课程文献中心 更多>>

关键词： 机器学习   预测模型   时间序列   二次供水   余氯  

摘要： 氯是城镇饮用水系统中运用最为广泛的消毒剂,能够有效控制水中细菌滋生,二次供水系统的余氯是确保“最后一公里”水质安全的重要指标,建立二次供水系统余氯变化规律预测模型实现提前预警,对保障末端饮用水安全具有重要意义。文章通过相关性分析方法得出与余氯具有较强相关性的指标为浑浊度与温度,基于2022年上海市二次供水监测点的余氯、浑浊度和温度数据,采用机器学习方法对未来时刻的二次供水余氯进行预测,建立以当下时刻的余氯-浑浊度多指标、余氯-温度多指标和余氯单指标为输入的3种模型,并采用确定性系数(R^(2))、平均绝对误差(MAE)、平均偏差(MBE)以及均方根误差(RMSE)等多元评估标准来衡量模型性能。结果表明,3种模型的相对误差基本控制在10%以下,预测模型均可以满足实际二次供水监管点余氯的预测需求,按照预测准确度降序排列为:余氯-浑浊度预测模型、余氯自预测模型、余氯-温度预测模型。

关键词： 采煤机   无线通信   状态监测  

摘要： 针对采煤机有线检测系统因布线繁琐且故障率高、系统灵活性差及扩展功能受限导致的采煤机故障频发、系统通信时常中断等问题,采用低功耗、可靠性高的Zigbee无线通讯技术对采煤机状态监测系统进行设计。新系统采用智能传感器终端现场采集采煤机工况参数,以CC2530进行监测数据发送接收、串口完成上位机通信,通过上位机可直观、动态掌握采煤机运行状况,有效提高采煤机运行可靠性。

关键词： 有限时间   惯性   复值   时延   分数阶神经网络  

摘要： 本文研究带有时延的分数阶复值惯性神经网络的有限时间控制问题。首先使用变量代换法将高阶复值系统转化为四个低阶实值系统,然后根据新提出的有限时间稳定性引理,构造李亚普洛夫函数,使得驱动和响应系统可以在设计的非线性控制器下达到同步且得到其沉降时间。最后,给出一个数值仿真去检验得到的理论结果的正确性。This paper studies the finite-time control problem of time-delayed fractional-order complex-valued inertial neural networks. Firstly, the higher-order complex-valued system is converted into four lower-order real-valued systems using the variable substitution method. Then, based on the newly proposed finite-time stability lemma, a Lyapunov function is constructed and a nonlinear controller is designed to guarantee that the response system can be synchronized to the drive system in finite time and that the settling time is derived simultaneously. Finally, a numerical example is given to check the correctness of the theoretical results.

关键词： 帮助信息网络犯罪活动罪   结果偏离   限缩路径   量刑规则说  

摘要： 帮助信息网络犯罪活动罪自设立以来数量急剧增长,适用范围不断扩张,与轻罪治理的主旨存在出入。其背后蕴含着实践中对帮助信息网络犯罪活动罪主客观构成要件认定过分松弛、甚至存在对主客观相统一原则的突破或规避等原因。这不仅无法实现精准打击、源头治理的目的,更有可能使帮助信息网络犯罪活动罪成为司法趋利的工具,无疑是对该罪设立初衷的严重偏离。对此,学界提出各种缩限帮助信息网络犯罪活动罪适用的路径,然而无论是独立构罪说、共犯正犯化说还是并存说,均无法在承认该罪独立属性的同时为其提供稳固基础。相较之下,量刑规则说对帮助信息网络犯罪活动罪共犯从属性质的承认为限缩该罪适用提供合理的解决思路。但量刑规则说并非一条通途,在理论和现实功利的双重挑战面前,最终走向末路。为了更好地实现轻罪治理,废除帮助信息网络犯罪活动罪是较合适的选择。

