基于多尺度时间递归神经网络的人群异常检测

如何在人群密度大、变化快、存在大量遮挡的密集场景中实现可靠的人群事件检测,是领域研究的难点和热点.在密集场景时空建模的基础上提出了一种基于多尺度时间递归神经网络的人群异常事件检测和定位方法.首先对人群场景进行网格化划分,并利用多尺度光流直方图对每个网格的人群动态进行刻画;然后,连接各个局部的人群动态获得整体的人群动态,实现整体人群动态的时间序列建模;最后,利用多尺度时间递归神经网络实现异常事件的检测和定位.其中,多尺度隐含层实现了密集场景中不同规模相邻网格之间的空间联系,节点间的反馈关系则为时间维度上的关系表达提供了有效方案.与多种代表性算法的对比实验,验证了本方法的有效性.

实值离散Gabor变换块时间递归算法的并行格型结构实现方法

Gabor变换在很多领域被认为是非常有用的方法 ,如语音与图像处理 ,雷达、声纳、振动信号的处理与理解等 ,然而实时应用却因其很高的计算复杂性而受到限制 .为了减小计算复杂性 ,我们曾提出了实值离散Gabor变换法 .本文首先简单回顾了作者曾提出的实值离散Gabor变换及其与复值离散Gabor变换的关系 ,然后为了有效地和快速地计算实值离散Gabor变换 ,提出了在临界抽样条件下和在过抽样条件下 ,一维实值离散Gabor变换系数求解的块时间递归算法以及由变换系数重建原信号的块时间递归算法 ,研究了两算法使用并行格型结构的实现方法 ,并讨论和比较了算法的计算复杂性和优越性 .

基于离散傅里叶变换和块时间递归并行格型结构的离散Gabor分析窗求解

提出了一种快速求解离散Gabor变换分析窗的方法.首先选择一个合适的基函数,同给定的综合窗函数构造一个可逆的块循环矩阵,然后根据块循环矩阵特点,利用快速离散傅里叶变换求解块循环矩阵的逆,最后采用基于块时间递归的并行格型结构来求解分析窗.本文证明了此算法获得的窗函数与给定的综合窗满足双正交关系.实验结果表明,本文算法能快速求解分析窗,相比基于最小范数求解方法,本文提出的算法明显降低了分析窗的计算复杂度.

基于LSTM时间递归神经网络的短期电力负荷预测

短期电力负荷预测对于电网运行方式安排、计划检修、静态安全分析有着越来越重要的作用。LSTM时间递归神经网络可很好地处理负荷数据的时序性和非线性,适合用于短期电力负荷预测。提出一种基于长短期记忆(Long Short-Term Memory,LSTM)时间递归神经网络的电力负荷预测方法,并使用这种方法对昆明电网日电力负荷值进行预测,最终证明LSTM模型的准确及便利。

二维实值离散Gabor变换时间递归算法的双层并行格型结构实现方法

本文首先简单回顾了作者曾提出的二维实值离散Gabor变换及其与复值离散Gabor变换的简单关系,然后着重探讨了二维实值离散Gabor变换快速计算问题,提出了二维实值离散Gabor变换系数求解的时间递归算法以及由变换系数重构原图像的块时间递归算法,研究了双层并行格型结构实现两算法的方法,计算复杂性分析及与其它算法的比较证明了双层并行格型结构实现方法在实时处理方面的优越性。

并行格型结构实现一维块时间递归实值离散Gabor变换

为了有效和快速地计算实值离散Gabor变换,本文提出了在临界抽样条件下,一维块时间递归实值离散Gabor变换系数求解算法和由变换系数重建原信号算法,并研究了并行格型结构实现这两种算法的方法。

基于时间递归平均的语音噪声功率谱估计算法研究

提出一种改进的时间递归平均噪声功率谱估计算法;利用谱熵计算当前语音存在概率并获取平滑系数,采用双平滑系数估计平滑后的当前语音存在概率,最后得到噪声功率谱;该算法采用自适应跟踪可以通过参数及时跟踪噪声变化,使得估计的噪声信号与原噪声信号基本保持一致;实验仿真结果证明该算法估计的噪声明显改善了时间递归平均算法估计滞后的问题,同时该算法的归一化均方误差也低于时间递归平均算法。

