基于RCBAM和SSD的特征融合低照度环境目标检测算法研究

针对低光照、雨雾等恶劣场景对智能驾驶视觉系统检测能力的影响,提出了一种雷达与相机特征融合的网络模型. 基于毫米波雷达信息和注意力模型构建了雷达注意力机制特征模块,该模块可以为特征融合网络提供一个先验信息和增加算法在目标候选区域权重. 测试结果表明,引入雷达注意力机制模块后,特征融合网络的目标检测性能要比仅依赖计算机视觉的检测性能有了明显的提升,并且在复杂场景下的目标检测鲁棒性更强.      

基于改进EfficientNetV2网络的脑肿瘤分类方法

针对脑肿瘤磁共振图像分类问题中过拟合及分类准确率较低的问题,提出一种基于改进EfficientNetV2网络的脑肿瘤分类方法.该方法在EfficientNetV2网络中引入坐标注意力机制,该注意力机制将同时从垂直和水平两个方向获取脑肿瘤的特征信息,精准识别脑肿瘤的病灶特征,从而帮助模型更全面、准确地定位和识别病灶区域信息,有效抑制背景信息对检测结果的影响,使模型分类精度更高,解决了因获取特征信息不足导致分类精度低的问题.为进一步提升分类准确率,引入Hard-Swish激活函数,该激活函数不仅可以提升脑肿瘤分类网络模型的运算速度,也可有效提高分类精度.同时,改进后的模型搭配了Dropout层和归一化层,可更好抑制过拟合的发生,加快模型收敛速度,提高模型的鲁棒性,且分类精度有明显提升.实验结果表明,改进后的模型在验证集中获得了98.4%的分类准确率,通过对比实验和消融实验验证了改进后的模型在脑肿瘤分类任务中的有效性.     

短期风力发电负荷预测的新方法

以陆上风力发电负荷数据作为研究对象,将注意力机制引入双向长短期记忆与卷积神经网络（CNN）的混合模型来预测短期电力负荷．结果显示:1）注意力机制通过对不同时步的输入进行加权,能够显著提升双向长短期记忆网络的预测性能;2）双向长短期记忆网络-CNN结构比CNN-双向长短期记忆网络结构更适用于短期负荷预测,前者相较后者能够充分利用时序信息,不会在输入初期就丢失关键信息;3）基于注意力机制的双向长短期记忆网络-CNN混合模型的均方根误差（RMSE）、平均绝对百分比误差（MAPE）分别达到了575.35和7.02%,比次佳模型（基于注意力机制的双向长短期记忆网络-CNN混合模型）分别降低了2.75%和9.65%,其在风电短期负荷预测方面有很好的应用前景．      

一种基于图注意力机制的气温预测模型

 积极应对气候变化是可持续发展的目标之一。针对气温准确预测任务，提出了一种基于图注意力机制的气温预测模型。该模型在气温站点组成的拓扑结构上使用了注意力机制，选择性地聚合周围区域的气温特征，再使用神经网络拟合复杂的气温变化规律，得到预测结果。实验使用了2000-2010年京津冀地区的气温数据，经大量实验验证，在极少依赖历史气温数据的情况下，模型能够得到更准确的预测值。模型能够为气候预测和气候灾害预防提供决策支持。     

基于双重匹配注意力网络的观点型阅读理解

提出一种基于双重匹配注意力网络的方法.先用动态匹配机制迭代综合获取全局观点信息,同时利用多维度匹配机制在不同特征空间上计算全局语义信息,然后交互式多路注意力机制通过两路注意力之间的交互计算对上述全局的观点与语义信息进行融合,最后与选项表示结合预测答案的观点倾向.在观点型阅读理解数据集ReCO和Dureader上面的实验表明,该方法相对于基准模型在准确率上提升了1.18%和0.84%,在加权宏F1上提升了1.16%和0.75%.     

天津市义务教育学龄人口规模预测与分析——基于多因素灰色预测模型和人口推算法简

天津市义务教育采取就近入学的原则,而学龄人口规模与基础教育设施的关系最为密切和直接,因此对义务教育学龄人口规模的预测将影响教育资源的布局与发展.基于灰色GM(1,1)预测模型和线性回归原理,构建人均教育消费支出、义务教育生师比、人均GDP等7个因素影响下的义务教育非户籍学龄人口规模多因素灰色预测模型,再运用推算法获得相应的户籍学龄人口规模.结果显示2014-2020年天津市义务教育非户籍学龄人口规模与区域经济发展存在着耦合性.同时,由于第四次人口生育高峰的影响,天津市“十三五”后期将会出现义务教育需求的快速增长,需要提前做好教育资源的规划与布局.     

