城市道路交通安全规划探讨

本文结合深圳城市道路交通安全的现状情况,分析目前道路交通安全方面存在的问题,对城市道路交通安全规划的目标、方法和策略进行探讨。同时,研究了城市规划与道路交通安全规划的关系,并对城市道路交通安全应急预案的编制提出建议。     

虚源法研究马丢-高斯光束的传输

马丢-高斯光束是近年来被提出的一种准无衍射光束,它包括:第一类(2m+2阶)、第二类(2m+1阶)奇型马丢-高斯光束;第一类(2m阶)、第二类(2m+1阶)偶型马丢-高斯光束.马丢-高斯光束最大的特点是光学形态的多样性.因此,研究马丢-高斯光束的传输特性,使之用于实际有非常重要的意义.利用光束的可叠加原理,以第一类奇型马丢-高斯光束为例,通过定义一组虚光源,计算出了第一类奇型马丢-高斯光束在自由空间传输的积分表达式.利用类似的处理方法,还得到了另外3类马丢-高斯光束的表达式.这一组表达式为精确、定量地计算各类马丢-高斯光束的传输特性提供了方便.     

基于面向对象方法的雷达航迹模拟系统设计

讨论了面向对象方法在雷达航迹模拟系统设计中的应用，建立了相应的目标运动模型和面向对象的编程模型。利用该设计模型，制作了雷达航迹模拟软件并投入使用。实践证明该模型设计正确、合理，具有较高的实用价值。     

一种材料和结构设计的新概念

根据拓扑自锁原理介绍了一种新的复合材料和结构设计的概念，无须使用粘结材料，来形成一种具有设计所要求性能的材料或结构。研究证明：按照这样的概念，利用不同几何形状的小“构件”(包括以平面形成的四面体，以及以曲面形成的立体)均能形成具有良好性能的层状自锁结构。主要以四面体形成的自锁结构为例，讨论了这种自锁结构的力学性能和自锁机理。     

ANFIS在水电站地下厂房围岩变形预测中应用

针对目前应用人工神经网络(ANN)方法预测地下洞室围岩变形时间序列的缺陷,提出一种将神经元网络和模糊逻辑有机结合的新型模糊推理系统——ANFIS(adaptive-network-based fuzzy inference systems),该系统采用反向传播算法和最小二乘法的混合算法分别调整前提参数和结论参数,充分地利用了神经网络的学习能力和模糊逻辑的表达能力,实现了回归模型的自适应调整.通过龙滩电站的实例应用可以发现,ANFIS预测系统较传统ANN方法具有简单、快速以及预测精度高等特点.     

几种非正态总体未知参数的贝叶斯假设检验问题

利用贝叶斯统计思想总结了两种常见的假设检验方法,在此基础上针对双边检验H0∶θ=θ0,H1∶θ≠θ0,提出了构造参数θ的否定域,即求出参数θ的置信概率为1-α的最大后验区间D,区域Θ-D为参数θ的否定域.检验θ是否在否定域内,若在就否定H0.研究了四类非正态总体几何分布、负二项分布、威布尔分布和瑞利分布的未知参数的贝叶斯假设检验,并给出了相应的否定域.     

低碳经济：中国准备好了吗？

低碳经济不但是未来世界经济发展结构的大方向,更已成为全球经济新的支柱之一,也是我国占据世界经济竞争制高点的关键。我国在低碳经济时代的大国责任,重要的体现在减排与发展低碳产业方面。但是,低碳对于中国的意义是什么,低碳经济对中国的发展具有哪些挑战,我们需如何应对低碳经济的到来,都是值得深思的问题。     

复杂任务下的多智能体协同进化算法

针对多智能体系统在处理复杂任务时存在的低效率、高冗积、多智能体系统内协同模型算法存在交互冲突、资源损耗过高等问题,提出一种基于复杂任务的多智能体系统优化算法.在差分进化算法与局部优化算法的基础上对二者进行优化,结合强化学习的训练框架,构建训练网络,通过对学习步长进行修订,改变种群迭代优化准则,使得种群在计算力充足的情况...     

基于神经网络算法的单框架控制力矩陀螺系统复合控制

提出一种基于双神经网络的前馈-反馈控制系统,采集单框架控制力矩陀螺系统在不同条件下的运行数据并使用卡尔曼滤波处理,基于神经网络构建了涵盖控制通道与干扰通道信息的虚拟广义被控对象模型,由此设计了神经网络前馈补偿器。实现了前馈补偿器-原反馈控制器的复合控制系统,减少了传统的前馈-反馈复合控制需要精确地获取干扰通道信息的约束,能够克服单框架控制力矩陀螺系统存在的复杂干扰对控制性能的影响。仿真结果表明了方案能够提升系统稳态精度,减小稳态误差,改善控制动态性能。     

面向入侵检测系统的Deep Belief Nets模型

连续的网络流量会导致海量数据问题,这为入侵检测提出了新的挑战。为此,提出一种面向入侵检测系统的深度信念网络(deep belief nets oriented to the intrusion detection system, DBN-IDS）模型。首先,通过无监督的、贪婪的算法自底向上逐层训练每一个受限玻尔兹曼机(restricted Boltzmann machine,RBM)网络,使得大量高维、非线性的无标签数据映射为最优的低维表示；然后利用带标签数据被附加到顶层,通过反向传播(back-propagation,BP）算法自顶向下有监督地对RBM网络输出的低维表示进行分类,并同时对RBM网络进行微调；最后,利用NSL-KDD数据集对模型参数和性能进行了深入的分析。实验结果表明,DBN-IDS分类效果优于支持向量机(support vector machine,SVM)和神经网络(neural network，NN),适用于高维、非线性的海量入侵数据的分类处理。