基于改进递归网络的智慧楼宇负荷预测方法

针对智慧楼宇负荷类型复杂且多变导致的负荷预测精度低等问题,提出了一种基于改进递归网络的智慧楼宇负荷预测方法.该方法在深度神经网络多隐层结构的基础上增设了关联层,使深度递归神经网络(DRNN)模型具有动态特性,并利用改进粒子群优化算法对模型权值空间进行优化,进而实现楼宇负荷的准确预测.基于不同类型楼宇的实验结果表明,所提方法的预测误差约在±0.3 MW的范围内波动,其均方根差与平均绝对百分比误差分别为0.27 MW和1.05%,且预测误差均小于其他对比方法.

基于SAW-PCL的输电线路缺销螺栓弱监督检测方法

螺栓作为输电线路中不可或缺的紧固件,其缺销必然会引起重大的安全隐患。针对螺栓目标较小、标注难度大的问题,提出了一种基于SAW-PCL的输电线路缺销螺栓弱监督检测方法。该方法通过图像级标注信息即可定位到螺栓目标。在主网络中引入卷积块注意模块(CBAM),抑制无用的背景特征,提取螺栓精细特征,提高螺栓的检测能力。针对弱监督检测中缺销螺栓的检测精度远低于正常螺栓及不平衡性问题,提出自适应加权损失函数(SAW),动态调节模型对不同类别样本的学习程度,均衡不同类别之间的检测精度,并定义了平均类间检测精度差(ADPD)来评价不平衡性。构建的自适应加权损失函数可以提升缺销螺栓的检测精度,对正常螺栓和缺销螺栓的检测精度有一定的均衡能力,定义的ADPD可以评价模型检测性能的平衡度。在自建数据集V1上的实验结果表明:改进方法的平均准确率均值(mAP)提高了19.7%,ADPD值降低了21.8,在mAP和ADPD双重指标评估下的模型表现出了更好的缺销螺栓检测能力。

一种HEVC的快速帧间编码新方法

为了降低新一代高效视频编码(HEVC)的计算复杂度,融合基于人眼恰可察觉失真(JND)的快速帧间模式选择和自适应编码单元深度范围(ACUDR)两种算法,提出了一种快速帧间编码新方法。首先,通过建立时空域JND和最佳预测模式的统计关系,利用JND阈值指导帧间预测模式的快速选择,以减少遍历的模式个数从而降低复杂度;然后,利用编码的前一帧定义与当前帧的平均深度差(ADD),通过ADD自适应加权时空域相邻最大CU(LCU)的平均深度值预测当前LCU的深度范围(DR)类型,减少当前LCU遍历的深度个数从而降低算法复杂度;最后,融合这两种算法以进一步降低了视频编码的计算复杂度。结果表明,所提出方法在低延时和随机访问两种编码结构下,降低了40%以上的计算复杂度,但编码性能降低很小,在同等码率下的峰值信噪比(BDPSNR)仅分别降低0.058dB和0.037dB,同等客观质量下的码率(BDBR)仅分别增加1.71%和1.06%。