块时间递归离散Gabor变换的并行格型结构实现方法

虽然Gabor变换在语音与图象处理、雷达、声纳、振动信号的处理与理解等很多领域被认为是非常有用的方法,然而实时应用却因其很高的计算复杂性而受到限制。为了有效地和快速地计算离散Gabor变换,论文提出了在临界抽样条件下和在过抽样条件下,一维离散Gabor变换系数求解的块时间递归算法以及由变换系数重建原信号的块时间递归算法,研究了两算法使用并行格型结构的实现方法,并讨论和比较了算法的计算复杂性和优越性。

基于朗道离散时间递推算法的转动惯量辨识研究

转动惯量辨识功能已经成为了高性能交流伺服系统的典型特征。基于加减速法的转动惯量测量方法过于依赖初始PID参数,辨识效果不佳。本文提出采用基于朗道离散时间递推算法的转动惯量辨识技术,提高转动惯量的辨识精度,同时加快辨识过程的收敛速度。

离散时间风险模型的递推公式(英文)

在本文中 ,我们研究了含有投资和通货膨胀因素的离散时间风险模型 ,通过递推的方法 ,得到了有限时间内的破产概率、破产时间的分布、破产持续时间的分布的递推公式 .

门控循环单元网络下的空气污染物预测模型

论文针对现有环境空气污染物预测方法大多是基于单一数据集和浅层神经网络,未能充分挖掘时间序列中潜藏的数据信息的问题,提出了一种基于门控循坏单元网络的空气污染物预测方法。首先,对时间序列缺失值进行设计填充算法;接着,设置监督实验,在批尺寸和训练步、训练优化算法、网络权值初始化和Dropout正则化四个方面进行参数调优;最后,进行了验证与分析,并与长短时记忆神经网络进行了参数对比。研究结果表明,与长短时记忆神经网络相比,门控循环单元网络不仅训练时间快,并且在预测性能上更为显著,是一种可行且有效的预测方法。

基于TRNN和FA-PF融合的锂离子电池RUL预测

预测锂电池剩余使用寿命RUL(remaining useful life)可以提高电池供电系统的稳定性和安全性,从而明确故障的发生并及时做出响应。在预测过程中粒子滤波PF(particle filter)常用于在线辨识模型参数,但当PF在线辨识参数时易出现粒子贫化问题,需要大量粒子才能完成状态估计,这将会导致预测结果不准确。为了提高RUL预测的准确性,提出一种基于时间递归神经网络TRNN(time recurrent neural network)和萤火虫算法FA(firefly algorithm)优化PF融合的锂电池RUL预测方法。首先,由于TRNN的泛化能力优于经验模型,并且易于捕捉容量退化的长距离依赖问题,因此选用其模拟各种条件下的电池退化模型;其次,基于FA优化的PF技术对TRNN模型参数进行递归更新,使粒子群移动到高似然区域,从而减少PF的贫化;最后,选择不同条件下不同电池的实验数据进行验证和比较。结果表明,与传统方法相比,该方法具有更高的RUL预测精度。

基于时间序列迁移递归预测的未知工况下滚动轴承在线剩余寿命评估

深度迁移学习技术已经成功应用于跨工况的滚动轴承剩余寿命(remaining useful life,RUL)预测问题,但针对在线场景的RUL评估仍存在如下不足:在线工况存在漂移,无法确定同工况的历史数据,不能直接构建回归预测模型;在线目标轴承只有正常状态和早期故障数据,无法直接与离线轴承的快速退化期数据进行迁移学习.鉴于此,从时序退化信息迁移的角度提出一种面向未知工况的轴承在线RUL评估方法.首先,构建融合第三方退化信息的时间序列迁移递归预测模型,利用张量长短时记忆网络提取离线工况全寿命数据的单调性和趋势性等时序信息,并迁移到在线递归预测过程;然后,利用迁移成分分析对所预测的在线退化序列和已有离线序列进行公共特征空间适配,提取域无关特征,并构建支持向量机回归模型,实现在线轴承剩余寿命评估.在IEEE PHM Challenge 2012轴承数据集上的实验结果表明,所提出方法可在只有早期故障数据的情况下准确预测退化趋势,为未知工况下的轴承在线RUL评估提供一种有效的解决方案.

