• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于神經(jīng)網(wǎng)絡(luò)算法的材料質(zhì)量監(jiān)控平臺(tái)及資源調(diào)度算法探究

      2018-05-14 13:50趙遠(yuǎn)凱
      好日子(下旬) 2018年1期
      關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò)算法

      摘 要:當(dāng)前,計(jì)算機(jī)技術(shù)在材料質(zhì)量監(jiān)控平臺(tái)的建設(shè)中雖然發(fā)揮了重要的作用,但市場(chǎng)的材料質(zhì)量監(jiān)控平臺(tái)及其資源調(diào)度效率低下,導(dǎo)致材料質(zhì)量監(jiān)控效果并不理想。本文基于神經(jīng)網(wǎng)絡(luò)算法的材料質(zhì)量監(jiān)控平臺(tái)及資源調(diào)度算法進(jìn)行了探究,提出了神經(jīng)網(wǎng)絡(luò)算法以及資源調(diào)度算法,建立材料質(zhì)量監(jiān)控平臺(tái)模型構(gòu)建了農(nóng)業(yè)質(zhì)量監(jiān)控資源調(diào)度平臺(tái),優(yōu)化四方面,對(duì)資源調(diào)度算法進(jìn)行了深入研究。本文根據(jù)材料質(zhì)量監(jiān)控平臺(tái)特點(diǎn),對(duì)七資源調(diào)度算法進(jìn)行了優(yōu)化,這對(duì)提高材料質(zhì)量有很大的幫助。

      關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò);材料質(zhì)量;監(jiān)控平臺(tái);資源調(diào)度;算法

      1.引言

      生鮮材料質(zhì)量監(jiān)控平臺(tái)的構(gòu)建涉及多個(gè)方面的目標(biāo),包括很多個(gè)體材料質(zhì)量,因此影響材料質(zhì)量節(jié)點(diǎn)數(shù)量多,監(jiān)控效果至關(guān)重要(Scott A B et al.2017)[1]。生鮮材料質(zhì)量從檢測(cè)到監(jiān)控之間包括不同的資源調(diào)度因素,在整個(gè)過(guò)程中要保證產(chǎn)品的質(zhì)量安全和不同環(huán)節(jié)的銜接,這也給生鮮材料質(zhì)量監(jiān)控平臺(tái)的建構(gòu)增加了挑戰(zhàn)(Beghelli FGDS et al.2016)[2]。此外不論從材料質(zhì)量監(jiān)控本身的特點(diǎn)來(lái)看還是從其質(zhì)量監(jiān)控平臺(tái)建立方面來(lái)看,當(dāng)前材料質(zhì)量監(jiān)控平臺(tái)算法的可靠性會(huì)直接影響其質(zhì)量監(jiān)控效果的有效性。因此利用神經(jīng)網(wǎng)絡(luò)算法,對(duì)材料質(zhì)量監(jiān)控平臺(tái)的建立以及其資源調(diào)度算法的優(yōu)化而言,具有高效可靠性,能有效解決當(dāng)前材料質(zhì)量監(jiān)控存在的問(wèn)題(Papias S et al.2018)[3]?;谝陨戏治觯芯炕谏窠?jīng)網(wǎng)絡(luò)算法的材料質(zhì)量監(jiān)控平臺(tái)及資源調(diào)度算法具有一定的意義。農(nóng)產(chǎn)品質(zhì)量的監(jiān)控效果的好壞直接影響著農(nóng)產(chǎn)品企業(yè)的長(zhǎng)期健康發(fā)展。近年來(lái),越來(lái)越多農(nóng)產(chǎn)品電商企業(yè)日益加大對(duì)農(nóng)產(chǎn)品質(zhì)量監(jiān)控平臺(tái)的建設(shè),從而不斷優(yōu)化其資源調(diào)度算法,從而以提升市場(chǎng)競(jìng)爭(zhēng)力。如美國(guó)的 Local Harvest、亞馬遜,我國(guó)的京東商城、順豐優(yōu)選等。Local Harvest為消費(fèi)者提供地圖檢索系統(tǒng)方便其選購(gòu)本地農(nóng)產(chǎn)品,亞馬遜還提出了門外、在家配送兩種生鮮配送方式以確保農(nóng)產(chǎn)品的質(zhì)量得以有效地監(jiān)控。在食品消費(fèi)結(jié)構(gòu)和網(wǎng)絡(luò)消費(fèi)方式的作用下,借助智能化的神經(jīng)網(wǎng)絡(luò)算法,對(duì)農(nóng)產(chǎn)品質(zhì)量監(jiān)控平臺(tái)的建立有著重要的完善作用(Amodio M L et al.2016)[4]。國(guó)內(nèi)外學(xué)者對(duì)農(nóng)產(chǎn)品質(zhì)量的發(fā)展開展了一些研究,涉及監(jiān)控平臺(tái)的建立、資源調(diào)度算法等方面。有學(xué)者認(rèn)為工業(yè)結(jié)構(gòu)、產(chǎn)品復(fù)雜性和交易門檻會(huì)影響農(nóng)產(chǎn)品質(zhì)量監(jiān)控平臺(tái)的建立(Joshi N et al.2016)[5]。他們?cè)诖嘶A(chǔ)上提出社會(huì)經(jīng)濟(jì)因素、消費(fèi)者偏好、農(nóng)產(chǎn)品質(zhì)量等因素(Bhuiyan M Z A et al.2017)[6]還有學(xué)者總結(jié)了農(nóng)產(chǎn)品質(zhì)量監(jiān)控資源調(diào)度算法的優(yōu)化等方面的發(fā)展趨勢(shì),提出了資源調(diào)度優(yōu)化算法(Teta R et al.2017)[7]。近年來(lái),我國(guó)學(xué)者對(duì)農(nóng)產(chǎn)品質(zhì)量研究在已有的研究更側(cè)重于理論層面的分析,其中新聞報(bào)道占大多數(shù),缺乏基于數(shù)據(jù)的分析和有效的模型論證(Donnelly A et al.2016)[8]。農(nóng)產(chǎn)品質(zhì)量監(jiān)控平臺(tái)建立、資源調(diào)度算法優(yōu)化等方面尚處于研究階段,可供借鑒的文獻(xiàn)有限。

