基于MPSR和IRBM的电力系统中长期负荷预测

针对电力系统中长期负荷波动大及不确定因素导致负荷预测误差较大的问题,提出了一种基于多变量相空间重构(MPSR)和改进受限波尔兹曼机(IRBM)的电力系统中长期负荷预测方法。首先,利用多元线性回归分析方法分析天气因素与电负荷之间的相关性,并将其与电负荷序列组成多变量时间序列;然后,利用C-C法确定每一时间序列的最优嵌入维数和时间延迟,实现多变量相空间重构;最后,采用多变量相空间重构建立的数据集训练电力系统负荷预测模型,同时利用梯度优化法对参数进行优化,得到预测模型。结果表明:相比长短期记忆神经网络和粒子群优化BP神经网络,所提出的预测方法有较高的精准度。

中国肖像画的风格转移算法

风格转移技术能快速生成目标艺术作品,但直接用在中国画上通常会存在特征分布不协调、人脸辨识不一致等问题.针对上述问题,文中提出基于卷积神经网络(CNN)的中国肖像画风格转移算法.首先,针对中国肖像画中写意和工笔两种绘画技法,提出笔触控制约束,指导图像的纹理分布.然后,提出国画特征移动距离,用于度量内容与风格特征,并将参考的中国画风格协调部署在肖像照上.最后,针对中国画的水墨色调和留白特点,提出水墨留白约束改进损失网络.实验表明,文中算法生成的结果不仅保证人脸辨识的一致性,而且在中国画艺术风格上表现更优.

城市道路时空资源供求模型及其应用

根据城市交通广义容量概念，建立城市道路设施资源供需、机动车规划年限制保有量、路网时空饱和度、路网机动车交通流承担及路网等级结构模型，并将所得结果运用于南京城市交通规划等多项具体工程．

网络分层级算法在公路网络中的应用

针对智能交通网络系统的快速查询需求展开研究。对基于Dijkstra最短路径算法在受限制二维空间网络的应用局限性进行分析的基础上,提出了网络分层级算法基本概念和算法路线。研究结果表明,采用分层级网络算法,可以将一个复杂度为O(n2)的网络路径算法问题转化为一个复杂度为O(k×103)的简单问题。最后,通过结合具体案例进行了仿真实验,证明了网络分层级算法的优越性和实用性。

限定空间下WSN采集系统的研究

限定空间下基于IEEE802.15.4的无线通信具有广泛的应用价值.设计了一套基于无线传感器网络的信息采集系统,并在限定空间下研究了该系统的属性.首先利用该平台收集每个节点采集的数据并分析,同时进一步研究了无线信号在限定空间下的传播性能,测试了节点间接收信号强度指示(ReceivedSignal Strength Indicator,RSSI)与数据传输丢包率.试验证明:该系统性能优良,具有很好的现实应用价值.

基于交叉熵代价函数的DBN转子系统故障识别分析

针对传统转子系统故障诊断方法在处理复杂故障数据时存在收敛速度慢和识别精度低问题,提出一种基于交叉熵代价函数的深度置信网络(DBN)故障识别方法。其采用无监督算法初始化限制性玻尔兹曼机(RBM)的参数空间,交叉熵代价函数反向传递误差,优化参数空间,逐层堆叠重置后RBM构建深层模型;利用已有数据建立转子系统智能识别库;在MNISIT手写数字集和转子系统故障数据集上验证,与传统DBN相比,利用交叉熵惩罚函数的深度置信网络可消除由于激活函数本身梯度对参数空间更新速度的影响,能有效地提高分类的精度。