电力系统短期负荷预测的级联网络模型研究

提出一种基于BP子网络和小波网络的短期负荷预测的级联网络模型。在对气象影响因素与负荷关系深入分析的基础上,采用BP子网络来映射气象等不确定因素的影响。采用小波网络(预测网络)来映射历史负荷值的影响,它结合了小波变换良好的时频局域化性质和神经网络的自学习能力,明显地改善了神经网络难以合理确定网络结构和存在局部最优等缺陷。最后两级网络相互级联组成预测网络。研究算例表明,这种模型是优秀的。

基于多关系网络模型的级联失效研究

针对目前网络级联失效研究未涉及多关系网络的问题,根据多子网复合网络模型构建多关系网络,采用负载—容量模型研究多关系网络级联失效现象。考察不同影响因素下,节点之间的关系强度和关系类型对网络级联失效规模的影响。研究结果表明,根据关系类型调整关系强度比例系数,可有效提高网络的鲁棒性。

等效分组级联BP网络模型及其应用

松弛的和紧密的分组级联BP网络模型等概念的提出,对于解决有限的小样本情况下高维BP网络的训练和预测问题有一定的参考价值.定义了BP网络等效性和相关定理,构建并证明了与BP网络等效的分组级联网络模型,分析比较了两种网络模型所需训练样本的数量情况,并将其应用于网络安全评估领域.最后通过仿真试验结果证实了所提出分组级联BP网络模型的可行性和有效性.

基于转移阻抗模型的功率回路和信号回路间串扰建模与试验验证

由于列车和船舶上的空间有限,互连非屏蔽线缆的空间非常小,导致非屏蔽线缆之间存在严重的串扰问题,其中功率回路对信号回路的串扰会严重影响信号的质量和系统的正常运行,因此有必要估计功率回路中共模和差模电磁干扰对信号回路的影响。为此提出了一种可扩展的级联多端口网络模型,可对线缆间共模和差模串扰进行精准建模,准确估计出功率回路对信号回路的影响。最后,搭建了试验台架进行验证,实验结果验证了该方法的有效性。

社交媒体竞选如何强化美国政治极化:基于美国新冠议题的框架化考察

政治极化是指人们越来越倾向于用“我们”和“他们”来描述当前的政治与社会,一个社会中的正常多样性越来越沿着一个维度发展,政治与社会共识变得难以达成。政治极化存在政党制度、经济发展不平衡、贫富分化、政治文化等多元成因,社交媒体竞选进一步强化了政治极化。聚焦社交媒体竞选如何强化当前美国政治极化的问题,运用框架化理论下的“级联网络激活模型”,可以发现总统候选人的框架建构加强了二元对立的框架竞争模式,在框架扩散中两党政治精英中建制派与反建制派的对立强化,传统媒体与社交媒体在框架选择中也存在差异,因而公众在对框架认知方面亦强化了观点对立的模式。在社交媒体竞选时代,民主党和共和党政治精英与各自的支持者之间形成了两个截然不同的信息闭环,各自的话语框架不断被强化,同时也迫使独立公众“选边站”,尽管信息的选择越来越具多元性,但民意却越来越呈现分裂与对抗。

双边剪钢板自动对中系统研究

双边剪切工艺中钢板对中过程需要人工目视激光线进行余量观测,操作复杂且主观判断影响数据准确性。为此设计基于机器视觉的双边剪钢板自动对中系统,依赖沿辊道分布的多组面阵相机进行辊道钢板状态数据采集,利用现场测量数据及钢板目标宽度标定出两条虚拟剪切线,摆脱对传统辅助激光线的依赖。同时系统中采用级联的钢板对象提取模型,采用先粗后精的分步提取思想,提升钢板边缘检测精度。依据钢板轮廓位置与虚拟剪切线位置关系换算出移动距离,从而控制磁力对中装置完成钢板对中过程,提升双边剪工艺的自动化程度。实际应用结果表明,系统对于钢板宽度测量误差小于5 mm,系统自动控制对中误差小于10 mm,满足企业自动控制需求。

人脸检测算法的优化

面部特征被广泛应用于一系列视频监控系统,其中公安系统中人脸检测模块尤为突出。由于人脸的巨大视觉变化,如遮挡、光照、大的姿态变化问题使人脸检测一直存在着瓶颈,在实际应用中这些问题依旧很常见。对此,文中通过简要介绍候选框生成算法,同时结合FasterRCNN、联合人脸检测和对齐的级联卷积神经网络框架的优缺点进行分析和改进,提出了快速级联卷积神经网络模型。由于候选框网络和RoI检测网络共享卷积层,在候选框网络中使用多层卷积层信息,采用RoI池化和L2归一化将身体信息与面部信息进行融合,实现结合身体上下文信息来处理较小的人脸区域,并对数据集进行测试来验证模型的有效性,弥补因视觉变化导致人脸检测中的不足,提高人脸检测网络性能。

基于深度学习的驾驶员分心行为识别

分心驾驶行为识别是提高驾驶安全的主要方法之一。针对分心驾驶行为识别精度低的问题,本文提出一种基于深度学习的驾驶员分心行为识别算法,由目标检测网络和行为精确识别网络级联构成。基于State Farm公开数据集,第一级利用目标检测算法SSD(Single Shot Multibox Detector)对数据集中的驾驶员原始图像进行局部信息提取,确定行为识别候选区域;第二级分别利用迁移学习VGG19、Res Net50和MobileNetV2模型对候选区域内的行为信息进行精确识别;最后,实验对比级联架构与单模型架构对分心驾驶行为的识别精度。结果表明,提出的级联网络模型相较于主流单模型检测方法,驾驶员行为识别的准确率总体上提升4~7%个百分点。该算法不仅减少噪声和其他背景区域对模型的影响,提高分心行为识别准确率,还可以有效识别更多的行为类别以避免动作的误分类。

Evolutional Algorithm Based Cascade Long Reach Passive Optical Networks Planning

In this paper, we propose a mathe- matical model for long reach Passive Optical Networks （PON） planning. The model consid- ers the traffic demand, user requirements and physical constraints. It can support conven- tional star-like topologies as well as cascade PON networks. Then a two-stage evolutional algorithm is described to solve this problem. The first stage was to find a proper splitter can- didate site set, composing the outer loop. The second stage aimed to get the optimal topology when the splitter locations were selected, com- posing the internal loop. In this algorithm, the Pr/ifer sequence is used to build up a one-to-one correspondence between a PON network configuration and a chromosome. Compared with the results obtained by the enumeration method, the proposed model and algorithm are shown to be effective and accu- rate.

非线性荧光光谱的神经网络分析及其应用

大功率超快脉冲激光和气体相互作用可产生非线性荧光光谱 ,不同的气体分子具有不同的非线性荧光光谱 ,因而这种光谱可以作为物质的指纹模式加以识别分类 ,进而获知气体的成分。由于不同气体分子的光谱在同一波段上有很大的交叉重叠 ,用传统的光谱分析方法分析存在困难 ,采用神经网络方法分析上述非线性荧光光谱 ,利用经过预处理的荧光光谱数据作为模式样本 ,其中一部分样本作为学习样本对级联神经网络进行训练 ,用训练好的网络对所有样本进行实时识别 ,学习样本和测试样本的的正确识别率均可达 10 0 % 。