福州市鼓楼区小学教育资源空间可达性分析与评价

划片入学是教育部门缓解教育资源空间布局不均衡问题的重要解决办法。文章以福州市鼓楼区为例,运用改进的多级半径高斯两步移动搜寻法(MC2SFCA),对比划片入学前后小学资源空间可达性,分析划片入学政策是否改善了小学教育资源空间分布均衡性。结果显示:(1)福州市鼓楼区教育资源可达性东南区高、西北区低,城镇两极分化明显;街道内部可达性由中心向四周衰减,划片入学政策下的模型评价结果显示中心区高可达性区域面积大大减少,城镇间的可达性差距减小;(2)划片入学政策避免了大面积学区房炒作、优质教育资源供不应求以及教育资源冗余等问题,一定程度上改善了教育资源分布不均衡的现状。研究结果可为合理布局规划小学教育资源、制定划片入学政策提供参考。     

天津市义务教育学龄人口规模预测与分析——基于多因素灰色预测模型和人口推算法

天津市义务教育采取就近入学的原则,而学龄人口规模与基础教育设施的关系最为密切和直接,因此对义务教育学龄人口规模的预测将影响教育资源的布局与发展.基于灰色GM(1,1)预测模型和线性回归原理,构建人均教育消费支出、义务教育生师比、人均GDP等7个因素影响下的义务教育非户籍学龄人口规模多因素灰色预测模型,再运用推算法获得相应的户籍学龄人口规模.结果显示2014-2020年天津市义务教育非户籍学龄人口规模与区域经济发展存在着耦合性.同时,由于第四次人口生育高峰的影响,天津市"十三五"后期将会出现义务教育需求的快速增长,需要提前做好教育资源的规划与布局.     

基于AM-LSTM模型的超短期风电功率预测

近年来,中国的风力发电产业高速发展。然而风力发电具有不稳定性,风电功率超短期预测结果的准确性直接影响到电网安全有效的运行。为了进一步提高风电功率超短期预测的精确度,提出了长短期记忆网络-注意力模型(AM-LSTM)风电功率预测模型,该模型将长短期记忆网络(long-term and short-term memory,LSTM)和注意力模型(attention model,AM)相结合, LSTM网络能够处理好风速、风向等时间序列变量与风电功率之间的非线性关系,注意力模型能够优化LSTM网络的权重,从而使预测结果更加准确。采用真实的风电场历史数据进行实验,结果表明:提出的AM-LSTM预测模型能够有效利用多变量时间序列数据进行风电场发电功率的超短期预测,比传统的BP神经网络和LSTM网络具有更精确的预测效果。该预测模型为风电场地电力调度提供了科学参考。     

结合双向LSTM和注意力机制的车辆轨迹预测

为提升智能交通、自动驾驶等系统的管理和服务质量,提出一种双向长短期记忆网络结合注意力机制的车辆轨迹预测模型。采用道格拉斯-普克压缩算法对轨迹数据进行压缩预处理,减少数据中的冗余;在编码器中使用双向长短期记忆网络充分捕获时间相关性特征,并采用自注意力机制获得与邻近车辆之间的全局空间相关性特征;通过解码器的全连接层获取车辆的未来位置,并通过模型迭代获得完整的预测轨迹路线。实验结果表明,提出的模型预测性能优于对比模型。此外,消融实验结果表明,引入轨迹压缩算法与改进的长短期记忆网络结合注意力机制对预测准确度均有积极贡献。     

知识经济与高等职业教育的发展

知识经济是建立在知识和信息的生产、分配和使用基础上的经济，其核心是以智能为代表的人力资源，以高技术为代表的技术知识和以科技为核心构造的生产力体系。知识经济的发展需要大量的理论知识与实践能力并重的具有创新精神的高级技术人力，必须大力发展高等职业教育，明确高等职业教育的培养目标，采取多种办学方式，更新观念，提高办学层次，保证高等职业教育的质量，促进高职教育的进一步发展。     

基于神经网络的公路网规模预测

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素，提出了一种基于BP神经网络的公路网规模预测方法，并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为：改进传统的BP算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明，该方法客观、合理，预测精度高，实用性强，具有较强的理论与实际应用价值。     

基于时空图注意力神经网络的交通道路拥塞和异常预测

为全面捕获交通路网的时空特性,分析路况的复杂多变性,实现道路拥堵和突发情况的高效准确预测,研究提出一种时空图注意力神经网络模型,通过将道路网络建模成一系列随时间变化的图,利用图注意力机制(graph attention network,GAT)关注路网图关键节点的空间特性并捕获动态的全图空间特征,再利用门控循环单元(g...     

