基于LabView的PID神经网络控制器设计与仿真

PID神经网络控制器是将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确的优点,同时又具有神经网络自学习、自适应的功能。研究了用虚拟仪器实现神经网络控制的方法,将虚拟仪器技术和PID神经网络控制有机地结合起来,采用LabView设计PID神经网络控制模块,提高控制系统的性能和开发效率。     

基于LSTM模型对印度新冠肺炎疫情的预测

自2019年新冠肺炎疫情暴发持续到现在,无论对国家、社会、还是个人都产生了巨大的影响。部分国家及时采取了一些应对措施,但是依然无法完全控制住疫情的传播。目前,机器学习算法被用来预测新冠肺炎疫情的发展。使用长短期记忆(long short-term memory, LSTM)模型对收集到的印度累计确诊病例数据进行分析并预测印度疫情的变化趋势。使用适应性矩估计(adaptive moment estimation, ADAM)算法优化模型使模型参数达到最优值,将均方误差(mean square error, MSE)作为损失函数,不断训练模型后最终得到其准确度为87.49%。使用支持向量机(support vector machine, SVM)模型预测新冠肺炎疫情发展的研究比较广泛,将其与LSTM模型进行对比,利用相同的数据集得出SVM模型预测的准确度为73.25%,对比2组数值发现,在预测印度新冠肺炎疫情上LSTM模型的准确度更高。该方法在一定程度上为预测印度新冠肺炎确诊病例数的研究提供了帮助,有助于人们实时监控印度疫情。     

应用神经网络动态估计信号交叉口饱和流率

为了实时掌握信号交叉口饱和流率动态变化规律和提升估算精度,构建了以神经网络为基础的饱和流率动态估计模型.通过对北京市典型信号交叉口3种场景(直行进口道、直行左转进口道、直行右转进口道)实测数据为研究对象,分析每种场景下交通流运行特征,确定影响饱和流率的关键因素,确定神经网络模型的输入输出参数,并对模型进行标定.最后与经...     

融入注意力机制的时间激励与聚集行为识别模型

视频行为识别通常应用短区间动作特征和长区间视频聚集特征进行时序建模.而这种时序建模方式在特征提取过程中,将不同时序区间的动作特征同等看待,忽略了关键通道信息和重要动作内容,不能达到理想的行为识别效果.注意力机制能够重点关注目标区间,在提取时间激励与聚集行为特征基础上融入通道-空间注意力模块.该模型分别通过通道和空间模块改变时序动作的特征分布,通道注意力关注关键通道信息是“哪些”,空间注意力机制关注重要视频内容在“哪里”,突出关键通道信息和重要内容等特征,提高了行为识别的识别率.同时在数据集Something-Something 1,UCF101和HMDB51对模型进行实验,融入通道-空间注意力模块的时间激励与聚集行为识别模型能够有效提高行为识别率.     

基于深度学习的通信网络数据关键特征挖掘

深度学习是挖掘数据关键特征的重要技术手段,为准确分析通信网络数据特征,并保障质量,提出基于深度学习的通信网络数据关键特征挖掘方法。选取接入率、可用性以及覆盖率等七个指标作为通信网络质量核心性能指标,将卷积神经网络与径向基神经网络相结合,构建深度学习网络结构,将该性能指标作为标签参数,将所得到的标签参数的聚类与求和结果作为深度网络的标签数据,通过前向传播将标签数据输入卷积神经网络的输入层内,经过不同隐层的变换与映射至输出层位置,并采用量子粒子群算法求解深度学习网络最优参数,输出通信网络数据关键特征挖掘结果。经实验结果表明,所提方法的通信网络数据关键特征挖掘率在95%以上,能够准确预测未来短时间段内的通信网络质量。     

基于Arc-LSTM的人职匹配研究

提出了一种基于改进的长短时记忆神经网络(Arc-LSTM)和词嵌入(Word2Vec)模型相结合的自动匹配方法.首先采用连续词袋(continuous bag of words,CBOW)模型提取中文简历文本特征,从而构建词向量,提出一种基于ArcReLU激活函数和LSTM深度神经网络优化的Arc-LSTM网络,利用该...     

基于遗传算法优化BP神经网络的青藏高原海北高寒湿地CO2通量模拟及其影响因子

构建了使用潜热通量、显热通量、空气温度、总辐射、有效辐射、土壤温度、土壤体积含水量来模拟湿地生态系统CO2排放通量的3层BP神经网络.在确定BP神经网络拓扑结构之后,使用遗传算法取得了BP神经网络训练的最优初始阈值和权值.采用2190组青藏高原海北高寒湿地生态系统中实测CO2通量及相应的训练数据归一化处理后,对所建立的...     

新文科背景下高校外语教学改革路径创新 ——基于深度主动学习视角

针对新文科建设背景下中国高校外语教学面临的新挑战,文章借助深度主动学习理论,提出深度主动学习导向的外语教学理念,构建深度对话式外语教学模式和深度主动外语学习评估模式,旨在实现学用交互和学用互促的外语教学目标,进而为新时代外语教学改革提供跨学科研究新视角.     

基于深度学习的篮子期权定价数值算法

在标的资产价格服从Heston模型的条件下,对欧式篮子期权定价问题进行了研究.推导出篮子期权价格满足的偏微分方程,利用基于深度学习的倒向随机微分方程求解算法,克服维度诅咒,得到了篮子期权价格的近似数值解.通过与蒙特卡罗结果的对比,表明该算法克服了维度灾难,在高维情况下是准确且稳定的,为期权定价研究提供了新的方向.     

我国深度学习的研究主题、研究热点及未来发展趋势——基于国内核心数据库的文献计量分析

在数字信息时代,深度学习逐步成为我国教育领域研究的热潮,同时也日益成为课程与教学变革的重点。为从整体上了解我国深度学习的研究状况,采用知识图谱分析法对中国知网中1499篇核心期刊和CSSCI期刊进行系统聚类分析、多维尺度分析以及社会网络分析来探究我国深度学习的研究主题、研究热点以及未来发展趋势。分析表明：目前国内深度学习的发展尚处于发展期,研究内容聚焦于人工智能技术及其教育应用、指向深度学习的教学设计研究、基于真实情景的实验教学研究这三个研究主题,其中“人工智能技术及其教育应用”和“指向深度学习的教学设计研究”是当下研究的热点。社会网络研究分析显示,未来深度学习的研究将会围绕教学模式、学习策略的研究、人工智能以及大数据在深度学习中的有效应用展开。