基于电磁振动与卷积神经网络的玉米品质精选装置

为提高玉米分选自动化水平,针对传统方法特征建模过程繁琐、现有卷积神经网络部署要求高的问题,设计了一种基于电磁振动与卷积神经网络的玉米品质精选分级装置,主要包括玉米粒群落料单元、电磁给料单元、控制单元、分选收集单元和恒定光强视觉单元,可实现玉米粒群自动分离、籽粒自动识别与分选.模型、样机试验结果表明:模型大小仅5.83 MB,对计算机硬件要求低;模型平均检测准确率mAP为88.03%,模型总体分类检测性能良好;模型对优良玉米籽粒的识别能力强,准确率P、召回率R、误报率FPR、加权调和平均值F_1分别为98.75%,94.84%,3.78%,96.85%;样机将玉米籽粒的实际检测准确率提升至96.50%,实际有效分选率为97.51%.     

类脑导航中基于差分Hebbian学习的网格细胞构建模型

网格细胞是动物大脑中与空间认知和导航有关的重要神经元,具有拓展至整个空间的六边形放电野。位置细胞是网格细胞重要的信息源,可以通过Hebbian学习生成网格细胞,但是现有模型对Hebbian学习的脉冲自适应函数或学习窗函数做了预先的墨西哥帽模型假设。针对该问题提出一种基于差分Hebbian学习的位置细胞至网格细胞模型,利用细胞放电率的变化自发产生墨西哥帽模型的输入关联,然后通过对位置细胞至网格细胞的突触权重进行竞争性非线性限制,生成具有六边形放电野分布的网格细胞。仿真结果表明,该模型可以为无人运行体类脑导航系统的构建提供借鉴。     

基于严格二叉树编码和GA的模糊树结构学习

为解决模糊树模型结构学习中存在的信息冗余、寻优效率低等问题,提出了一种基于严格二叉树编码和遗传算法的结构学习方法。通过严格二叉树编码对模型结构进行编码,改善了现有矩阵编码的信息冗余问题;考虑到编码特殊性和算法收敛性,提出了一种改进的遗传算法用来对模糊树模型的结构进行寻优。实验结果表明,不同数据集上该算法的稳定性和计算速度均较好,能够寻找到一个较优的二叉树结构,从而提高模糊树模型的建模精度。     

基于深度学习的节假日高速公路交通流预测方法

准确的预测节假日期间高速公路交通流量,能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型,利用BP 神经网络对样本数据进行处理,再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段,利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证,并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。     

基于背景重建的高光谱图像异常检测

针对高光谱图像异常检测中背景信息与异常目标信息难以有效区分,背景预测精度不佳的问题,提出一种新的基于背景重建的高光谱图像异常检测算法。通过字典学习方法获取高光谱图像背景光谱字典,并利用该字典对待检测图像进行稀疏重建,得到预测背景图像。将预测背景图像与原始图像做差后得到残差图像,进而利用局部RX检测算法对残差图像进行遍历,实现异常目标检测。通过对真实高光谱图像场景进行实验,证明了算法的有效性。     

试论合作学习理论在高职计算机教学中的运用

在教学改革的过程之中,各种创造性理论的应用备受关注,为了体现教学改革的一致性以及统一性,老师开始结合教学理论改革的现实条件不断调整教学思路和教学方向,合作学习理论在高职计算机教学之中实现了广泛的应用。这一理论能够揭示高职计算机教学的核心要求,对培养学生良好的学习习惯以及合作习惯意义重大。本文将理论分析与时间研究相融合,着眼于高职计算机教学的现实条件,分析合作学习理论在该学科教学中的运用。     

高校体育专业学生职业认同与学习动力的关系研究

本研究以体育专业学生为调查对象,采用文献资料法、问卷调查法、数理统计法对专业学生职业认同水平与学习动力之间的关系进行调查分析,研究表明:职业认同与学习动力之间存在显著性相关关系,为此,学生应树立正确的价值观和时间观,学校管理者应开设针对性的职业就业辅导和心理培育课程。