改进粒子群优化算法在实时电力调度中的研究与应用

针对传统粒子群算法收敛精度不高、易陷入局部最优的缺点,文中提出了一种改进的粒子群优化算法,并将其用于优化实时电力调度问题。对IEEE-14节点系统的计算结果表明:与GA、PSO算法相比,新算法不仅避免了惯性因子权重调整的困难,而且较好地协调了算法的局部与全局搜索能力,从而实现经济因素、污气排放与电力调度之间的平衡。     

决策树算法在未成年人犯罪成因中的应用研究

犯罪成因的分析在未成年人犯罪研究中起着重要的作用，而分类算法在分析犯罪成因上是卓有成效的。决策树算法是分类算法中一类重要的算法，其中以C4．5算法最为流行，但这种算法在时间复杂性和增量式学习方面还不是很理想，因此有必要对其进行改进。     

治理算法化的证成与风险:如何理解人工智能的治理属性北大核心

人工智能对于治理领域产生的变革要求在理论上予以重构与创新,将人工智能置于治理的内部“理论证成”与外部“风险识别”的二阶结构中提出并论证治理算法化这一分析框架,不失为一条在人工智能时代探讨治理变革的有益进路。治理算法化成立的先决条件除了“可计算化”模块的努力之外,更重要的是重塑治理的边界。其源起既是治理信任补强之需,亦有个体化时代建构集体行动之必要。治理算法化应始终秉持以人为尺度的应用逻辑。治理算法化存在“道”与“术”的异步困境,即存在商业逻辑优先于治理逻辑、算法偏见内化为公共理性、技术权力泛化为液态监控以及拟态真实取代治理情境等风险。因此,治理算法化仍须进一步促进技术与人的和谐关系。     

算法透明的法律实现与限定——基于商业秘密保护的视角

伴随着算法应用中个人自治价值不断被消解、社会秩序价值受到侵害以及传统治理框架频繁失灵，尤其是以ChatGPT为代表的基于统计学习神经网络的典型黑箱模型对现有问责机制带来了极大挑战，算法透明引发各国立法者高度关注。然而，提升算法透明度与保护商业秘密的规范目标之间存在紧张关系。算法自动化决策背后存在多元价值诉求的叠加，这体现为不可避免地将个人利益、公共利益、经济效率、公平正义等价值相互交织在一起，使得实现算法透明与保护算法商业秘密二者之间的取舍成为难题。主流利益平衡理论仅从利益位序去协调二者之间冲突的思路，具有局限性，应当在“调和论”视角下以“促进算法经济的高质量发展”为目标相互协调：一方面，应选择适当的算法透明工具，构筑算法解释的体系化框架，同时辅以多元算法监督机制；另一方面，应合理保护算法商业秘密，完善商业秘密的权利限制制度。     

图像均衡化与FaceNet算法相结合的方法研究

在公安实战环境下,由于受到光照以及摄像头角度等因素影响,获取的线索照片一般比较模糊,质量不高,降低了识别率,影响了实战应用效果,提出了图像均衡化与FaceNet算法相结合的识别方法,用于提升光线不足、过曝等图像的识别准确率。     

中科院博士团队落户杭州智诺

<正>【本刊讯】杭州智诺早在2010年就收购有着深厚的智能识别技术与行业经验积累的清华大学智能分析算法团队,并在北京成立专业的智能分析研究中心——北京智诺英特科技有限公司(以下简称,北京智诺),主要致力于提供智能分析算法研发,包括人脸智能分析算法、行为智能分析算法、车牌智能分析算法、周界智能分析算法、视频图像质量诊断智能算法等,为杭州智诺引领视频监控行业的智能化发展潮流打下了坚实基础。     

复杂产品制造企业产品质量控制中的关键特性识别

在复杂产品的关键质量特性(Critical-to-qualityCharacteristics,CTQ)识别中,传统方法应用于不平衡数据时会表现出有偏性,即对占类别比例较小的不合格产品识别的性能明显劣于占比例较大的合格样本。为解决以上问题,提出了基于ReliefF改进算法的复杂产品高维不平衡数据集CTQ识别方法,利用改进ReliefF特征选择算法的评价标准降低不平衡数据中有偏性的影响,从而有效识别CTQ,并通过算例验证了该方法的合理性和有效性。     

生成式人工智能的犯罪风险及刑法规制

以ChatGPT为代表的生成式人工智能在推动生产、生活方式发生颠覆性变革的同时,也给人类社会带来了巨大的技术风险。从刑事法治的角度来看,生成式人工智能数据处理不透明、生成过程不可控、输出内容复合性,以及技术滥用等蕴含着较大的犯罪风险,极易造成严重的危害结果。生成式人工智能带来的犯罪风险使刑法出现了行为规制缺漏、责任判断困难等问题,并对刑法人类中心主义造成了冲击。对此,刑法应当树立与智能时代相适应的基本理念,坚持刑法立法与刑法解释并重,兼顾安全保障与技术进步,在前瞻思考与现实理性之间实现有效平衡。在具体应对路径上,可以通过解释路径解决行为规制和责任归属问题,立法路径弥补现有规范的行为规制漏洞,并在刑法中明确服务提供者的保证人地位和刑事监管义务。