基于移动互联网的舆情预警系统设计与实现

本文介绍了移动互联网舆情预警系统的系统结构及其设计和实现。该系统能够借助移动终端上的舆情监测客户端及实现舆情信息的实时浏览、实时自动推送预警等功能,可以让用户24小时随时随地不间断获取最新舆情,而无需专人值守,突破了舆情预警的难点。本文描述了移动互联网舆情预警系统的功能和优势,并给出了实际应用中的效果。

基于量子门组的卷积神经网络设计与实现

为进一步提高卷积神经网络的训练速度,减少训练成本,建立了量子门组卷积神经网络模型(Quantum Gate Convolutional Neural Network,QGCNN)。为了构建QGCNN网络结构,依据传统CNN结构的特点,给出卷积算术线路(Convolutional Arithmetic Circuit,ConvAC)的定义。用张量分解来说明ConvAC的权值系数之间的关系,为构建QGCNN提供理论依据。将QGCNN分为输入表示层、隐藏层和输出层,在此基础上实现对数据进行量子编码,利用量子门组完成数据初始化,网络参数更新等操作。将QGCNN应用到数字手写体识别中,实验结果表明,该方法在手写体识别的准确率和收敛速度上有不错的效果。

物联网在GSM-R电磁环境测试中的应用研究

为了适应高速铁路物联网产业发展的需要,提出将物联网技术应用在GSM-R电磁环境测试领域中;该系统设计充分运用无线传感器网络技术在测控领域的优势,辅助电磁环境测试设备采集GSM-R电磁环境测试环境中的温度、湿度、车距等信息,通过互联网进行实时传输,并在计算机软件中完成对数据的接收、存储、处理及分析;通过对某铁路段GSM-R频段的电磁环境进行的测试实验表明,该系统能获取被测路段中受干扰站点的干扰信号强度等信息,证实了物联网技术在GSM-R电磁环境测试中有一定的应用价值。