非线性规划理论在裂隙岩体渗流反馈分析中的应用研究

利用实测渗流场资料反求岩体渗流参数是岩体渗流研究的一个方向,但目前在裂隙岩体渗流参数反馈问题方面进展不大,本文把非线性规划理论引入裂隙岩体渗流反馈分析计算中来,通过理论分析和实验验证,寻求到一种有效的适合裂隙岩体渗流运动特点的反馈分析方法,并获得了应用渗流反馈方法的几点指导性的结论。     

基于Gabor特征和协同神经网络的车牌识别方法

研究了车牌字符识别问题,针对车牌识别系统易受天气及光照变化影响的实际应用,将Gabor特征和协同神经网络应用在车牌字符识别中,提高了识别率.首先对车牌字符进行二值化和切分,然后利用Gabor滤波器提取车牌字符的特征参数;再利用协同模式训练特征参数,进而得出训练样本;最后根据协同神经网络进一步识别车牌字符.通过大量仿真实验表明,该方法在不同场景、光照条件下,与传统方法相比,识别率有了较大改进,该方法在车牌识别领域有较强的实用性.     

用模糊聚类分析法建立神经网络岩土本构模型

针对岩土类材料本构关系复杂的情况 ,采用BP网络建立了其本构模型 ,并从神经网络隐层的本质特征出发 ,对样本数据 (应力和应变信息 )采用模糊聚类分析法进行特征抽取 ,以确定隐层节点数目 .算例结果表明 ,该方法是可行的 ,并具有较直观的物理意义 ,可为样本的选取提供指导作用 .     

对几种多层前馈神经网络训练算法的研究

多层前馈神经网络具有模式识别能力强、训练算法多样等优点,但是其训练过程的低效率始终是多层前馈神经网络应用和发展的瓶颈。为了解决这个问题,科学家们提出了很多加速训练的算法。本文首先介绍了几种主要的训练算法及其思想,然后通过实验数据对这几种算法的收敛速度进行了比较。在此基础上本文阐明了几种算法的适用范围及其优缺点。     

基于视觉注意力和深度随机配置网络的高速公路团雾认知

团雾生成区域的气象环境较为复杂,对团雾的检测效率和精度有较大影响。针对这一问题,探索了一种基于视觉注意力和深度随机配置网络的高速公路团雾系统模型。首先,采用图像通道转换和高斯模糊滤波对输入图像预处理,构建归一化高质量的高速路面样本图像集合。其次,基于视觉注意力机制的构建团雾图像深度特征空间,以多层次差异化表征团雾气象特征信息。最后,基于深度随机网络构造团雾等级分类器,以获取快速高准确率分类模型。为验证方法的有效性,使用行车记录仪高速行驶图像样本构建训练及测试样本空间,并将此方法与其他模型方法进行对比实验。实验结果表明,此方法在模型认知精度和计算速度综合评价方面具有较大优势,能够有效适用于高速行驶过程的团雾气象预测预警。     

基于动力学模型分块逼近的水下机械臂RBF滑模控制算法研究

本文利用切片理论与Morison方程计算了双关节水下机械臂在水中运动时受到的附加质量力、水阻力和水体流动对机械臂产生的冲击力,在传统机械臂动力学模型的基础上建立了完整的双关节水下机械臂动力学模型.基于推导的水下机械臂动力学模型提出了一种RBF滑模控制策略,采用多个RBF神经网络对水下机械臂动力学模型中的不确定项进行分块...     

基于BP神经网络的电场指纹点蚀信号补偿系数

电场指纹技术是一种依据被测对象表面微小电压变化,对金属结构的缺陷、裂纹、腐蚀及其扩展情况进行检测的无损检测技术,但在点蚀信号的辨识方法上依然存在不足.通过对电场指纹点蚀信号进行数值模拟和仿真建模,根据其特征信号对点蚀进行准确定位,基于BP神经网络建立关键点蚀参数的补偿系数模型,由补偿系数计算电场指纹系数,得出实际腐蚀深...     

基于隐式反馈的个性化游戏推荐方法

传统的推荐系统常用显式反馈进行个性化推荐,但显式反馈数据不易获取,质量不好且易引起用户反感,使推荐结果不能满足用户需求.隐式反馈数据更容易获取,可更好地为用户提供其感兴趣的内容.提出一种基于隐式反馈数据的个性化游戏推荐才法.该方法基于游戏时长、游戏次数等隐式反馈数据,构建针对游戏用户数据的隐式反馈推荐模型,通过隐语义推...     

基于LSTM的四旋翼无人机轨迹预测方法

实时、准确、高效的轨迹预测是对四旋翼无人机进行有效管控的重要前提.基于深度学习理论,提出一种基于长短期记忆神经网络(LSTM)的四旋翼轨迹预测方法.在LSTM基础上,使学习速率自动调整,基于四旋翼无人机位置坐标与速度参量,对轨迹数据进行训练与预测,其经度、纬度、高度误差分别为6.04、6.45、2.33 m.分析历史时间步长对于预测精度的影响,结果表明历史学习步长为40～45时,LSTM预测结果最佳;比较不同预测步数的预测误差,结果表明一步预测、两步预测误差结果较好,三步预测误差显著增大.     

融合时间和地理信息的兴趣点推荐研究

在兴趣点推荐任务中,数据的严重稀疏性限制了模型的推荐性能,并且现有工作忽略了用户在不同时间段访问行为的差异性。针对上述问题,提出了一种融合时间和地理信息的兴趣点推荐模型。该模型首先通过循环神经网络联合学习多种因素;然后利用地理关系模块捕获轨迹中的地理影响。最后,通过一个统一的框架,针对用户工作日和节假日的不同出行需求,推荐不同的访问地点。实验证明,所提模型在兴趣点推荐表现上优于现有模型。