课程文献中心 更多>>

关键词： 云计算   档案管理   数字化策略  

摘要： 随着信息技术的快速发展,云计算技术已逐渐成为档案管理与数字化的重要工具,文章旨在探讨基于云计算的档案管理数字化建设策略,强调提高档案管理效率、促进档案信息资源的合理共享与充分利用,通过对“云”概念的解读和云计算档案管理特征的分析,明确数字化档案管理的工作重点,并明确现阶段档案数字化建设困境,最终提出相应的解决策略,以期提高档案管理人员专业技术水平,促使档案管理数字化建设的持续发展。

关键词： 溜井   图神经网络   拓扑结构   时序料位   轨迹特征  

摘要： 针对金属矿山井下选择装矿溜井时过度依赖人工经验,常导致决策不合理的问题,建立能够科学选择最优装矿溜井的预测模型,优化溜井选择决策以提升有轨运输效率.以安徽白象山铁矿–495水平为研究对象,采集该水平溜井、巷道信息及矿石采装、运输等数据.将数据预处理成能描述该水平路网结构的拓扑矩阵,与包含路段/溜井基础信息、路段/溜井轨迹信息、溜井时序料位信息的特征向量,用作模型训练与验证.结合拆分时序特征、优化池化输出、编码边特征的模型改进设计,构建并训练能兼顾溜井属性、路段属性、路网拓扑的时序图神经网络模型Time-series transformer graph convolutional network(T-TransGCN),将预测结果作为最优装矿溜井选择结果.验证结果显示:(1) T-TransGCN能兼顾节点属性与拓扑信息,相较时序人工神经网络Time-series multi-layer perceptron (T-MLP)与时序基准图模型Time-series graph convolutional network (TGCN),T-TransGCN稳定且有较强的拟合能力;(2)时序料位特征有助于T-TransGCN理解溜井近期动态,轨迹特征能动态反映不同溜井的重要程度,同时帮助模型理解相邻节点相似、岔路节点相似等信息.两类新特征的引入均能有效提升TTransGCN泛化能力;(3)引入边特征、优化T-TransGCN池化层输出、拆分时序料位特征,能进一步提升T-TransGCN拟合能力、泛化能力与稳定性.

关键词： 成本控制   大数据   建筑   土木工程  

摘要： 随着建筑规模与复杂性的提升使得土木工程成本控制日益严峻。传统方法受限于经验判断和简单数据汇总,难以精准预测和控制成本。同时项目周期长、主体多,易导致信息不对称和数据失真,进一步加大控制难度。因此,提出基于大数据分析的建筑土木工程成本控制策略研究。首先,分析了建筑土木工程成本控制中存在的问题。然后,介绍了在建筑土木工程成本控制中可运用的大数据分析技术。最后,基于大数据分析,提出了建筑土木工程成本控制的具体策略。实例应用结果表明,通过实施这些策略可以有效提高建筑土木工程的成本控制水平,实现经济效益和社会效益的双重提升。

关键词： 大数据时代   高校   学生档案管理  

摘要： 为了探究大数据时代高校学生档案管理的优化路径,文章以南阳医学高等专科学校为例,采用文献分析法和调研访谈法,分析高校学生档案管理中存在的主要问题,包括管理体制不健全、档案材料制作缺乏规范、专业管理人才短缺以及信息化水平落后等。在此基础上,提出完善法规制度、规范业务操作、加强专业培训、健全安全机制、促进信息化建设、加强跨部门协作以及构建大数据分析体系等七方面优化策略,为提高高校学生档案管理水平提供参考。

关键词： 设备管理   数字化   大数据  

摘要： 在快速发展的经济社会,企业增强自身竞争力需要从科技、文化、管理等方面进行改革,尤其是数字信息技术的应用。油田的生产活动离不开油田设备的支持,完好的油田设备是提升油田生产效率的基础,通过加强设备管理数字信息技术的应用,有助于提高生产效率,降低生产成本,创造新的经济推动力,提高企业利润。

摘要： 一、引言 近年来,以ChatGPT、Sora等为代表的大模型技术受到了国内外各领域的广泛关注,业界普遍认为2024年将会是AI商业应用的爆发元年,AI绘画、AI写作、AI编程等已经极大方便了人们的工作和生活.我们正处于人工智能的黄金时代,技术交织催动了各类智能应用的不断涌现,大模型技术的爆发式增长实现了对传统人工智能技术的多元化融合,自然语言处理、机器学习、神经网络、知识图谱等技术互相促进,在大模型的带动下,随着模型参数量级的提升和训练数据规模的提升出现了量变引起质变的神奇效果,智慧能力也出现了质的飞跃.

关键词： 大数据   高校学生行为管理   平台架构   数据安全  

摘要： 针对高校学生行为管理面临的挑战和问题,基于大数据技术提出了一种新的解决方法.首先,概述了大数据技术的发展和应用现状,以及高校学生行为管理的重要性和传统方法的局限性.其次,设计并构建了一个基于大数据的高校学生行为管理平台,包括数据采集、处理、分析和干预等功能模块.接着,通过实证研究和分析,结合机器学习和数据挖掘技术,构建了学生行为分析模型并进行了模型评估和优化.最后,通过案例分析和实验结果分析,验证了该平台在学生行为管理中的有效性和实用性.

关键词： 高职院校   大学生画像   思想政治教育   大数据   创新应用  

摘要： 新时代大学生画像是高校思想政治工作与大数据、人工智能等现代信息技术深度融合的产物,是推动思政工作提质增效、高质量发展的必由之路.立足新时代高职教育发展需求,深入分析了学生画像在高职思政工作中的重要意义与价值潜力.

关键词： 高职学生   思想动态   数据挖掘  

摘要： 网络社交媒体记录着高职学生大量的言行数据,云计算、大数据、人工智能等信息技术的快速发展与广泛运用,为研究高职学生思想动态提供了新的技术方法.特别是运用大数据挖掘技术进行高职院校学生思想动态研究,有助于提高高职学生思想动态研究的广泛性、精准性.本次工作探讨了根据动态指标体系进行线上线下数据采集,搜集关于高职学生思想动态研究的相关成果,建立高职学生思想动态评价指标体系的方法.研究发现利用训练好的模型从目标文本中提取实体及相应的关系进行整理,构建基于自然语言处理(NLP)的长短期记忆人工神经网络(LSTMs)模型.对大数据集进行分析,有助于揭示高职学生思想动态的变化趋势和模式.

关键词： 视频压缩感知   帧间相关性建模   两阶段重构   特征对齐  

摘要： 视频压缩感知重构属于高度欠定问题，初始重构质量低与运动估计方式单一限制了帧间相关性的有效建模。为改善视频重构性能，该文提出静态与动态域先验增强两阶段重构网络(SDPETs-Net)。首先，提出利用参考帧测量值重构2阶静态域残差的策略，并设计相应的静态域先验增强网络(SPE-Net)，为动态域先验建模提供可靠基础。其次，设计塔式可变形卷积联合注意力搜索网络(PDCA-Net)，通过结合可变形卷积与注意力机制的优势，并构建塔式级联结构，有效地建模并利用动态域先验知识。最后，多特征融合残差重构网络(MFRR-Net)从多尺度提取并融合各特征的关键信息以重构残差，缓解两阶段耦合导致不稳定的模型训练，并抑制特征的退化。实验结果表明，在UCF101测试集下，与具有代表性的两阶段网络JDR-TAFA-Net相比，峰值信噪比(PSNR)平均提升3.34 dB，与近期的多阶段网络DMIGAN相比，平均提升0.79 dB。