自样本特征构造的1DCNN-BiLSTM网侧光伏功率预测

为解决电网难以获取NWP数据和无法建立光伏功率预测模型的问题,提出一种自样本特征构造的一维卷积双向长短期记忆神经网络光伏发电功率预测方法。通过K均值聚类和功率骤减事件检测的特征工程获取细粒度的天气状态标签,实现基于自身样本的特征构造,以解决样本特征缺少问题;采用卷积和长短期记忆网络结合的模型结构,解决局部特征提取和长期依赖的问题。算例验证结果表明,所提方法改善整体的预测性能,降低多特征数据存在的数据匮乏和数据稳定性风险,为模型输入特征较少的网侧光伏功率短期预测提供一种有效途径。

基于BP网络星图识别的样本构造方法

星敏感器是一种高精度的姿态敏感测量系统,如何确定星敏感器上像点在摄影时刻所对应的恒星,即星图识别,是姿态测量的关键。本文根据星图识别问题本身的特点和神经网络技术的特性,提出了基于BP网络里图识别方法的一种可以兼顾性能和效率、利于实现的样本构造方法。

Q保守m流出情况下,Q过程的样本构造

本文使用样本函数逼近法,将Q保守m流出时的Q过程,归结为m个行向量及齐次非负线性方程组的解。“从可取向量组”及“可取解”出发,给出了Q过程的样本构造。另外,本文在一般化的意义上使用f_N了变换。

神经网络无序集合样本的构造

样本构造是神经网络应用的关键。经典的样本是元素与元素的对应关系。文章研究集合间的对应关系时,对如何构造样本,提出了一种集合构造样本的模式:将集合作为整体代入网络训练的模式,并应用实例"基于海明网的噪点数字图像识别"加以说明。提出"将无序集合按特定规律转化成有序集合,转化后的有序集合作为一个整体进行训练"。文章只解决了"有规律集合"这类集合——集合的神经网络集合样本构造,更一般化的样本构造问题仍有待解决。

基于虚拟样本的改进人脸识别算法研究及应用

针对实际采集的视频中背景复杂,人物多变,图像处理时间长,训练样本不足的问题,提出了构造虚拟样本,并结合Gabor滤波器及对PCA-LDA算法加以改进的人脸识别算法,以应用于教室点名系统。首先对教室采集到的视频进行裁剪,按帧截取并检测出含有人脸的部分图像并单独保存为测试图像,然后将其与已有人脸库里的训练图像进行对比,最后采用提出的镜像法构造虚拟样本,并结合了Gabor滤波器以及PCNN灰度图像增强处理算法的改进PCA-LDA算法进行人脸识别。仿真实验表明,提出的算法预测了样本可能存在的变化,也在一定程度上降低了计算复杂度,明显地提高了识别率,并在教室点名系统中得到了较好的验证。

克隆分析系统及其在静态分析中的应用

代码克隆分析已经被广泛应用,可用于判断源代码是否存在抄袭,是否违反开源代码使用规则等。该种检测主要用于对源代码的抄袭判断,属于静态检测范围。考虑到检测过程是使用大量样本或以开源代码为主形成的数据库,因此可以构建一个以缺陷代码为主的样本集,适用于检测其它软件代码的安全性。本文将通过构造一定的测试样本,验证该方法的可行性和优越性。

B型Q过程D型延拓的另一种实现

文献[2]中研究了Q过程的D*型延拓．本文从取定的向量α及B型Q过程P（t）出发，从样本轨道上构造了一类马氏过程并且是Q过程X*（t），它是B型Q过程D*型延拓的另一种实现，且证明方法是新的．X*（t）取特例，即给出了[1]中广泛意义下的（即Q不必保守）Doob过程的样本轨道．

化学反应网络的耦合扩散过程的样本轨道构造及数值算法

耦合扩散过程是一个耦合了扩散运动和随机跳过程的混合系统.为解决这类系统的样本轨道模拟问题,本文在一个由[0,1]~∞上的Lebesgue测度空间与C(R_+,R^r)上的Wiener测度空间所形成的乘积空间中对耦合扩散过程的轨道进行了构造,并证明了构造得到的过程具有Markov性,给出了剩余寿命及下次反应序号的分布函数,进一步考察了过程的无穷小生成元与鞅问题,在分布意义下证明了鞅问题的唯一性.最后,根据构造得到的样本轨道,给出了耦合扩散过程的数值模拟方法.