基于GPS的道路交通信息深度采集系统设计

在处理交通事故时,信息数据采集主要依赖人工完成,速度慢、记录不全面,且极易造成交通拥堵。文章设计了基于GPS的道路交通信息深度采集系统,该系统包括中央处理器以及分别与中央处理器连接的定位模块、通信模块、事故现场采集模块和事故记录模块。定位模块用于获取事故现场各位置的信息;事故记录模块用于记录事故的相关信息;事故现场采集模块用于采集事故现场的照片;中央处理器用于根据事故现场不同角度的照片结合位置信息生成带有位置信息的道路事故现场图;通信模块用于与云端通信,将系统采集及处理得到的信息发送至云端。经试验可知,该系统可全面记录信息,处理速度快,极具应用前景。

信息深度加工中介作用下知识团队任务冲突与团队绩效关系研究

基于信息决策视角,探讨了知识团队任务冲突与团队绩效的关系。通过对74个知识团队455名员工数据进行分析发现,团队任务冲突与信息深度加工和团队绩效均呈倒U型关系;信息深度加工在团队任务冲突与团队绩效的关系中起完全中介作用;共享领导在团队任务冲突与信息深度加工倒U型关系中起正向调节作用。

多源信息深度融合的行星齿轮箱故障诊断方法

行星齿轮箱运行工况复杂,振动激励源多,仅依靠单一征兆域会导致故障诊断结果不确定性高。为此,对行星齿轮箱多通道多征兆域深层特征信息进行融合,提出基于多源信息深度融合的行星齿轮箱故障诊断方法。首先构建多个深度残差卷积神经网络(Deep Residual Convolution Neural Network,DRCNN)分别对行星齿轮箱多通道多征兆域信息进行特征学习以建立局部特征空间与故障空间的映射;其次提取各子DRCNN所学习到的各征兆域深层故障特征以构建全局特征空间的证据体集;最后利用随机森林(Random Forest,RF)对证据体集进行融合以从不同角度充分利用多源故障特征信息,建立起全局特征空间与故障空间的映射,得到诊断结果。所提方法将特征自动提取与信息融合有效统一为整体,增强了方法的智能化与自适应能力。多工况下行星齿轮箱故障诊断实验结果表明所提方法诊断不确定度小、精确度高,能够有效对行星齿轮箱故障进行诊断。

论人物报道的新闻信息深度

人物报道是一种颇具特色而又不好操作的新闻报道。新闻报道有两类最难采写．一是调查性报道，二就是人物报道。调查性报道和人物报道的采编难点各有侧重：前者主要难在采编者和被报道者及其背后的社会力量之间的互动，与由此形成的重重现实阻力．后者尽管也不乏不易克服的种种现实障碍。但被报道者主观世界的复杂与富有弹性相形之下则不能不成为记者特别难以翻越的冰川巨峰。2012年年底至2013年年初出现在河南省的袁厉害事件可谓其中的突出表现。

在数字中把握信息深度的简单与复杂——评精确性报道《找个好钳工比找研究生还难!》

在西方发达国家，精确性报道常常用于总统等的选举活动。测量选举人在选民中受欢迎的程度并进而预测候选人选举的输赢变化。由王爽、刘明霞采写的精确性报道《找个好钳工比找研究生还难》获得第十二届中国新闻奖作品则说明精确性报道在中国同样产生优秀作品。而走向深度报道是其成为新闻精品的不二法门。

交通信息深度学习在智能交通管理中的应用研究

智能交通管理系统是公路交通发展的新方向,其中深度学习技术用于交通信息处理成为关键。本研究运用DNN提取交通信息,结合CNN与RNN进行深度分析与预测。实验显示,深度学习模型显著提升了交通预测的准确性,尤其在高峰期与突发事件中表现出色。此技术不仅增强了系统的适应性和鲁棒性,还为交通管理提供了精准信息支持,助力优化决策、提升路网效率、缓解拥堵,推动智能交通的实现。

基于物理信息自适应深度学习的交通状态估计

物理信息深度学习(physics-informed deep learning, PIDL)是一种将深度学习与物理学先验知识相结合的新兴范式,该范式在智能交通领域,尤其在交通状态估计应用中,展现出了巨大潜力。为进一步优化物理信息深度学习模型在交通状态估计问题上的准确度与收敛速度,构建了一个结合Aw-Rascle宏观交通流模型的物理信息自适应深度学习模型(physics-informed adaptive deep learning with Aw-Rascle, PIAdapDL-AR),依据有限与局部的交通检测数据,实时准确估计全局交通流状态。主要的改进包括两部分,一是在PIDL框架中的物理部分引入高阶Aw-Rascle交通流模型作为物理约束条件,引导并规范神经网络的训练过程;二是在神经网络部分融合自适应激活函数,替代固定的非线性激活函数,以动态优化神经网络性能。基于NGSIM数据集生成模拟的固定检测器数据和移动检测器数据,进行实验以验证模型有效性。实验结果表明:在不同覆盖率的固定检测数据场景下,PIAdapDL-AR的相对误差相比于基线模型PIDL-LWR降低了34.38%~45.24%;在不同渗透率的移动检测数据场景下,PIAdapDL-AR的相对误差相比于PIDL-LWR降低了18.33%~34.95%;融合自适应激活函数的PIAdapDL-AR的收敛速度优于配置固定激活函数的PIDL-AR,且收敛速度和估计精度均随着自适应激活函数中比例因子的增大而提升。