关键词： 神经网络   调制识别   预处理   残差网络  

摘要： 本文对神经网络在调制识别算法中的应用进行了深入研究。首先,对现有的调制识别方法进行了全面梳理,分析了基于特征提取和基于神经网络的调制识别算法的优缺点。在此基础上,本文提出了一种改进的神经网络调制识别算法,以提高识别性能和适应性。在研究过程中,发现基于残差网络的调制识别算法的识别精准度在高速信噪比和低采样率的情况下表现很差。为解决这一问题,本文提出了一种双阶段神经网络调制识别算法,该算法充分利用了神经网络在特征提取和分类方面的优势,实现了对不同调制方式的高效识别。通过对比实验,验证了本文所提出的双阶段神经网络调制识别算法的有效性。实验结果表明,与传统的基于特征提取的调制识别算法和单一神经网络调制识别算法相比,本文所提出的双阶段神经网络调制识别算法在识别性能和适应性方面均表现出较大的优势。

关键词： 目标检测   YOLOv5   深度学习   MobileNetv3   自动驾驶  

摘要： 针对车辆检测模型参数量大,多尺度车辆目标检测困难、重叠目标、小目标和遮挡目标容易漏检的问题.提出了一种轻量化的YOLOv5-MobileNetv3检测算法.首先,利用k-means算法来提高锚框维数聚类的效果和检测速度.其次,将YOLOv5的原始骨干网络CSPDarknet53替换为MobileNetv3进行特征提取.再次,在检测网络中,用CIOU损失函数代替GIOU损失函数,快速准确地定位图像目标区域,生成边界框,预测目标类别.使用交叉熵损失函数(cross entropy loss)作为分类损失函数.最后利用k-means算法来提高锚框维数聚类的效果和检测速度.结果表明,与YOLOv5网络相比,改进后的YOLOv5-M3检测准确率提高了5.0%,模型参数数量减少了46%,训练时间减少44.9%.改进后的YOLOv5-M3网络更小、训练时间更短、更准确地识别出目标,提高了自动驾驶系统中车辆和行人的目标检测的准确性,也为实现智能交通系统提供了一种选择.

关键词： 芯片产业   创新网络   规模化需求   自下而上   市场导向型创新  

摘要： 全球芯片供应链波动背景下,加快实现芯片技术的研发突破与迭代应用,对于推动我国芯片产业发展乃至获得大国博弈主动权至关重要。区别于使命导向型创新,珠海市芯片产业聚焦规模化市场需求成功探索出一条自下而上的市场导向型创新路径。研究基于复杂网络分析方法,以珠海市芯片产业为典型案例,对创新网络的演化路径以及网络结构进行分析和测度。研究表明,市场导向型创新的最大优势在于通过激活企业创新主动性以及科技攻关积极性,形成了创新网络的正反馈循环。在获取产业竞争优势的同时,为国家自主可控技术体系建设提供支撑。研究建议,战略性产业发展过程中同样需要重视规模化消费市场的牵引作用,审慎决定公共资源要素入场时机,充分激活企业创新意识。鼓励科技领军企业开展关键和核心技术自研工作,并通过设立创新联合体等形式与大学及科研院所开展基础研究领域的合作,最大限度发挥市场导向型创新的作用。

关键词： 数字孪生卫河   网络安全   体系建设  

摘要： 随着水利部数字孪生流域和数字孪生工程先行先试工作的开展,从数字孪生卫河网络安全保护方面,深入分析漳卫南局网络安全体系需求,提出完整可行的漳卫南局网络安全体系建设实施方案。

关键词： 生态系统服务簇   权衡/协同   生态功能分区   非线性关系   阈值效应   城市群   珠三角  

摘要： 非线性关系研究是理解生态系统及其与人类活动之间复杂交互作用机理的重要基础。综合运用InVEST、自组织映射神经网络、地理加权回归和限制性立方样条回归模型,刻画珠三角地区生态系统服务簇空间格局,明确不同服务簇中权衡/协同网络结构和非线性阈值特征,并据此提出差异化生态管控建议。结果表明:1)珠三角地区生态系统服务簇分5种类型,由中部向四周呈圈层分布:都市生态型-生态匮乏型-农业生态型-生态降温型-生态保育型;2)不同服务簇的权衡/协同网络中,碳储存与城市降温维持较稳定的协同关联,其他服务之间则存在明显差异;3)不同服务簇的非线性阈值效应中,生态保育型和生态匮乏型最强,农业生态型和生态降温型次之,都市生态型最弱。建议基于关键阈值划定差异化的重点管控区,并结合各服务簇内部关联机理制定针对性的分区管控策略。

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%。