课程文献中心 更多>>

关键词： 人脸识别   深度信念网络   局部二值模式   特征提取  

摘要： 工程施工现场场景下,对于现场人员进出管理涉及施工工地财产安全及保密安全,施工现场人员存在出入频繁、佩戴安全帽造成脸部遮挡、夜间施工光照不足等情况,传统人脸识别算法中易造成识别速度慢或识别不准确等问题。针对此类问题,提出一种利用中心对称局部二值模式算子与深度信念网络算法相结合的人脸识别方式。通过利用CS-LBP算子对光照及遮挡的稳定性,将其作为DBN网络的输入,进行逐层训练操作,在顶层形成分类面,实现施工现场人脸识别的智能化管控,最后采集施工现场人脸数据进行识别测试。因实际施工现场人脸数据量较小,应用FERET、CMU PIE人脸数据库进行数据扩充,实验对比结果表明,此算法具有较好的人脸识别效果。

关键词： 风格迁移   生成对抗网络   CycleGAN   注意力机制   损失函数  

摘要： 针对CycleGAN网络进行图像风格迁移时生成图像存在随机噪音和风格纹理色彩效果较差的问题,文章提出了一种基于CycleGAN网络的改进型图像风格迁移方法,分别对生成器的网络结构和损失函数进行改进。网络结构方面,将多头注意力机制加入到生成器中编码器的原始卷积模块中。损失函数方面,在原有损失函数的基础上加入内容损失项和颜色重建损失项。实验结果表明,所提方法生成的图像色彩效果更佳、细节刻画更为丰富,有效避免了生成图像具有随机噪音的问题。并且生成图像的PSNR和SSIM分别提升了2.37%和12.05%。

关键词： 神经网络   电子通信网络   信号捕获   电子通信网络信号   信号捕获方法  

摘要： 复杂的电磁环境可能导致信号干扰和噪声增加,从而降低信号捕获的准确性和速度,因此探讨基于神经网络的电子通信网络信号捕获方法。首先,进行电子通信网络信号的预处理,以确保输入信号的质量和一致性。其次,利用神经网络强大的学习能力和非线性映射能力,建立信号特征与目标参数之间的映射关系,从而精确识别与分类信号特征。最后,制定高效的信号捕获方案,通过神经网络预测和决策,快速准确地捕获目标信号。实验结果表明,该方法在信号捕获概率方面表现出优异效果,在信号捕获速度上也具有显著优势,平均捕获时间较其他方法大幅减少,为实际应用提供了高效、准确的技术支持。

关键词： 刑法规制   网络直播   内容和形式   强制猥亵   即时性   互联网新技术   直观性  

摘要： 近年来,随着互联网新技术、新应用的迭代升级,网络直播行业发展迅速。网络直播以其内容和形式的直观性、即时性和互动性吸引了众多从业者及在线观众。然而,由于网络直播商业和娱乐属性的日益凸显,直播内容淫秽低俗、主播良莠不齐、充值打赏失范等问题逐渐增多,严重影响了社会风气。

关键词： 室内可见光   可见光通信   可见光定位   室内定位   深度学习   自注意力  

摘要： 针对LED光强分布不均导致室内可见光定位精度差异大的问题,结合序列到序列模型提出一种基于RSS指纹分析的室内可见光定位方法。将RSS指纹向量作为输入序列,室内三维空间坐标作为输出序列,采用序列到序列模型学习RSS指纹与室内三维空间之间的非线性映射关系。为序列到序列模型增加自注意力机制,利用自注意力机制分析RSS指纹中各元素对于不同位置的判别力高低,并在预测阶段调节各RSS元素的重要性。仿真结果表面,所提方法降低了不同信噪比条件下可见光定位的平均误差。