基于多域信息融合与深度分离卷积的轴承故障诊断网络模型

针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了分解;然后,利用分解出的本征模态函数(IMF)的各个分量构建了多空间状态矩阵,并将该多空间状态矩阵输入该深度分离卷积模型中,进行了卷积训练;同时,在该深度分离卷积模型中添加了残差结构,对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,提出了一种空间特征提取方法,对模型参数进行了修剪,采用一种自适应学习率退火方法进行了梯度优化,以避免模型陷入局部最优。研究结果表明:通过对多个轴承故障数据集进行对比分析可知,MDIDSC在轴承故障诊断方面的准确率和稳定性明显优于其他方法,MDIDSC的最高测试准确率为100%,平均测试准确率为99.07%;同时,在测试集中的最大损失和平均损失分别为0.1345和0.0841;该结果表明MDIDSC在轴承故障诊断方面具有一定的优越性。

集群式深度伪造信息攻击情报感知方法研究

[目的/意义]AIGC背景产物之一的集群式深度伪造信息由于主观恶性及难发现、难识别与难控制特点而易引发剧烈现实危害,其攻击情报感知尤为重要。[方法/过程]以GJK算法为基座设计深度伪造信息识别方案、以曼哈顿距离为依据建立集群式特征分析模型、以画像技术为框架提供情报结构化体系,实现攻击意图判定下的感知方法设计。为检验方法有效性,将其纳入以兵棋推演为支撑、以CMO软件为工具的仿真过程,在环境配置、交互式想定单元给定与应用匹配基础上予以执行。[结果/结论]仿真结果表明,方法设计能够有效实现深度伪造信息识别、集群式特征分析与情报画像提取功能。为使研究发挥更大效益,结合仿真结果探讨情报感知能力建设策略。[创新/局限]创新在于提供一套完整的集群式深度伪造信息攻击情报感知方法;不足在于,内容侧重于方法研究,未对理论问题进行过多论述。

信息技术与语文课堂教学深度融合的实践研究

2022年4月,教育部印发了《义务教育课程方案和课程标准(2022年版)》。新课标的修订更加凸显学生主体地位,注重在学习过程中培养学生的探究精神、自主学习能力和协作能力。在信息化时代,要在教学中实现信息技术与教学的深度融合,构建以“自主、合作、探究”为特征的语文课堂教学模式,从根本上改变传统的教学结构,充分发挥学生学习的主体作用,培养学生的学习能力,唤起学生的学习主动性和积极性,发展学生的核心素养。

基于线索效用理论的用户虚假信息感知与互动行为研究——面向深度伪造信息

[研究目的]作为一种新形式的虚假信息,深度伪造信息有着更难以辨别真假的特点,影响着网络安全空间的发展。该文将从用户感知和行为角度来探索深度伪造类虚假信息的影响和对抗策略。[研究方法]根据线索效用理论,发掘并整合了三个外部线索:分享者信任度、分享者观点、附加提示,并设计了两个组间实验。[研究结论]310个实验样本的数据通过MANCOVA方法进行分析后验证了8个假设,分享者信任度、分享者观点、附加提示都会影响用户对深度伪造信息的感知真实性和互动行为(点赞、评论、转发),这表明用户判断深度伪造信息时会综合效用三个外部线索,同时附加提示的有效性也证明了干预手段在多线索集聚情景下的有效性,为提高用户识别深度伪造信息的能力,减少虚假信息的传播提供了可实践化的参考。

基于多孔卷积神经网络的图像空间结构信息细节表征

针对传统图像空间结构信息表征方法存在细节表征模糊度较高、信息训练损失较高等问题,提出一种新的基于多孔卷积神经网络的图像空间结构信息细节表征方法。该方法通过图像空间结构信息细节相似性度量,并以图像的形状、颜色和纹理特征对图像空间结构信息细节进行编码,再去除图像冗余信息,利用多孔卷积神经网络对图像空间结构的深度信息进行融合,从而完成图像空间结构信息的细节表征。实验结果表明,基于多孔卷积神经网络的图像空间结构信息细节表征方法在模糊度、训练损失、图像相似性等方面都比传统的3种方法优越,能够清晰地表征图像空间结构信息。

虚拟地理环境中全景图深度信息恢复与应用

针对空中全景图深度信息缺失导致无法进行空间分析量算的问题,本文提出一种基于虚拟地理环境的众源空中全景图深度信息恢复与空间分析量算应用的方法。首先,利用数字地表模型和倾斜摄影测量三维模型构建目标区域高精度虚拟地理环境,设计改进的后方交会算法解算众源空中全景图的拍摄参数;其次,采用射线求交算法计算全景图像点与地面点的距离并生成全景深度图;最后,设计基于深度信息的空中全景图空间分析量算模型,并在登封地区进行实验。结果表明,通过人机交互的方式,利用基于空中全景图深度信息的空间分析量算模型,能够对目标区域开展环境勘察,验证了该方法的有效性。

