基于图片特征提取的水泵能耗分析及预测

为了提高水泵能耗影响因素分析的准确性及预测模型的精度,文章提出了一种基于图片特征提取的水泵能耗多元线性回归预测模型。研究以上海某个住宅小区配置的二次供水水泵系统作为研究对象。首先,对采集到的水泵系统历史运行数据进行预处理并将一维时间序列转换为二维的格拉姆角场(gramian angular field,GAF)图像。随后,利用时间序列及图片相关性判定方法,对14个参数进行筛选,得到相应的能耗特征。最后,结合特征筛选结果,基于多元线性回归预测模型,研究了不同相关性判定方法下的最优预测模型问题。结果表明,相较于两种时间序列特征筛选方法,基于图片的特征筛选方法表现出了更佳的适应性,输入特征数量为4的情况下,其预测模型在测试集上的决定系数(R^(2))分别提升了0.87%、3.36%,均方误差(mean square error,MSE)分别降低了10.38%、28.26%,平均绝对误差(mean absolute error,MAE)分别降低了6.11%、24.57%。研究结论为后续水泵系统能耗特征的筛选提供了新的思路,并为上海地区水泵系统的能耗分析及预测提供理论参考。

改进生成对抗网络在图片数据生成中的应用

图片数据生成旨在根据现有的图片数据,产生与原始图片数据分布相似的图片数据。当前主流的生成对抗网络模型(generative adversarial networks,GAN)产生的图片数据质量较差,模型的训练总是遇到调试困难、训练不稳定、梯度消失、模式崩溃等一系列问题。根据稀疏表达结构和残差结构组合而成的生成器,残差结构组成的辨别器,提出了一种能够生成高质量图片的GAN模型。根据分支网络模型构成的生成器,设计了多种类图片数据生成模型,可以使用一个模型同时训练生成多种类型的图片数据。为了更好地对数据进行训练,设计了一种动态匀速下降学习率,能够根据运行时间对学习率的衰减进行指导。在各个数据集上的实验结果表明,改进模型结构在图像数据生成上比其他算法更加稳定、鲁棒,能够生成更高质量的图片数据。

基于酒店业数据的用户生成图片分享与炫耀动机探究

借鉴网络口碑传播动机的相关研究,结合酒店业具体实践,探讨用户生成图片的主要动机;采用产品可获得性和品牌声誉衡量分享动机,以产品档次和价格衡量炫耀动机,并以携程网海量在线评论为依据进行实证检验。研究表明,消费者发表图片评论受到分享与炫耀双重动机的影响:产品可获得性对于用户生成图片具有显著的负向影响,会抑制消费者的分享意愿;品牌声誉与用户生成图片呈U型曲线关系,即较高或较低的品牌声誉会促使消费者发表图片评论;比起产品档次,价格对于消费者产生炫耀动机的作用更加强烈,能够显著促进用户生成图片。

让数据无中生有的魔法师:生成对抗网络

智者愚公虽知“子又有子,子又有孙”,可他肯定想不到子子孙孙的模样?当你被视频中演讲者那精彩的演讲感动得心潮澎湃的时候,可曾想过这只是人工合成的作品?当一位杰出的演员不幸离世,人们多么希望他的形象能够重新走上荧幕。如今,最新的人工智能技术,正让这一切变成可能。

基于深度去噪的无线信道感知网络模型及性能分析

随着大规模天线阵在基站端的部署,信道矩阵变得越来越稀疏,因此传统的信道矩阵具备了图像的特性,可以将稀疏的信道矩阵视为二维自然图像,借助深度学习的网络模型进行感知和估计。提出了一种新型信道图像的生成方式,解决了传统信道图像的获取依赖于天线几何尺寸的问题。更进一步地,借鉴深度学习在图像降噪方面的应用,提出了一种基于深度学习去噪的信道感知网络模型,将带噪声的信道矩阵视为信道图像,作为输入张量,通过深度去噪网络对噪声进行学习和消除,输出干净的信道图像作为信道感知的结果。仿真结果表明,与LMMSE基准算法相比,所提基于深度去噪的信道感知网络模型在超低信噪比下具有更好的性能。在高信噪比下,可以达到近似LMMSE的性能,且具备更低的实现复杂度。

雾天车道线识别方法:FoggyCULane数据集的创建

为了提高深度学习算法在雾天场景下的车道线识别率,扩充雾天车道线数据集是有效途径之一。以目前最具有权威性的CULane数据集为基础,通过对该数据集内晴天车道线图片进行单幅图像深度提取,随后依照大气散射模型生成3种不同浓度的雾天车道线图片,并保留原图的车道线标签,以此方法实现对CULane数据集的人为扩充。通过增加了107451张带标签的雾天车道线图像,从而将原始CULane数据集扩充了1.8倍,建立了包含雾天图像的新车道线数据集FoggyCULane。分别采用原始CULane数据集和FoggyCULane数据集对SCNN车道识别网络进行训练,并将训练结果在包含3种不同浓度雾天场景的12种复杂车道线场景中进行测试评估,以验证该方法的有效性。研究结果表明,人工生成雾天场景车道线图片以扩充数据集的方法能够在薄雾情况下将雾天车道线的识别率从74.65%提升至86.65%,在中度雾下从51.41%提升至81.53%,在浓雾下从11.09%提升至70.41%。

结合卷积神经网络与哈希编码的图像检索方法

为了提高图像检索的精度与速度,提出一种卷积神经网络与哈希方法结合的图像检索算法。该方法在深度残差网络的基础上构建了一个网络模型,将随机选取成对的图像(相似/不相似)作为训练输入,使用曼哈顿距离作为损失函数,并添加了一个二值约束正则项,促使训练好的网络输出为类二值码,再将类二值码阈值化为二值码,最后用于图像检索。在Caltech256数据集和MNIST数据集上的实验结果显示,文中方法的检索性能优于其他现有方法。

基于ELBP和Adaboost的图像真实性鉴别算法

针对图像的分类问题,提出了一种基于ELBP编码和Adaboost分类器的图像真实性分类算法。该分类识别算法利用Adaboost分类器可关注难分样本,提高分类准确率的特性,实现自然图片与计算机生成图片的分类。对经过ELBP预处理后得到的图像,生成直方图,并提取图像的均值、方差、极差、中位数和三均值等8种特征,构造特征矩阵作为训练集训练Adaboost分类器。最后,再利用自然图片和计算机生成图片进行仿真实验。实验表明该分类方法能够得到88.5%的准确率,是一种较有效的图像分类识别方法。

Eoool,我的图片在线生成器

很多朋友都看到在一些网站或论坛的签名上，都会有一个漂亮的图片．显示了自己的QQ号码、邮箱地址．单击这些地址可以与用户交谈或者发送邮件．非常方便．但自己又不是PS高手，做不出那些漂亮的图片。其实大可不必为之而苦恼，因为借助Eoool在线图片图片，我们可以轻松的制作出这些漂亮的图片。