基于SVM的RSM模型拟合方法研究

对于多极值、存在高阶交互作用和约束的复杂过程,参数RSM整体代表性差,难以达到全局最优;而非参数RSM在样本量有限时泛化性差,模型难以优化.将RSM模型拟合归结为一类有限制条件、可主动获取样本点的小样本学习问题;提出一种基于SVM的复杂过程RSM模型拟合方法,并提出了适用于RSM的实用性SVM核函数及参数选择方法.算例研究表明,所提的核函数及参数选择方法得到的泛化误差与其最小值的平均偏离率在20%以内;基于SVM的RSM拟合模型对因子约束、误差分布无严格限制,泛化性能、曲面重现能力均优于现有RSM,其平均泛化误差与样本量分别比非参数RSM降低约20%和30%,说明了所提方法的有效性与优越性.     

个人信用评估PSO—SVM模型的构建及应用

支持向量机(SVM)中的参数影响着模型的分类能力,为了使SVM获得更好的分类能力,针对SVM中的人为选择参数的随机性,提出了利用粒子群算法(PSO)进行优化的方法,构建了PSO-SVM模型,并将其应用于商业银行的个人信用评估中。通过改进的PSO算法对SVM中的参数进行优化,并通过粒子适应度函数的设置来控制给商业银行造成较大损失的第2类误判的发生。应用结果表明,PSO-SVM模型的分类精度高,第2类误判率低,并且表现出较好的稳健性,对于控制消费信贷风险具有良好的适用性。     

聚类视角下的差异工件平行机批调度问题

从聚类角度研究差异工件批调度这一组合优化问题.论证了差异工件的分批问题实质为一种广义聚类问题,为求解批调度问题提供了一个全新的途径.提出了批的空间浪费比的概念,将最小化批的总加工时间目标变换为最小化批的加权空间浪费比,从而可以更容易地寻找启发式信息指导分批过程,两者的等价性也在文中给出了证明.此外,以批的空间浪费比为基...     

陶瓷零件快速成型机的改进设计

在层和速凝技术原理的基础上，研制出一种适合陶瓷零件的快速成型设备，但该设备存在刚性不足，变形较大等 问题，为了解决该问题，对铺料台升降装置进行了改进，将铺料台单边支撑改为中间对称支撑方式，改进后的陶瓷零件快 速成型机加强了运行的可靠性和平稳性。在此基础上对设备的的特点、技术参数和适用范围进行了说明，并以制备 95A1203陶瓷凸轮件为例，对成型过程进行了实验，得到成型样品，在电镜下进行SEM测试，结果表明：烧结后样品层间 无分层迹象，说明样品已经烧结为一体，材料黏合程度符合要求；与传统陶瓷零件成型设备相比，新型陶瓷件快速成型机 提高了加工效率，降低了生产成本，达到了经济实用的目的。     

生成式人工智能介入知识生产的功用探析——借助ChatGPT和“文心一言”探究数字劳动的体验

ChatGPT和“文心一言”作为生成式人工智能的新产品，造就了人机合作进行知识生产（尤其是学术研究）的新形式。以探究数字劳动的含义为例，以人机问答的方式获得机器智能提供的答案，这展现了ChatGPT和“文心一言”可以辅助人进行学术研究的新功用，从而形成人机合作的知识生产新模式。在这种模式中，机器智能在提供资源的概括和简单的文本生成方面对人的知识生产提供高效的帮助，并通过人机问答的互动使这种帮助更具针对性和时效性。通过对机器生成内容的具体考察，深入体验这两款生成式人工智能新产品的实际使用，也可以发现其明显的不足和局限，尤其体现在：由于受限于训练数据集和能够进入的学术资源数据库，其归纳既有知识成果的全面性和准确性与人的要求还有较大的差距，更不能替代人去进行原创性的知识创新。鉴于此，需要理性地看待智能机器为人类的知识生产所能起到的功用，既要前瞻性预测这一新型的人机协同方式对人类未来知识生产走向的巨大影响和积极意义，也要根据现阶段生成式人工智能的工作机制，发挥好人在使用提示词等方面的作用，通过人的积极作为来调动智能辅助系统的潜能，在人机之间既有合理的分工又有融洽的互补式合作，来助力学术研究型知识生产活动的开展，并对人作为知识生产的主体始终保持足够的警醒。     