      2.實(shí)證分析

      基于上文提出的算法,我們首先進(jìn)行最小可靠度不同的仿真。系統(tǒng)中各單元的最小可靠度不同,其他條件相同,分析對(duì)可靠性分配的影響。系統(tǒng)中各環(huán)節(jié)的重要度系數(shù),復(fù)雜度系數(shù)=0.6以及最大可靠度Ri,min=0.99,R*=0.83,當(dāng)最小可靠度不同時(shí),即R1,min=0.8,R2,min=0.85,R3,min=0.9。利用Matlab進(jìn)行求解,得到各因素的分配值如表所示。

      信息技術(shù)、設(shè)施設(shè)備、人員操作的可靠度分別較最小值增加了0.12_59,0.0894,0.0542,其中信息技術(shù)可靠度分配的值提高的最多。說(shuō)明在其他參數(shù)相同時(shí),由于各單元最小可靠度不同造成了分配結(jié)果的不同。信息技術(shù)的原有可靠度最低,其可靠度分配的增加幅度最大。因此,在不考慮單元重要度和復(fù)雜度時(shí),優(yōu)先提高可靠度最低的單元對(duì)整個(gè)系統(tǒng)的可靠度提高影響較大。最大可靠度不同的仿真。系統(tǒng)中各單元的最大可靠度不同,其他條件相同,分析對(duì)可靠度分配的影響。系統(tǒng)中各環(huán)節(jié)的重要度系數(shù)=1,復(fù)雜度系數(shù)ui=0.6以及最小可靠度Ri,min=0.85,R*=0.83,當(dāng)最大可靠度不同時(shí),即Rl,max=0.95,R2,max=0.97,R2,max=0.99。利用Matlab進(jìn)行求解,得到各因素的分配值如表所示。信息技術(shù)、設(shè)施設(shè)備、人員操作的可靠度分別較最小值增加了0.0096,0.12,0.14,其中人員操作可靠度分配的值提高的最多。說(shuō)明在其他參數(shù)相同時(shí),由于各單元最大可靠度不同造成了各單元可靠度分配結(jié)果的不同。人員操作的最大可靠度最大,其可靠度分配的增加幅度最大。因此,在不考慮單元重要度和復(fù)雜度時(shí),優(yōu)先提高最大可靠度高的單元對(duì)整個(gè)系統(tǒng)的可靠度提高影響較大。重要度不同的仿真。系統(tǒng)中各單元的重要度不同,其他條件相同,分析對(duì)可靠度分配的影響。系統(tǒng)中各環(huán)節(jié)的復(fù)雜度系數(shù)ui=0.6、最小可靠度Ri,min=0.85,最大可靠度Ri,max=0.99,R*=0.83,當(dāng)重要度系數(shù)不同時(shí),即=0.0012,=0.8075,=0.1913。利用Matlab進(jìn)行求解,得到各因素的分配值如表所示。信息技術(shù)、設(shè)施設(shè)備、人員操作的可靠度分別較最小值增加了0,0.14,0.1296,其中設(shè)施設(shè)備可靠度分配的值提高的最多。說(shuō)明在其他參數(shù)相同時(shí),由于各單元重要度不同造成了各單元可靠度分配結(jié)果的不同。設(shè)施設(shè)備的重要度最大,其可靠度分配的增加幅度最大。因此,在不考慮單元最小、最大可靠度和復(fù)雜度時(shí),優(yōu)先提高重要度高的單元對(duì)整個(gè)系統(tǒng)的可靠度提高影響較大。運(yùn)用Matlab的擬合曲線函數(shù)得到信息技術(shù)、設(shè)施設(shè)備以及人員操作三個(gè)影響因素可靠度增加引起的成本增加值。橫軸表示各影響因素的可靠度變動(dòng),縱軸表示系統(tǒng)單位可靠度的變化所花費(fèi)的成本。由圖分析得知,由于不同單元的重要度不同,因此他們的可靠度變化引起的系統(tǒng)單位可靠度變化所花費(fèi)的成本也不同。

