课程文献中心 更多>>

关键词： 改进极限学习机   应急通信网络   多重拥堵   风险预警  

摘要： 对风险数据特征提取不准确,导致预警精度低,因此,提出了基于改进极限学习机的应急通信网络多重拥堵风险预警方法。采集与标准化处理数据,实现对风险数据的预处理,在改进极限学习机的支持下,进行特征差和特征向量权重的计算,完成对风险数据的特征提取,通过对不同数据进行加权处理,构建风险预警模型,通过计算通信网络的风险值划分风险预警等级,实现通信网络风险预警。通过上述设计,完成对应急通信网络多重拥堵风险预警方法的设计。在仿真实验中,与以往的应急通信网络多重拥堵风险预警方法相比,设计的基于改进极限学习机的应急通信网络多重拥堵风险预警方法预警精度为100%,对风险的预警更准确。

关键词： 课堂行为识别   轻量级   线性注意力   姿态估计  

摘要： 课堂行为识别需要模型具有较快的推理速度、较少的参数量以及较好的模型鲁棒性。现有轻量化模型虽然达到了不错的实时性能,但其在面对课堂复杂场景时准确率较低,难以达到实际要求。针对此问题,提出了聚焦线性注意力姿态估计网络FLAPose(focused linear attention pose,FLAPose),重新设计的分组注意力(sectionalization attention,SA)增强了模型捕捉局部信息的能力,然后使用聚焦线性注意力(focused linear attention,FLA)设计增强模型学习骨架信息的效果,最后通过骨骼损失对模型辅助监督,增强模型对遮挡重叠区域的学习能力。实验表明:与基线网络RTMPose相比,FLAPose在更少参数和计算量的情况下,COCO数据集上的平均准确率提升了1.7%,CS-Dataset数据集上平均准确率提升4.8%。此外,模型通过TensorRT加速后部署在推理服务器中,测量了模型在GPU上的每秒帧数(frames per second,FPS),FLAPose的FPS在GPU上超过764.460,在CPU上超过215.63,高于其他所有网络。

关键词： 谐音模糊文本   隐马尔可夫模型   困惑度计算  

摘要： 为了细化敏感字预警步骤、简化谐音模糊文本转换过程,本文提出了一种基于利用HMM模型(隐马尔可夫模型)的Pinyin2Hanzi库转换谐音模糊文本的算法。Pinyin2Hanzi库将转换成拼音的谐音模糊文本再转变成汉字,再对转换出的汉字字符按照概率进行得分计算,从而在多个转换结果中选出最优解。理论分析和实验结果表明,该算法克服了常规算法在时间空间效率上的缺陷,在谐音模糊文本转换中具有良好的效果。

关键词： 视觉惯性里程计   等变滤波   光流估计   预训练   深度学习  

摘要： 传统的面向惯导的滤波器在设计时通常没有考虑零偏状态的几何性质,针对这一问题,提出了新的群以及群作用,并以此为基础推导了一种新的等变滤波方法。为了验证该滤波算法的性能,构建了一个基于学习的结合等变滤波和视觉观测网络的视觉惯性里程计系统,名为Deep-EqF-VIO。首先,构建了流形上的导航状态动力学系统,其次根据等变滤波原理推导了等变滤波方法,最后结合视觉观测网络构建了视觉惯性里程计系统。为了进一步提高系统性能,提出了一种融合稠密光流伪标签的预训练方法,通过光流估计任务引导视觉观测网络从输入图像中提取更加通用的几何运动特征。实验结果表明,在大多数场景中,Deep-EqF-VIO相较于同类方法有更好的表现,并且在使用预训练方法进行重新训练后,性能得到了进一步的改善,误差下降率最大达到了49.80%,具有一定的应用前景。

关键词： 网络环境   青年思想政治教育   影响   对策  

摘要： 网络环境对青年思想政治教育具有复杂影响。积极方面,培养了青年自主学习能力、完善道德观念、提高教育实效;消极方面,冲击三观、易致沉迷网络、信息辨别难、道德观受污染。针对这些影响,提出信息开放与多元性、互动参与实践性、持续学习与自主发展等原则,以及强化信息素养教育、推进线上线下融合教育、建设高水平师资队伍等策略。总之,要充分认识网络影响,采取有效对策,为青年成长提供良好思想政治教育环境。