关键词： 地面反作用力   压力中心   神经网络   步态分析  

摘要： 目的 应用两类神经网络算法估算步行中双足三维地面反作用力(ground reaction force, GRF)和压力中心(center of pressure, COP),并对比两种算法模型的估算效果,为无测力台条件下的步态动力学数据获取提供解决方案。方法 筛选1 384人次步态数据。采用多层感知机(multi-layer perceptron, MLP)和卷积神经网络(convolutional neural network, CNN)构建基于全身标记点三维轨迹估算GRF和COP各分量的模型。随机选取100个样本作为测试集,利用估算值与真实值的相关系数(r)、相对均方根误差(relative root mean square error, rRMSE)评价各模型的估算性能,并采用配对样本t检验比较两类神经网络模型的估算性能。结果 MLP在GRF各分量中的估算r为0.954~0.993,rRMSE为4.36%~9.83%;CNN估算r为0.979~0.994,rRMSE为3.06%~6.69%;MLP在COP各分量中的估算r为0.888~0.992,rRMSE为4.78%~16.63%;CNN在COP各分量中的估算r为0.944~0.995,rRMSE为3.06%~10.85%。CNN在右侧支撑时相的GRF内外分量、COP内外分量和COP前后分量,以及左侧支撑时相的GRF左右分量、COP前后分量上的估算rRMSE均低于MLP(P<0.01)。MLP在右侧支撑时相的GRF前后分量,以及左侧支撑时相的COP前后分量、GRF垂直分量上的估算rRMSE均低于CNN(P<0.01)。结论 利用全身标记点轨迹估算步行中GRF和COP时,MLP和CNN技术均获得较好的估算精度。MLP在GRF前后分量和垂直分量的估算精度优于CNN,而CNN在GRF内外分量和COP前后分量和内外分量的估算精度优于MLP。

关键词： 水路运输   恢复策略优化   韧性评估   原油海运网络   中断风险  

摘要： 鉴于中国对进口原油高度依赖,以及原油进口海运网络中断风险日益加剧,优化网络恢复策略并提升其韧性已成为亟待解决的关键问题。本文以实际运输数据为基础构建我国原油进口海运网络模型,基于韧性曲线和网络效率指标提出网络韧性评估方法,并以韧性最大化为目标建立恢复策略优化模型,应用于模拟的5种中断情景。结果表明,优化模型生成的最优恢复策略在所有中断情景下均能显著提高网络的恢复速度,且与传统恢复策略相比最高可减少79.14%的网络韧性损失;优化模型可识别出不同情景下对网络有决定性影响的关键节点,优先恢复可提升网络整体的恢复效率;当绕路成本约束放宽时,网络的韧性损失随之下降,节点的最优恢复次序也会发生改变。研究结论可为我国原油进口海运网络的应急恢复和韧性提升提供决策依据。

关键词： 神经网络预测   RC柱恢复力   输入变量参数   训练样本数量  

摘要： 针对依赖传统的有限元分析方法对建筑结构进行地震响应弹塑性时程分析存在的耗时较长、求解困难、恢复力模型难以处理的问题,将太平洋地震工程研究中心(PEER)收集的253组RC柱在往复拟静力作用下的结构参数和滞回曲线特征参数作为输入向量,训练BP神经网络RC柱恢复力模型,分析不同输入变量参数数量以及不同训练样本数量情况下神经网络结构恢复力的预测精确度。结果表明:输入向量仅考虑RC柱结构参数训练网络恢复力模型时,网络并不能很好地预测恢复力;相对于输入变量考虑三变量时,五变量和八变量下的神经网络预测精度分别提高76.3%、44.4%;随着训练样本数量的增加,神经网络预测精度和训练效率也随之提高,精度最高可提升88.23%。

关键词： 颠覆性技术   技术监测   行动者网络   技术生命周期   地平线扫描  

摘要： 颠覆性技术的动态监测能够为技术的早期识别和提前布局提供事实依据,是准确判断科技突破方向的有效支撑。基于行动者网络理论确定了政、产、学、研、用、金六类技术监测主体,从技术生命周期理论出发将颠覆性技术监测范围划分为萌芽期、成长期、成熟期、衰退期4个阶段,并结合地平线扫描动态演化特征,构建基于行动者网络的颠覆性技术监测框架。分析不同阶段监测网络的机制特征,实现对于颠覆性技术不同生命周期与行动者网络的耦合,揭示颠覆性技术监测机制的动态演化,为未来搭建颠覆性技术监测平台以及开展颠覆性技术监测工作提供理论参考。

关键词： 城轨列车   全自动驾驶   灵活编组   网络控制系统   多网融合   联挂解编  

摘要： 为了推动我国城市轨道交通向绿色化和智能化发展,优化运营时段的列车满载率,解决因客流分布不均衡造成的运力浪费问题,城市轨道交通行业急需研制出具备全自动驾驶和动态灵活编组能力的地铁列车。针对现有固定编组技术的不足,提出了一种全新的基于全自动驾驶灵活编组的列车网络控制系统。首先介绍了列车的网络拓扑;然后根据场景需求设计了网络系统的关键技术,包括全自动驾驶、灵活编组和多网融合技术;接着根据功能需求开发了网络系统的关键控制策略,包括远程唤醒休眠、牵引制动控制、自动联挂解编;最后测试了列车网络控制系统的软硬件可以满足运营的需求。通过在北京地铁列车上批量应用及静动态试验,验证了网络控制系统的合理性和可靠性,并结合新技术对全自动灵活编组列车的发展进行了展望。