目录与摘要|人工智能与机器人研究 2024年11月13卷4期

01

摘要

AI在金融行业的发展历史及展望

作者：闫立晟, 范坤赫, 王 钊, 朱本浩：中国移动金融科技有限公司技术创新中心，北京

摘要：随着科技的飞速发展，人工智能(AI)在金融领域的应用日益广泛和深入。本文回顾了AI的发展历史，从早期的理论探索到如今的深度应用。详细阐述了AI在金融行业中的发展趋势以及多样化应用。同时，基于当前的技术趋势和业务场景，探讨了目前AI在金融领域面临的挑战，对AI在金融领域的未来发展方向进行了前瞻性的预测。旨在为金融行业更好地利用AI技术实现创新发展提供有价值的参考和指导。

关键词：人工智能；金融；机器学习；深度学习；大模型

（长按二维码阅读全文）

基于RBF神经网络PID控制算法优化的负压供墨系统

作者: 赵籽蒴, 陆利坤：北京印刷学院信息工程学院，北京

摘要: 为更好地解决传统PID对负压供墨系统温度、负压值精度低、缺乏自适应性、跟随性能差等问题，本文将RBF神经网络与传统PID控制算法结合起来，实现动态辨识，通过利用神经网络的学习能力，可以根据控制环境在线修正PID控制的比例、积分、微分参数，使其更加符合工业需求，从而能够提升系统的实时性以及适应性，通过加入阶跃信号，基于MATLAB软件中的Simulink环境对控制系统进行仿真。通过对比检验传统PID控制算法与模糊PID控制算法。经过仿真测试结果得出结论：基于RBF神经网络优化的PID控制算法具有响应速度快、超调小等优点，解决了控制温度与负压值过程中滞后和耦合大的问题，显著改善负压供墨系统性能。 

关键词: 常规PID控制；Simulink仿真；模糊PID控制；基于RBF神经网络PID控制；负压供墨系统

（长按二维码阅读全文）

光伏运维中融合KAN Transformer的TCN深度学习模型及故障检测

作者: 马 寅, 张 鹏, 张宪康, 李 灏, 姬艳秋, 张炜明, 赵进国, 张旭军：国网甘肃省电力公司，甘肃 兰州

摘要: 光伏发电作为清洁能源的重要组成部分，在电力系统中的集成对提高能源利用效率和减少环境污染具有重要意义。但光伏发电的波动性和不确定性给电网的稳定运行带来了挑战。本研究针对甘肃地区电力系统中光伏发电的预测问题，提出了一种创新的深度学习模型，该模型融合了Kolmogorov-Arnold Networks (KAN)、Transformer和时间卷积网络(TCN)的优势，以提高预测精度。考虑到光伏发电数据的高维性和非线性特征，KAN层被引入以提取复杂的数据模式。Transformer层通过自注意力机制有效地捕捉了时间序列中的长距离依赖关系。TCN层利用扩张卷积技术进一步增强了模型对局部时间特征的捕捉能力。为了处理数据集中的不平衡问题，本研究采用了SMOTE技术进行数据预处理，以增强模型对少数类别的识别能力。在模型训练过程中，均方误差(MSE)损失函数被用作优化目标，以最小化预测误差。此外，本研究不仅关注预测精度，还将模型应用于光伏发电故障监测，通过实时监控和分析运行数据，实现了故障的早期识别和预警。实验结果表明，所提出的模型在光伏发电预测任务上表现出色，相比于现有方法具有更高的预测精度和鲁棒性。此外，通过故障监测的应用案例，证明了模型在实际电力系统运维中的实用性。本研究的成果为光伏发电的预测和运维管理提供了新的视角和技术支持，对促进可再生能源的高效利用具有重要意义。

关键词: 光伏发电预测；Transformer；时间卷积网络；故障监测

（长按二维码阅读全文）

基于改进YOLOv8n的钢轨表面伤损检测算法

作者: 华 超, 张兴盛, 李国栋：山东交通学院轨道交通学院，山东 济南

摘要: 在采集钢轨表面伤损数据建立数据集过程中，发现钢轨表面伤损存在大尺度伤损较多及尺度变化较大的情况，针对这种情况提出了一种面向多尺度钢轨表面伤损的改进YOLOv8n检测算法。首先，将网络中的C2f与Triplet Attention融合设计新的特征提取模块C2f-TA，扩大网络层特征图的感受野，增加对大尺度目标的检测精度。然后，结合网络层连接模块SDI与TFE，设计新的多尺度特征融合Neck结构，通过在不同的网络层将Concat模块替换为TFE模块和SDI模块，实现对四个不同尺度级别的特征图的融合，赋予特征图丰富的语义特征和细节特征；同时，使用SSFF模块和CPAM模块，构建新的小尺度目标检测分支，利用通道和局部注意力机制，增强小尺度目标的特征表达。结果表明，较基准算法Precision提升了1.8%，Recall提升了7.2%，mAP@50和mAP@50-95分别提升了3%和2.8%。