公益广告信息框架对食物节约意愿的影响:基于焦虑感视角

公益广告是倡导公众自觉践行食物节约的重要手段,而在公益广告中合理使用信息框架策略是增强广告劝说效果的关键。以食物节约公益广告为研究情境,在焦虑感视角下探讨信息框架(促进型vs.防御型)对食物节约意愿的影响机制。三个实验结果表明:促进型信息框架能增加高焦虑感个体的食物节约意愿,防御型信息框架能提高低焦虑感个体的食物节约意愿;信息加工深度和自我评价中介了信息框架与焦虑感对食物节约意愿的匹配效应,且二者发挥链式中介作用。研究结果揭示了在通过公益广告助推食物节约过程中个体焦虑感与信息框架相匹配的重要性。

基于深度学习与深度信息的原木材积检测方法

针对工业现场整车木材摆放深浅不一且上下分层而导致的整车木材材积自动检测困难的问题,采用ZED2双目相机获取木材端面图像以及深度图像,在改进的基于掩模区域卷积神经网络(Mask region-based convolutional neural network, Mask R-CNN)实例分割模型完成对木材端面分割的基础上,对木材轮廓进行椭圆拟合,根据木材端面中心坐标以及深度图像获取每根木材的深度信息,利用整车木材上下层深度信息相差较大的特点,解决木材上下分层的问题,同时根据双目视觉视差原理,利用相机参数以及轮廓拟合后椭圆短径端点坐标,测量出木材端面检尺径,将检尺径和检尺长代入原木材积计算公式完成原木材积的检测。实验结果表明,使用本方法计算出的整车原木材积同人工检尺数据对比,材积误差率(偶数)为-1.61%,单根木材检尺径平均绝对误差(偶数)为0.33 cm,符合国家原木检尺要求。最终将模型以及材积计算算法部署于Nvidia Jetson Xavier NX平台,并在PyQt5核心库上设计了操作界面,用户仅需拍摄完整木材端面,即可实现原木材积的计算。利用本研究所提出方法可实现木材整车检尺,解决整车木材材积自动检测困难的问题,可提高木材检尺效率,减轻检尺工作人员的工作负担。

深度相机技术及其在电力系统中的应用前景

深度相机技术因其技术优势已经被应用到越来越多的领域中,目前,已有研究者开始尝试将深度相机技术应用在电力系统中。为此,有必要介绍一下深度相机技术并探究其在电力系统中的应用前景。首先介绍了深度相机技术的发展情况,接着将深度相机技术的特点与电力系统中潜在功能需求结合起来,探讨了深度相机技术在电力系统中的典型应用场景。在此基础上,从智能电网和本质安全2个方面阐述了深度相机技术在电力系统中的应用前景,以期为深度相机技术在电力系统中的应用研究提供参考。

基于机器学习的人体动作深度信息识别方法分析

本文分析和探索了机器学习的人体动作深度信息识别方法,先探究了人体动作深度信息识别,再分析了人体动作深度信息识别方法,最后对机器学习的人体动作深度信息识别方法的优化措施提出了一些简单的建议与意见。

信息技术深度融合教学组织形式提升教学效果——基于小学语文学科教学案例的研究

通过小学语文学科教学案例的研究发现,信息技术与教学的深度融合主要表现为与教学组织形式的深度融合。其融合方式分为“阶梯型”教学组织形式与信息技术的浅层次融合、“阶梯型”教学组织形式与信息技术的深层次融合、“登山型”教学组织形式与信息技术的浅层次融合、“登山型”教学组织形式与信息技术的深层次融合。这四种类型融合产生的不同教学效果主要体现为学生不同类型的思维发展。“登山型”教学组织形式与信息技术的深层次融合无疑是促进学生思维发展的最佳方式。这种融合方式的实现一是需要有良好的协同机制保障,二是对教师的TPACK能力提出了更高的要求,三是需要更深刻的学科理解。

基于异形曲面拟合引导的深度信息修复算法

为了克服异形投影曲面RGB-D空间的深度信息出现非预期抖动、表面采样缺失等问题,提出一种基于异形曲面拟合引导的深度信息修复算法。通过将格雷码序列图像投射于异形投影曲面对其赋予高可用纹理特征,使纹理形态为原始深度信息的修复过程提供强约束引导参照,以实现异形投影曲面的非重建式平缓区域划分。再利用原始深度信息划分结果对各平缓区域分别进行曲面拟合,然后根据拟合曲面方程对该区域内原始深度信息进行平滑修复,从而增强异形投影曲面深度信息的可用性及可信性。算法验证结果表明,该深度信息修复算法不仅能够实现异形曲面的空洞填补与平滑修复,还能够有效地减少深度信息过修复、欠修复等情况发生。