基于BP神经网络的高速公路交通事件检测

为进一步提高高速公路交通事件检测的准确性,将人工神经网络应用于交通事件检测。提出一种基于BP神经网络的交通事件检测方法,设计了适合该检测系统的网络结构。仿真结果表明:相对于其他算法,该网络结构具有检测率高、误报率低、检测时间短的优点,完全适用于交通事件检测系统,同时也存在不足之处,指出了今后进一步研究的方向。

基于人工神经网络的交通事件检测

回顾几种传统的交通事件检测算法,提出从多层前向人工神经网络角度建立模型,并运用BP算法予以实现。在将BP算法与传统算法进行比较之后,发现BP算法具有检测率高、误报率低、检测时间短的优点,同时也存在不足之处,指出了今后进一步研究的方向。

基于BP神经网络与支持向量机的高速公路交通模式识别

回顾了几种传统的交通事件检测算法,提出一种新的交通模式识别方法:即从多层前向人工神经网络角度建立模型,运用BP算法予以实现,获取交通流参数的残差。再应用支持向量机良好的分类性能将残差所预示的交通模式予以分类,并与传统BP算法进行比较之后,发现此方法具有检测率高、误报率低、检测时间短的优点。

关于《自动控制原理》课程建设与教学改革的若干思考

《自动控制原理》课程是电气自动化类专业的基础课程。该课程涉及到控制系统的模型建立、系统分析、系统设计的基础理论，其特点是概念抽象、数学含量大，要求该课程在教学内容及教学方式上都要创新。为适应新形势下《自动控制原理》的教学，在总结课程教学的基础上，对《自动控制原理》的教学改革进行了有效探索，取得了一定的成果。

基于BP神经网络的高速公路交通事件检测

回顾了几种传统的交通事件检测算法，提出基于多层前向人工神经网络的检测模型，并运用BP算法予以实现。在将BP算法与传统算法进行比较之后，发现BP算法具有检测率高、误报率低、平均检测时间短的优点，同时也存在不足之处，指出了今后进一步研究的方向。