为60 MPa以及冷却时间为10 s时，制件的翘曲变形量最小为2.307 7 mm，相较未优化前降低1.294 2 mm，制件成型质量得到明显改善。