检索结果-南通市图书馆

论生成式人工智能服务提供者的个人信息合理使用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

江苏社会科学 2024年第2期 185-192页

作者：胡宏涛对外经济贸易大学法学院

生成式人工智能的运行需要海量数据,生成式人工智能服务提供者可能会未经同意处理大量个人信息,在构成个人信息合理使用时主要有以下三个问题:合理的范围不明确,现有履行告知义务的方式阻碍其合理使用个人信息,在提供服务阶段处理个人... 详细信息

生成式人工智能的运行需要海量数据,生成式人工智能服务提供者可能会未经同意处理大量个人信息,在构成个人信息合理使用时主要有以下三个问题:合理的范围不明确,现有履行告知义务的方式阻碍其合理使用个人信息,在提供服务阶段处理个人信息的具体行为与履行内容审核等安保义务的处理目的相分离。基于生成式人工智能的运行机理,从其运行的研发阶段和提供服务阶段,来分析生成式人工智能服务提供者适用个人信息合理使用规则产生的问题。以合理的目的和个人信息公开时对个人信息权益影响的程度限定合理的范围;以公示的方式履行告知义务,促进个人信息合理使用;基于履行内容审核等安保义务的处理目的,整体性评价其在提供服务阶段未经同意处理个人信息的行为。从而破解生成式人工智能服务提供者合理使用个人信息的困境的同时保护个人信息权益。

关键词：生成式人工智能个人信息合理使用合理的范围告知义务 GAI

在线全文

学校读者我要写书评

暂无评论

注塑模稳态温度场的有限体积法模拟

上海交通大学学报 2024年第4期58卷 461-467页

作者：冯漾漾丁浩亮胡平山严波上海交通大学材料科学与工程学院上海200030 航天材料及工艺研究所北京100076

对于注塑模具的冷却过程稳态温度场模拟,传统有限体积法(FVM)求解型腔面上等效热流时,节点温度梯度往往基于控制体积内的平均值近似计算,不一定等于边界面上的局部节点温度梯度,且控制体积内各面热流计算相互独立,可能导致控制体积内热... 详细信息

对于注塑模具的冷却过程稳态温度场模拟,传统有限体积法(FVM)求解型腔面上等效热流时,节点温度梯度往往基于控制体积内的平均值近似计算,不一定等于边界面上的局部节点温度梯度,且控制体积内各面热流计算相互独立,可能导致控制体积内热量不守恒.为此改进FVM通过将稳态温度场热量守恒作为前提条件,基于节点控制体积的其他面热流量计算型腔面热流,修正了传统FVM.自主开发了C++有限体积法数值模拟程序,分别把传统FVM和改进FVM模拟得到的注塑模稳态温度场与商业软件结果对比,发现传统FVM能够模拟出注塑模具的温度分布情况,但存在较大计算误差;采用改进型腔面等效稳态热流算法后,计算误差显著降低,证明改进后FVM能更加准确地模拟冷却过程的稳态温度场.

关键词：有限体积法注塑成型模具温度场数值模拟

工作于1064 nm波长的铌酸锂电光调制器研究

在线全文

学校读者我要写书评

暂无评论

工作于1064 nm波长的铌酸锂电光调制器研究

作者：冯大城电子科技大学

学位级别：硕士

X县FT蜂业合作社蜂蜜产品营销策略评价研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

X县FT蜂业合作社蜂蜜产品营销策略评价研究

作者：冯迈西北农林科技大学

学位级别：硕士

基于仿真数据和迁移学习的磨削表面粗糙度测量

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于仿真数据和迁移学习的磨削表面粗糙度测量

作者：冯自强桂林理工大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

延安:赓续红色血脉矢志奋勇前行

党建 2024年第3期 15-17页

作者：冯枚牛娜延安市延安精神研究中心

枣园的灯光,闪耀着历史的光辉;杨家岭的窑洞,孕育了伟大的精神;黄土高原的沟壑峁墚,满载鲜活的故事,寄托着不舍的牵挂。时间的长河奔涌向前,奋斗的脚步永不停歇。一次次细致入微的考察,一次次满怀深情的讲话,一系列高瞻远瞩的重要指示,... 详细信息