基于深度学习的网络数据分析模型构建

由于环境、技术等扰动因素对网络数据时间递归属性的影响,导致网络数据分析的时间花费较大。为此,本文提出基于深度学习的网络数据分析模型。利用经典动态机制表示网络数据的时间递归过程,然后引入环境动态系统扰动参数,结合以模型输入状态为基准的共享参数处理数据包,将处理后的数据作为深度学习的训练数据,通过深度学习提取的特征结果实现对数据的分类。测试结果表明,该模型可以实现快速分析网络数据,提高了对网络数据的分析效率。

智能语音识别系统中噪声估计算法的研究和改进

智能语音识别技术的研究已有较长的时间,但由于语音信号本身所具有的多变性、瞬时性、连续性和动态性的特征,使得机器在不同的环境尤其是噪声环境中进行语音信号的识别仍具有一定的困难.为了提高带噪语音信号识别的准确率,本文研究了一种常用的噪声估计算法,即基于后验信噪比的时间递归平均算法.并在此算法的基础上提出了一种对平滑因子的改进算法,将语音活性检测算法与这两种算法在不同输入信噪比下进行模拟验证.通过运算结果的对比分析可以看出,改进后的算法相比于语音活性检测算法最高可以使输出分段SNR提高2.1 d B,相比于原时间递归平均算法最高可以使输出分段SNR提高0.5 d B,表明低输入SNR下改进后的算法可以有效提高语音信号的质量和可懂度.

基于DCT的实值离散Gabor变换的快速并行算法

Gabor变换在很多领域被认为是非常有用的方法,然而实时应用却因其很高的计算复杂性而受到限制。为了减小计算复杂性,曾提出了基于DCT的实值离散Gabor变换。文中回顾了基于DCT的实值离散Gabor变换,为了有效地和快速地计算实值离散Gabor变换,提出了在临界抽样条件下,一维实值离散Gabor变换系数求解的块时间递归算法以及由变换系数重建原信号的块时间递归算法,研究了该算法使用并行格型结构的实现方法,并讨论和比较了算法的计算复杂性和优越性。

并行格型结构实现基于DCT的2D实值离散Gabor变换

虽然2D Gabor变换在图像处理等很多领域认为是非常有用的时频分析的方法,然而实时应用却因其很高的计算复杂性而受到限制。文中回顾了基于DCT的2D的实值离散Gabor变换,为了有效地和快速地计算实值离散Gabor变换,提出了在临界抽样条件下,二维实值Gabor变换系数求解的块时间递归算法以及由变换系数重建原信号的块时间递归算法,研究了该算法使用并行格型结构的实现方法,并讨论和比较了算法的计算复杂性和优越性,证明了基于DCT的2D实值离散Gabor变换块时间递归算法并行格结构在计算复杂性的高性能。

基于数值解与解析解耦合的SSI体系地震反应分析方法

基于子结构分析方法,提出了土-结构相互作用体系中数值解和解析解耦合的地震反应分析方法。此方法中,数值解是用有限元方法来模拟上部结构的非线性动力行为;而弹性结构-刚性基础-半无限大弹性地基中频域内的解析解,是通过离散时间递归滤波方法得到时域内的解来等效,且在整个体系中,利用土、结构两个子结构边界上的力和位移协调求解。本文提出的方法用有限元程序Opensees来实现,并用于一个线弹性单层框架结构的动力分析中。这种耦合的分析方法得到的结果,与土-结构相互作用单自由度体系的解析解进行了比较,验证此方法的精度、稳定性和工程实用性。

MPEG的关键技术——运动补偿综述

首先介绍了MPEG系列及其作用 ,对运动补偿技术基本原理进行了分析 ,并综合分析了目前几种运动补偿与估计的改进方法。

一种基于TTRNN的汉语拼音全音节识别方法

递归神经网络（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＲＮＮ）是一种具有时延反馈能力的神经网；它可以充分利用上下文的信息来提高分类的程度，因而很适合汉语拼音的识别 但在实践中受网络规模的限制，能利用的上下文有限，所以对汉语拼音的分类效果并不理想．为此提出一种改进的ＲＮＮ——时间标签递归神经网（ＴＴＲＮＮ）来对汉语拼音的整音节进行直接建模识别的方法；初步的实验结果不仅证明了ＴＴＲＮＮ方法对汉语拼音这样的时序模式有很好的分类能力，而且在拼音识别方面有很强的顽健性。