基于时钟触发长短期记忆的多元时序预测

在多元时间序列预测方法中，传统的模型无法敏锐地捕获时间序列短期突变信号从而导致预测趋势滞后和误差较大。本文提出了一种基于时钟触发长短期记忆(Clockwork Triggered Long Short Term Memory, CWTLSTM)网络的多元时序预测模型，通过增强对短期信息的捕获能力提高了预测精度。CWTLSTM将网络中所有的神经元进行分组，对每个分组赋予不同的激活频率，每一组神经元只在时间步长等于周期的整数倍时才被激活。根据周期是否为1将网络分为主干网络链和短期输入增强链，短期输入增强链在靠近输出位置的时间步上激活时，将输入信息的运算结果单向地传递给主干网络链，增强此时的输入权重，使模型在存储长期信息的基础上能快速响应短期突变信息带来的数据波动。在空气污染数据集和水泥篦冷机数据集上的验证结果表明，本文模型在减少预测误差与趋势判断上均有较好的表现。     

贵州龙化石三维数字模型的构建与3D打印

针对古生物化石数字化建模过程中存在局部特征丢失、重构精度低、色彩还原性差等问题。以贵州龙化石为研究对象，采用非接触式激光三维扫描技术获取带纹理的点云数据，基于纹理映射的局部特征修复方法，讨论了不同特征线提取法对化石表面结构拟合精度的影响，构建了高精度、真实感三维数字模型，并采用基于白墨填充技术(White jet process, WJP)的全彩色3D打印技术对化石进行复制。研究结果表明：采用纹理映射特征修复结合探测轮廓线提取特征线进行曲面重构的方法能够精确的反映贵州龙化石的结构特征与纹理色彩，模型最大偏差为-0.019 1～0.020 0 mm。彩色3D打印技术制作的贵州龙化石模型表面光滑、结构精细、纹理色彩还原度高，能够克服传统化石复制方法与普通3D打印技术的不足，对古生物化石的研究、展示、复制提供了技术参考。