枣园的灯光,闪耀着历史的光辉;杨家岭的窑洞,孕育了伟大的精神;黄土高原的沟壑峁墚,满载鲜活的故事,寄托着不舍的牵挂。时间的长河奔涌向前,奋斗的脚步永不停歇。一次次细致入微的考察,一次次满怀深情的讲话,一系列高瞻远瞩的重要指示,习近平总书记时刻牵挂老区发展,始终心系延安人民。习近平总书记对延安的殷切期许、关怀厚爱,始终是延安人民继续前行的强大动力。

关键词：老区发展强大动力细致入微黄土高原牵挂延安

在线全文

学校读者我要写书评

暂无评论

双振头超声固结振动装置设计及实验

光学精密工程 2024年第4期32卷 514-523页

作者：钟相强邹令令冯赛龙安徽工程大学机械工程学院安徽芜湖241000

为了提高传统超声固结振动装置的输出振幅,达到金属箔材稳定固结的要求,提出了一种单侧双换能器结构的双振头超声固结振动装置。基于谐振系统设计理论完成了尺寸参数设计,对该装置进行模态分析及优化,得到最佳纵振频率为20 247 Hz;基于... 详细信息

为了提高传统超声固结振动装置的输出振幅,达到金属箔材稳定固结的要求,提出了一种单侧双换能器结构的双振头超声固结振动装置。基于谐振系统设计理论完成了尺寸参数设计,对该装置进行模态分析及优化,得到最佳纵振频率为20 247 Hz;基于等效四端网络法对双振头超声固结振动装置进行建模仿真,最大输出振幅能达到36μm;最后,制作实验样机进行振幅测试实验,探究输出振幅与激励电压之间的关系。实验结果表明:输出振幅与激励电压线性相关,该装置的最大输出振幅为34.4μm,与仿真结果的误差率小于5%。验证了结构的合理性,有效提高了装置的输出振幅,促进了超声固结技术在相关领域的应用。

关键词：增材制造谐振系统模态分析纵振频率

配网架空线路装拆接地线多功能支架技术创新与应用实践

在线全文

学校读者我要写书评

暂无评论

产业科技创新 2024年第1期6卷 29-32页

作者：庞恒林小强冯斯勇许环涛海南电网有限责任公司临高供电局海南临高571800

本文详细介绍了配网架空线路装拆接地线多功能支架的设计与特点,其核心在于提高作业安全性和效率。通过对设计理念、技术参数与功能特性的阐述,以及该支架在实际作业中的应用案例分析,本文展示了该支架相较于传统作业方法的显著优势。... 详细信息

本文详细介绍了配网架空线路装拆接地线多功能支架的设计与特点,其核心在于提高作业安全性和效率。通过对设计理念、技术参数与功能特性的阐述,以及该支架在实际作业中的应用案例分析,本文展示了该支架相较于传统作业方法的显著优势。研究的重点包括支架的创新技术如快速挂锁机制、安全距离保持结构以及轻量化设计等,这些技术的应用大幅提升作业效率,同时确保高安全标准。最后,本文总结了多功能支架在电力行业未来广泛应用的潜力和价值。

关键词：配网架空线路接地线多功能支架作业安全作业效率技术创新

在线全文

学校读者我要写书评

暂无评论

基于Pareto算法的分子生成模型

基于Pareto算法的分子生成模型

作者：冯大为烟台大学

学位级别：硕士

新药研发一直是药物研发产业的重要组成部分。然而,传统的新药研发方法面临着巨大的挑战,包括高昂的成本、长时间的研发周期以及药物候选化合物存在各种缺陷。在这一背景下,深度学习技术的崛起为药物设计和发现提供了新的机会。通过计... 详细信息

