吉尔·艾布拉姆森

令年9月,占尔·艾布拉姆森正式担任“全球最具权势的报纸”《纽约时报》的总编,她也是该报160年历史上首位女性掌门人。     

基于长短时记忆网络的Encoder-Decoder多步交通流预测模型

交通流序列多为单步预测.为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型.将自回归滑动平均、支持向量回归机、XGBOOST、循环神经网络、卷积神经网络、LSTM作为对照组进行实验验证.实验结果表明,当预测时间步长增加时,ED框架能够减缓模型性能的下降趋势,LSTM能够充分挖掘时间序列中的非线性关系.除此之外,在单变量输入的情况下,在PEMS-04数据集上,当预测时间步长为t+1到t+12的12个时间步时,ED LSTM模型的均方根误差(root mean squard error,RMSE)及平均绝对误差(mean absolute error,MAE)分别下降0.210～5.422、0.061～0.191.相较于单因素输入,多因素输入的ED LSTM模型在12个预测时间步长下,RMSE、MAE分别下降0.840、0.136.实验证明了ED LSTM模型能够有效地用于交通流序列的多步及单因素、多因素预测任务.     

光强对喜树幼苗喜树碱含量及分配的影响

喜树碱是我国特有树种———喜树中所含的重要次生代谢产物。在人工控制条件下观察了光强对喜树幼苗各器官中次生代谢产物喜树碱含量及分配的影响。轻度遮荫(相对光强为全光照的60%)处理30天和75天时叶片、茎及全株的喜树碱含量均较对照(全光照)有所提高,而根的喜树碱含量则是在全光照处理30天和重度遮荫(相对光强为全光照的30%)处理75天时较高。喜树幼苗根和茎的喜树碱产量在75天的重度遮荫处理后增加,而轻度遮荫条件下处理75天时叶片和全株有较高的喜树碱产量。光强也影响喜树碱在喜树幼苗各器官中的分配。     

面向不平衡数据集的SMOTENC-XGBOOST驾驶人交通安全评估模型

为深入挖掘驾驶人因素与交通事故之间的关系,提出一种基于SMOTENC和极端梯度提升(extreme gradient boosting, XGBoost)的驾驶人交通状态优劣分类算法。首先针对交通事故发生与否不平衡的特点,使用SMOTENC算法对数据进行上采样并在采样过程中加入随机扰动,解决了数据不平衡问题。然后使用Embedded算法结合L1正则化,通过模型评估完成对特征子集的选择。最后使用机器学习的方法将XGBoost算法用于执行数据的特征提取和分类过程。实验表明,在对驾驶人的交通状态进行综合评价的任务上,XGBoost模型的准确率为99.85%,相较于随机森林、支持向量机等对照组模型,提升了约1.12%-1.80%。除此之外,使用SMOTENC算法对数据不平衡问题进行处理后,通过混淆矩阵观察到模型对于好坏个体均具备较好的识别能力。     

基于K-means++的驾驶人致因因素倾向性分析

交通事故致因因素导致交通事故的发生,而交通事故致因因素的产生与驾驶人的特征相关。基于K-means++对事故伤亡人数、年龄、驾驶经验、事故责任、驾驶人的不安全行为值、车辆的不安全状态值进行聚类分析,探讨具备不同特征的驾驶人群体产生不同类别的交通事故致因因素的倾向性。结果表明,当聚类簇数为3时,轮廓系数为0.52,模型将驾驶人分为3个群体。其中：驾驶经验及年龄较低,事故责任较高的驾驶人群体存在较高的不安全行为值;驾驶经验及年龄较高,事故责任较高的驾驶人群体存在较高的车辆的不安全状态值及较高的伤亡人数;事故责任较低的驾驶人群体的不安全行为值与车辆的不安全状态值均较低。     

世界经济在无序和分裂中艰难前行

2013年1月23日,IMF发布最新一期《世界经济展望》,预测2013年按购买力平价（PPP）计算的世界经济增长率为3．5％,高于2012年的3．2％,世界经济呈现继续复苏的态势。但考虑到增速较2012年10月预测数据下调了0．1个百分点,以及增速不及2011年的3．9％,复苏将是缓慢的。     

英国：保持开放，才能保持辉煌

英国进入相对衰退．伦敦却没有。如果没有伦敦,英国或许早已从全球商业和旅游业的版图上被抹去了。英国在世界GDP排行中已跌至第七位．而伦敦在大城市的多数排名中却稳居第一或仅次于纽约。今年是伦敦之年．6月该市举行了女王钻禧庆典．7月奥运会即将在此主办。     

基于卷积神经网络与门控循环单元的交通流预测模型

为对交通流进行多步预测,支持智能交通系统的长期决策任务,一种基于编码器-解码器（encoder-decoder,ED）的卷积神经网络(convolutional neural networks,CNN)-门循环单元(gate recurrent unit, GRU)模型,简称ED CNN-GRU。首先使用CNN作为编码器,对交通流序列进行信息捕捉,再将上述信息通过GRU解码器进行解释并输出。实验证明,对比CNN、GRU单个模型,ED框架有效解决了误差的迅速累积问题。对比其他基准模型,CNN、 GRU模型对于交通流序列的特征提取及解释能力较为优秀。对于未来12个步长的交通流量预测任务,对比其他基准模型,单因素输入情况的ED CNN-GRU模型的均方根误差下降约0.344～6.464,平均绝对误差下降约0.192～0.425。对比单因素输入,多因素输入下ED CNN-GRU模型拥有更好的预测能力。证明了ED CNN-GRU模型在不同输入维度的多步交通流预测中任务中均具有良好的预测能力,为数据获取条件不同的城市提供了一个支持单因素及多因素输入情况的多步交通流预测模型。     

双圆弧样条法的线切割机3B指令生成原理

本文采用局部坐标的简单双圆弧样条法,将列表曲线拟合成光滑衔接的分段圆弧,并进一步生成线切割机的3B指令系列.     

考虑磁滞的铁稼磁致伸缩位移传感器输出电压模型及结构设计

基于Jiles-Atherton模型、魏德曼效应和压磁效应建立了考虑磁滞影响下磁致伸缩位移传感器的输出电压模型,计算结果与实验结果基本吻合,表明所建立的输出电压模型的正确性.对传统Fe-Ga磁致伸缩位移传感器的结构进行了改进,消除了由磁致伸缩材料的磁滞效应带来的位移迟滞,降低了剩磁和驱动脉冲电流对输出电压的影响,使电压信号的信噪比由14.7 dB提高至27.6 dB.制作了Fe-Ga磁致伸缩位移传感器样机,通过实验验证了新结构能改善传感器的线性度、重复性、迟滞性和精度.基于新的传感器结构,此研究可为磁致伸缩位移传感器的优化、生产提供理论依据和实验基础.