关键词： 网络舆情   高校   “微思政”   网络育人  

摘要： 随着互联网的普及,互联网的匿名性和开放性,使它成为舆论传播的平台之一,部分与主流思想违背的信息对于大学生产生了负面影响,导致传统的思想政治教育工作不断受互联网舆论的冲击和颠覆。

关键词： 网络舆情   新态势   意识形态安全  

摘要： 新媒体时代,媒体格局、舆论生态及社会价值发生了深刻的变化。网络舆情也随之出现了新的传播特征,呈现出直播和短视频强势赋能舆情传播、网络谣言助推舆情升级、舆情事件跨平台传播等诸多新态势。面对新形势新挑战,网络舆情治理要坚持正确政治方向和舆论导向,不断提升网络舆论引导力和影响力,从加强直播和短视频平台管理、强化网络谣言治理、健全网络舆情监管机制等方面着手,提高网络舆情的治理水平。

关键词： 锂离子电池   健康状态   麻雀搜索算法   长短期记忆网络   超参数   峰度  

摘要： 锂离子电池被广泛用作各种设备的电源,因此对锂离子电池S_(OH)(健康状态)的快速准确预测是降低电池故障的重要手段。由于LSTM(长短期记忆)网络可以从时间序列中找出变量变化的特征、趋势以及发展规律,进而对变量的未来变化进行有效地预测,因此已成为预测锂离子电池S_(OH)的一种流行的深度学习网络方法。未优化超参数的LSTM方法很容易导致电池S_(OH)预测模型的精度低。针对锂离子电池S_(OH)预测问题,提出一种基于SSA(麻雀搜索算法)优化LSTM的方法。提取一种新的健康指标-充电电压PDF(概率密度函数)曲线峰值处的峰度,并将其用作S_(OH)预测模型的输入,以实现对电池S_(OH)的准确预测。实验结果表明,SSA优化的LSTM模型的预测精度优于未优化模式。当训练集仅占总数据的20%时,NCA(镍钴铝)电池S_(OH)预测结果的均方根误差E_(RMSE)在0.7%以内,最大绝对误差<2.0%。SSA-LSTM可以在训练数据有限的情况下准确预测电池S_(OH)。

关键词： 多元时序预测   时空数据库   图神经网络   机器学习   交通预测  

摘要： 交通流量预测是多元时空预测中的典型任务,也是智能交通系统的重要组成部分。然而,现有模型很少关注交通路网中不同道路间的共有模式。主流模型大多基于图神经网络(Graph Neural Network,GNN)实现,而GNN随着层数的增加,会出现过度平滑现象,即邻接图中表征趋于相近。为解决上述问题,提出一个神经常微分存储网络(Neural Ordinary Differential Memory Network,NODEMN),利用模式记忆单元保留时空数据中的显著特征,进行模式匹配,利用神经常微分方程改善了深度训练中出现的过度平滑问题。NODEMN在真实数据集上进行大量实验,结果表明,NODEMN模型相较于基准模型在预测性能上具有显著优势,在3个数据集上的平均百分比误差(Mean Absolute Percentage Error,MAPE)平均降低4.09%、平均绝对误差(Mean Absolute Error,MAE)平均降低3.38%、均方差误差(Root Mean Square Error,RMSE)平均降低2.49%。

关键词： 大数据   通信网络优化   电力储能系统   智能电网   能源管理  

摘要： 随着可再生能源的广泛使用和智能电网的发展,电力储能系统在保障电网稳定性和提高能源利用效率方面发挥着越来越重要的作用。文章分析了大数据技术在电力储能系统中的应用场景,包括需求预测、运行优化以及故障诊断等。同时,探讨了通信网络优化对加快储能系统响应速度、提升系统可靠性的重要性。通过案例分析,证实了大数据技术与通信网络优化的结合能显著提高电力储能系统的整体性能,为未来智能电网的发展提供新的思路。