新药研发一直是药物研发产业的重要组成部分。然而,传统的新药研发方法面临着巨大的挑战,包括高昂的成本、长时间的研发周期以及药物候选化合物存在各种缺陷。在这一背景下,深度学习技术的崛起为药物设计和发现提供了新的机会。通过计算机强大的算力以及数据的开放共享,使得人类能够更快地探索复杂而庞大的化合物化学空间。目前深度学习辅助药物分子设计已经成为了新药研发重要的组成部分。深度学习辅助药物分子设计主要通过使用各种各样的模型对现有的数据进行处理,然后通过学习到的信息执行相应的任务。目前较为常见的深度学习生成模型主要存在着以下的缺点:(1)在分子生成时,主流的分子生成模型主要针对于单一理化性质作为优化的标准,而针对多种理化性质进行反向传播优化的模型比较少;(2)在优化多目标参数的分子生成模型中,容易产生误判,比如生成的化合物分子某一项理化性质特别优秀,而其他性质较差,从而导致模型认定该化合物分子是综合素质较高的化合物分子;(3)在针对多目标优化的深度学习分子生成模型中,生成的分子多样性较低,不利于后续的筛选以及合成。为了解决上述问题,本文提出一种基于Pareto优化算法的深度学习模型,用于多目标药物分子设计。模型采用条件变分自编码器(Conditional Variational Autoencoder,CVAE)框架,结合长短时记忆网络(Long Short-Term Memory,LSTM),并以简化分子输入线性系统(Simplified Molecular Input Line Entry System,SMILES)作为输入。利用Randomized SMILES方法增加数据多样性,模型以分子量(Molecular Weight,MW)、脂水分配系数(Logarithm of the Partition coefficient,Log P)、极性表面积(Topological Polar Surface Area,t PSA)及与GSK126分子的结构相似性为约束,生成新分子。使用Enamine-real数据库的SMILES,应用Pareto算法筛选非支配解和次级非支配解构建数据集,并进行数据增强。模型训练涉及编码器、先验网络和解码器,通过计算重构损失和Kullback-Leibler(KL)损失,不断优化,最终生成所需化合物分子。本文从理化性质分布、有效性、唯一性、新颖性、多样性、属性控制、手性控制以及生成集分子与目标靶点的结合能等多个方面广泛地验证了该模型的性能。验证结果表明:模型对训练集分子的整体理化性质分布有着良好的学习和重现能力,且通过验证都表现出了良好的有效性、唯一性和新颖性,且新分子的多样性优于测试集分子。并且,模型能够同时控制分子的多种属性,生成具有接近目标性质值的分子。针对深度分子生成模型中出现的生成分子与靶点作用模式发生改变的问题,我们提出了一个基于全新骨架提取方法的深度学习模型来生成新化合物分子。该模型采用基于Transformer的架构,包含嵌入层、多头自注意力层和线性层组成的编码器,专门用于分析分子的原子类型和结构关系,从而提取关键特征。嵌入层负责将分子结构转化成高维向量,多头自注意力层则使模型学习分子内部的复杂关系,并捕捉到全面的结构信息。解码器利用编码器的深层特征表示,结合自注意力和编码器-解码器注意力机制,按照化学规则逐步生成满足特定性质要求的新分子,从而确保生成的分子结构具有目标特性。为确保模型的有效性,我们对其进行了广泛的性能评估,检测了理化性质分布、有效性、唯一性、创新性、多样性以及微调前后的表现等关键指标。评估结果证明,模型在这些方面均表现出色,展现了良好的性能。最重要的是,我们对生成分子进行了作用模式分析,发现新分子保留了关键药效团特征,这表明我们的骨架提取策略有效解决了原模型中出现的作用模式变化问题。

关键词：深度学习多目标优化 Pareto算法药物设计