基于图Transformer网络的城市路网短时交通流预测模型

针对城市路网短时交通流预测问题,在考虑路网交通状态时空相关性基础上,提出一种基于图Transformer（graph transformer,Graformer）的预测方法。该方法将多条路段的交通状态预测问题转化为图节点状态预测问题,针对区分相同结构的空间路网结构图,本文将带有边的图同构网络（graph isomorphism network with edges,GINE）和Transformer网络相结合,对交通状态在路网层面的时空相关性进行建模,从而实现城市路网短时交通流预测。具体来说,Graformer模型首先利用长短期记忆网络（long short-term memory,LSTM）对交通数据的时序信息进行预处理,接着采用基于GINE与Transformer的全局注意力机制提取交通数据的空间特征,最后实现路网各路段交通流的同步预测。通过使用PeMS数据集进行实验验证,结果表明提出的Graformer模型在各项性能指标上均优于对比模型,证明了其作为一种可靠且高效的路网短时交通流预测方法的有效性。     

普通高等学校招生规模的预测方法

近年来,中国普通高等学校招生规模不断扩大,提高了高等教育的入学率,却增加了大学毕业生就业的压力。研究普通高等学校招生规模的预测方法对于合理地制定普通高等学校招生规模,实现高等教育可持续性发展是非常关键的。采用灰色系统方法和神经网络方法,结合1970—2009年全国普通高等学校招生人数的数据资料,建立了普通高等学校招生规模的灰色系统GM(1,1)模型和BP神经网络模型。对2种模型的模拟通过MATLAB平台实现。BP神经网络建模考虑了普通高等学校数、普通高等学校教职工人数、普通高中毕业人数以及国家财政教育经费投入4个影响因素。灰色系统GM(1,1)模型的精度为75.7%;BP神经网络模型的精度为95.4%。通过模拟分析可以得出:BP神经网络方法用于普通高等学校招生规模的预测是可行的。     

基于S-R模型对陕西省水资源短缺的定量分析

快速城市化和全球气候持续变化,导致区域水资源供需矛盾日益突出.文章以陕西省为研究对象.基于回归分析、灰色预测、最优分配、BP神经网络等方法,运用MATLAB、LINGO、EVIEWS等软件量化分析了水资源短缺与水资源调配问题,初步建立了反映缺水程度的S-R模型、水资源分配模型.研究结果可为该地区水资源可持续利用提供理论与实践的参考.     

网络信息资源配置的现状与对策

从网络状况、内容状况、地域状况等方面,论述了网络信息资源配置的现状:从基础设施建设、信息质量管理、统一管理机制、市场竞争机制等方面,探讨了网络信息资源配置的对策.     

基于神经网络算法的 ICN 网络传输控制研究

随着全球数字媒体的深刻变革,互联网用户关注的重点逐渐向如何快速获取信息转移,而不关注信息的存储位置。现在的 TCP／IP 网络协议架构却无法适应当今内容应用需求的迅速发展。为了适应这一互联网的转变,以信息为中心的新型网络架构信息中心网络（information-certric networking,ICN）受到了广泛关注。网络时延的动态变化反映了网络路径的负载特征,对时延的精确预测是实施网络拥塞控制、路由选择的重要依据。在 ICN 中,由于网络缓存机制导致时延的不确定性,为网络传输控制带来了挑战。通过对 ICN 网络的经典架构命名数据网络（named data networking,NDN）网络时延模型进行建模,采用了神经网络算法进行时延预测,设计了基于预测时延的转发策略机制,创新地在 NDN 网络组件转发信息表（forwarding information based,FIB）上新增接口信息 Stat,以实现转发路径的动态选择。仿真结果表明,该设计机制能够有效地提升网络传输控制性能。     

基于小波神经网络的水库来水量预测模型

水库来水量预测是水库调度和水资源优化配置的重要依据,所以其预测精度值得引起重视.通过对小波分析理论和神经网络理论的研究,将两者结合起来,运用小波神经理论方法对水库来水量进行预测.取实例进行建模分析,并建立BP模型与之比较分析,计算结果为小波神经网络预测模型的精度比BP高很多,可以用于来水量预测.