用可编程控制器(PLC)改造三面镗组合机床

阐述了采用可编程控制器进行卧式三面镗组合机床技术改造的方法 ,详细说明了SR 2 1PLC在本系统中的配置及梯形图的设计思路和方法。改造结果表明 ,采用可编程控制器能提高机床的可靠性 ,降低故障发生率 ,并且便于维修 ,从而进一步提高了劳动生产率     

Using machine learning to identify early predictors of adolescent emotion regulation development

As 20% of adolescents develop emotion regulation difficulties, it is important to identify important early predictors thereof. Using the machine learning algorithm SEM-forests, we ranked the importance of (87) candidate variables assessed at age 13 in predicting quadratic latent trajectory models of emotion regulation development from age 14 to 18. Participants were 497 Dutch families. Results indicated that the most important predictors were individual differences (e.g., in personality), aspects of relationship quality and conflict behaviors with parents and peers, and internalizing and externalizing problems. Relatively less important were demographics, bullying, delinquency, substance use, and specific parenting practices—although negative parenting practices ranked higher than positive ones. We discuss implications for theory and interventions, and present an open source risk assessment tool, ERRATA.     

TAUS指南在快速译后编辑（LPE）中的应用——以医学报告为例

随着互联网、大数据、云计算的飞速发展，机器翻译发生了巨大变化，机器翻译译后编辑（machine translation post-editing，MTPE）模式也应运而生，逐渐成为翻译服务业的主流模式。但若要进一步提高MTPE效率和质量，还需要相应的规范和准则加持，以帮助译后编辑者识别机器翻译错误并快速决策机器译文是否需要进行编辑。通过介绍翻译自动化用户协会（TAUS）的MTPE指南的相关实践准则，并根据文本性质和受众选取适用准则指导进行了医学报告的快速译后编辑（light post-editing, LPE）实践，对医学报告文本译后编辑实践中存在的词汇错译、分词短语错译、从句错译以及段落错译、漏译等问题进行了分析，并对该指南的实际指导意义进行了总结与评价。     

乡村农户贫困状态特征因子筛选与分析框架：兼论我国乡村振兴路径选择

本文构建了刻画乡村农户贫困状态的特征因子的提取算法和分析框架，旨在实现和帮助完善家庭农场的持续发展，尤其是由贫困农户组成或参与的家庭农场在发展需要的融资方面的乡村信用评估，推动有效地制订对应政策和落地方案，巩固脱贫攻坚成果和防止返贫。本文的最大亮点是以“分类与回归树”(CART)分析和“吉布斯抽样”(Gibbs Sampling)的人工智能算法为工具，对乡村农户贫困状态的特征因子提取建立了对应的框架和分析流程。基于国内某地区乡村建档立卡数据库的31,116个样本，实证研究筛选出12个刻画乡村农户贫困状态高度关联的特征因子，并进一步对特征因子的有效性进行了ROC曲线和AUC测试。结果表明以特征因子分析框架为基础，建设配套的乡村信用评估体系是支持乡村振兴的可持续性最佳解决途径之一，除了能够为乡村贫困户获得持续工作的基本技能或生产环境的改善提升上得到持续性的融资支持提供评估依据和数据支持，也能为乡村和城镇“传帮带”等生产和商务平台的建立提供可持续的基础性数据和信用分析的动态支持。     

Reliability analysis of man–machine systems using fuzzy cognitive mapping with genetic tuning

This article offers a method for analyzing the reliability of a man–machine system (MMS) and ranking of influencing factors based on a fuzzy cognitive map (FCM). The ranking of influencing factors is analogous to the ranking of system elements the probabilistic theory of reliability. To approximate the dependence of “influencing factors—reliability,” the relationship of variable increments is used, which ensures the sensitivity of the reliability level to variations in the levels of influencing factors. The novelty of the method lies in the fact that the expert values of the weights of the FCM graph edges (arcs) are adjusted based on the results of observations using a genetic algorithm. The algorithm's chromosomes are generated from the intervals of acceptable values of edge weights, and the selection criterion is the sum of squares of deviations of the reliability simulation results from observations. The method is illustrated by the example of a multifactor analysis of the reliability of the “driver–car–road” system. It is shown that the FCM adjustment reduces the discrepancy between the reliability forecast and observations almost in half. Possible applications of the method can be complex systems with vaguely defined structures whose reliability depends very much on interrelated factors measured expertly.