在航空摄影测量中,使用附加参数进行自校准有着悠久的传统,即使这些参数经常出于实用目的而使用,并且没有太多数学或物理依据。它们还与其他校正参数高度相关。短距离摄影测量中的高相关性早已为人所知,这尤其是由于用作准标准的布朗自校准模型。迄今为止,这些高相关性的负面影响尚未得到充分研究。畸变校正是摄影测量自校准的重要组成部分;在计算机视觉领域不一定是这种情况:在这里,自动校准描述了一些参数的定义,而不考虑失真和近似值。尽管在过去的几十年里对 N≥3 图像的自动校准进行了广泛的研究,但这仍然是一个困难的话题。
“人工智能(AI)是计算机科学,数学和认知心理学交集的变革性领域。它涉及能够执行通常需要人类智能的任务的系统,例如学习,解决问题,感知和决策。AI技术,包括机器学习,自然语言处理和机器人技术,正在彻底改变行业,从医疗保健到金融,并重塑我们的生活方式,工作和与技术互动的方式。”在21世纪,人工智能(AI)已成为一种变革力量,重塑了社会和工业的各个方面。随着计算能力,数据可用性和算法技术方面的进步,AI在使机器能够执行传统上需要人类智能的任务方面取得了长足的进步。
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中,航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统,因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测,并进行了结果比较。研究表明,所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势,包括可以延长航空电子设备的维修间隔和预测故障,同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中,航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统,因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测,并进行了结果比较。研究表明,所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势,包括可以延长航空电子设备的维修间隔和预测故障,同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中,航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统,因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测,并进行了结果比较。研究表明,所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势,包括可以延长航空电子设备的维修间隔和预测故障,同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
摘要 — 本研究提出了一种修复和优化数学方法来解决不确定情况下的时间表问题。具体来说,考虑一个大学时间表和电力存储调度问题,受可再生能源生产和电力需求不确定性的影响。该问题被表述为一个大型混合整数规划 (MIP),所提出的解决方案结合了大邻域搜索和基于场景的稳健优化,以处理目标函数中的不确定性。首先,仅考虑硬问题约束(在本例中为重复讲座活动的安排)即可得出一个足够可行的时间表。接下来,通过修复和优化启发式搜索改进解决方案。在每次迭代中,MIP 求解器通过修复变量子集并对剩余的自由变量进行优化来探索一个大邻域。该过程重复多次,直到满足停止标准。为了解决目标中的不确定性,从区间预测中得出概率场景,并将最坏情况的能源成本最小化。参与技术挑战的结果表明,所提出的方法能够相对快速地提供具有竞争力的解决方案,即使对于大型问题实例也是如此,同时还可以避免较大的预测误差。索引词 — 修复和优化、局部邻域搜索、可再生能源预测、稳健优化、大学时间表。
摘要 — 当轨迹类型已知时,可以使用数学方法计算机器人操纵器的轨迹规划。然而,由于复杂的数学方程和推导,传统的数学方法变得难以实现。本研究介绍了使用人工神经网络 (ANN) 来克服这些限制,通过求解非线性函数并适应轨迹规划的特点。本研究利用虚拟三自由度 (DOF) 机器人操纵器。将对 ANN 的超参数进行分析和选择,以获得 ANN 的最佳性能。最后,将使用样本数据通过将实际结果(数学方法)与 ANN 结果进行比较来评估开发的 ANN 拓扑的稳健性。 索引术语 — 人工神经网络、正向运动学、轨迹规划、机器人操纵器
课程#课程标题CRS先决条件1430100物理学导向1无1430117物理学2 3 PRE/CO:1430110或1430110或1430115 1440131或1440133 1430118物理学2 Lab 1 Pre/co:1430116,1430116,1430117 143017 1430221 Classic Mechanics 3 1430110或143011115; 1430251 1430241现代物理4 1430117; 1430118 1430251物理学数学方法1 3 1430110或1430115; 1440131或1440133 1430252物理学数学方法2 3 1430251 1430323量子力学1 3 1440241; 1430251 1430324量子力学2 3 1430323 1430331电力和磁性1 3 1430117; 1430251 1430332电力和磁性2 2 1340331 1430333实验物理电子产品1 4 1430118 1430353计算物理学3 1411116; 1430241 1430471高级物理实验室3 1430241; 1430333 1430472仪器和控制3 143033 1430491高级项目3部门同意
CS 204 Theory of Computation CS 208 Complexity Theory CS 210 Advanced Algorithms and Data Structures CS 211 Combinatorial Optimization CS 213 Communication Theory CS 214 Parallel Algorithms CS 216 Randomized Algorithms CS 222 Programming Language Theory CS 225 Compiler Design and Construction CS 231 Numerical Computing CS 236 Scientific Computing CS 247 Cryptography CS 271数据库理论CS 294计算科学中的高级主题CS 290理论计算机科学中的高级主题CS 297特殊主题CS 298特殊问题ES 201高级数学方法Eng'g。IS 202英语中的高级数学方法。ii