      3.結(jié)論

      本文構(gòu)建了材料質(zhì)量監(jiān)控平臺(tái)系統(tǒng)模型,并利用神經(jīng)網(wǎng)絡(luò)算法對(duì)模型進(jìn)行了仿真分析。首先簡(jiǎn)要回顧了目前的一些可靠性分配方法,并指出了現(xiàn)有方法中的局限性。其次在明確可靠性分配原則的基礎(chǔ)上構(gòu)建了材料質(zhì)量監(jiān)控平臺(tái)系統(tǒng)模型,模型以廣義成本函數(shù)為基礎(chǔ),將分析的影響因素的重要度作為模型中的重要度系數(shù),將各單元包含的影響因素?cái)?shù)量作為模型中的復(fù)雜度。模型考慮了重要度、復(fù)雜度,目標(biāo)函數(shù)是成本的最小化。選取數(shù)據(jù),用本文構(gòu)建的可靠性分配模型同等分配法、考慮復(fù)雜度的資源調(diào)度算法計(jì)算的結(jié)果對(duì)比,證明了本模型的有效性和可行性。運(yùn)用模型進(jìn)行算例分析,單獨(dú)改變最大可行度、最小可行度以及重要度設(shè)定了不同的實(shí)驗(yàn)方案,分析實(shí)驗(yàn)結(jié)果,得到了相應(yīng)的結(jié)論。最后本文對(duì)生鮮材料經(jīng)營(yíng)企業(yè)提出了相應(yīng)的建議,希望這些對(duì)策能夠?yàn)樘岣卟牧腺|(zhì)量監(jiān)控平臺(tái)及資源調(diào)度算法的可靠性方面提供一些有效的支持。

      參考文獻(xiàn)

      [1]蔡冬林.農(nóng)村信用社資產(chǎn)風(fēng)險(xiǎn)的管理措施[J],金融與經(jīng)濟(jì),2010,1(2):12-15.

      作者簡(jiǎn)介:

      趙遠(yuǎn)凱,湖南人文科技學(xué)院,能源與機(jī)電工程學(xué)院。

      猜你喜歡
      神經(jīng)網(wǎng)絡(luò)算法
      基于人工智能LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)成績(jī)預(yù)測(cè)
      基于圖像處理與卷積神經(jīng)網(wǎng)絡(luò)的零件識(shí)別
      國(guó)際主流軋差算法介紹:以CHIPS的BRA算法為例
      基于改進(jìn)VGG-16神經(jīng)網(wǎng)絡(luò)的圖像分類方法
      基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的電網(wǎng)穩(wěn)定性預(yù)測(cè)
      Travellng thg World Full—time for Rree
      三次樣條和二次刪除相輔助的WASD神經(jīng)網(wǎng)絡(luò)與日本人口預(yù)測(cè)
      學(xué)習(xí)算法的“三種境界”
      算法框圖的補(bǔ)全
      算法初步知識(shí)盤點(diǎn)
      奉化市| 郯城县| 福海县| 渑池县| 安泽县| 萨嘎县| 天长市| 武功县| 宁海县| 资阳市| 瑞昌市| 清河县| 乳山市| 安阳县| 定西市| 灵璧县| 顺昌县| 松溪县| 龙海市| 台南市| 白沙| 湟中县| 高陵县| 门头沟区| 鄱阳县| 五大连池市| 镇巴县| 乐亭县| 吴旗县| 德庆县| 鱼台县| 云林县| 嘉义县| 井研县| 林西县| 屯昌县| 静海县| 壤塘县| 堆龙德庆县| 牙克石市| 广平县|