关键词: 钢轨表面伤损；深度学习；缺陷检测；YOLOv8n；注意力机制

（长按二维码阅读全文）

基于Mask R-CNN的轻量化羊只计数研究

作者: 杨雯茜, 李 婷, 李美安*：内蒙古农业大学计算机与工程学院，内蒙古 呼和浩特

摘要: 为了提高羊只计数的准确性和实用性，本文结合计算机视觉技术，提出了一种基于Mask R-CNN轻量级羊只计数算法。针对数据集的制作，前往内蒙古呼和浩特白塔村的养殖户进行数据采集，制作了羊只图像分割数据集。在对模型的轻量化部分，首先，将特征提取网络的部分替换为 Inverted Residual模块并加入SE注意力机制，在保证模型分割准确度不下降的情况下降低模型的规模。其次，使用空间卷积池化金字塔ASPP进一步对模型的特征融合部分进行优化，最后利用改进后Mask R-CNN生成的掩膜进行计数。结果表明：改进后的Mask R-CNN-InvertedResidual-SE-ASPP羊只计数模型，计数准确率达到96.27%，较基准模型参数量减少38.46%，计算量减小26.14%，体积减小34.52%，单帧推理速度提升22.12%。说明，改进后的Mask R-CNN更适合实际应用中的高效羊只计数。

关键词: Mask R-CNN；SE注意力机制；ASPP；羊只技术

（长按二维码阅读全文）

线性映射模型下的重编码判别分析算法

作者: 张恒瑞, 董英华, 许喆源：南京信息工程大学数学与统计学院，江苏 南京；方宇翔：南京信息工程大学计算机与软件学院，江苏 南京

摘要: 针对Fisher判别法判别同族群体多中心数据准确率低的问题，提出了线性映射模型下的重编码判别分析算法，将Fisher判别法中的降维思想与重编码方法相结合，采用蒙特卡洛法，通过对伪预测数据的划分。以实映射识别率为目标，确定线性判别函数的待定系数和伪预测数据的划分。实证表明，该算法具有较高的识别率和稳定性。

关键词: 判别分析；伪预测；重编码；实映射

（长按二维码阅读全文）

基于AI技术的无线设备定位信号健壮性设计研究

作者: 张金晶：上海农林职业技术学院智慧农业工程系，上海

摘要: 随着无线技术的迅猛发展，无线设备定位在众多领域的重要性日益凸显。然而，其定位信号易受多种因素影响，健壮性面临挑战。本文深入探讨无线设备定位信号的基本原理，剖析影响信号健壮性的因素，并结合人工智能技术提出了硬件、软件算法和系统层面的设计策略。通过实验对这些策略进行验证与分析，总结研究成果，同时指出不足及未来展望。

关键词: 无线设备定位；信号健壮性；设计策略；人工智能

（长按二维码阅读全文）

基于机器学习的分拨中心安全评估与风险预警研究

作者: 张博研, 李 文, 梁 方, 刘厚娟, 孙军艳：陕西科技大学电子信息与人工智能学院，陕西 西安

摘要: 分拨中心的分拣作业是快递企业成本最高的环节，分拨中心的安全运营和管理也是影响服务质量的关键因素。本文探讨了分类中心的安全控制问题。仿真结果表明，在分类性能指标方面，LSTM-CNN-Attention模型的Recall、Accuracy和F1分数均优于LSTM和CNN模型。此外，与LSTM和CNN模型的分类性能指标相比，LSTM-CNN-Attention模型的Recall、Accuracy和F1分数都有显著提高，证明LSTM-CNN-Attention模型可用于配送中心的数据分类处理。该模型在处理快递分拣环节数据时表现更佳，证实了LSTM-CNN-Attention模型的优越性。

关键词: 分拨中心；安全评估；风险预警；LSTM-CNN-Attention模型

（长按二维码阅读全文）