基于GA-BP神经网络的手势识别精度优化研究

针对5DT数据手套手势识别过程中存在的精度问题,传统的BP神经网络算法受到其自身因素的影响,导致出现输出手势缺失、变形、精度差的问题。为此,该文提出一种GA-BP权值优化算法,能有效克服BP算法局部寻优的缺点,使输出值不断地接近期望数值,防止陷入局部极小的情况,可以克服输出图像缺失、变形的问题。在GA-BP算法的基础上,对函数输出误差的最大值进行权值优化,解决输出手势精度差的问题。实验结果表明,基于GA-BP神经网络权值优化算法改善了手势识别的精度。

基于Cortex-A53的实验考勤系统的设计与实现

针对目前多数高校实践课考勤中手动统计数据以及录入教务系统的工作量大、学生的实践授课时间难统一等问题,借助学校Cortex-A53架构体系的ARM实验教学平台,构建了实验考勤系统。系统功能分为系统设置、教师管理、学生考勤和考勤数据分析四大模块,生成的考勤数据可以直接导入教务系统中。学生可以自主选择实践课的上课时间,系统自动统计数据并归入对应班级。实践表明,采用该系统发挥了学生的自主性、减轻了教师的工作量、提高了教师的工作效率。

基于BIM的被动式超低能耗建筑墙体保温性能测试研究

传统被动式超低能耗建筑墙体保温性能测试方法存在测试误差大、效果不佳等问题,为了解决该问题,文中提出基于BIM的被动式超低能耗建筑墙体保温性能测试方法研究。以被动式超低能耗建筑墙体为测试对象,选择HT-1-热流温度巡检仪、立式取暖器等,利用数据采集软件获得被测墙体传热系数。在此基础上,设计测试方法,将传热公式引入到BIM生态型建筑模型当中,再采用两种测试方法获取通道1室内墙体温度和通道2室外墙体温度热流曲线,将其作为测试数据,比较传统方法与所提方法的测试值与理论值。实验结果表明,所提方法测试值为0.395 W,更接近理论值。证明基于BIM的被动式超低能耗建筑墙体保温性能测试方法测试效果更好。