抓改革促创新 加快滁州产业转型升级

<正>作为全省首批创新型试点城市之一,滁州市大力实施创新驱动发展战略,围绕六大主导产业,聚力创新发展、绿色发展、健康发展,突出企业的创新主体地位,引导企业开展产学研合作,引进新型创新和研发机构,推动以科技创新为核心的全面创新,经济结构不断优化,转型升级步伐明显加快。一、积极推进省级创新型试点城市建设为加快推进创新型城市建设,集聚创新资源,激活创新要素,推动滁州市经济发展方式由要素驱动向创新驱动转变,实现     

基于VMD-BO-BiLSTM的猪肉价格预测模型

基于猪肉价格的非线性与波动性特性,提出一种基于变分模态分解（variational modal decomposition, VMD）和贝叶斯优化（Bayesian optimization, BO）的双向长短时记忆（bidirectional long short-term memory, BiLSTM）网络的猪肉价格预测方法。首先采用变分模态分解对数据进行预处理,将数据分解为具有相对简单波动的子序列;然后通过贝叶斯算法对双向长短时记忆网络模型的第1、2隐含层神经元数目、学习率和批次大小进行寻优,根据寻优的结果建立预测模型。实验结果表明：VMD-BO-BiLSTM方法的平均绝对误差、均方根误差、平均绝对百分比误差和确定系数分别为1.101 214、1.466 100、0.040 631、0.987 760,相比传统单一的LSTM,BiLSTM模型精确度更高,有更高的适用性,适合对猪肉价格预测。     

数据流驱动的电压三相不平衡异常检测研究

为了提高当前电力计量系统中的电能量时间序列数据异常检测的准确率与效率,该文提出一种数据流驱动的电压三相不平衡异常检测方法。结合已有的面向数据流异常检测思路,实现对时间序列电能量数据的采样。采用基于循环神经网络的长短期记忆神经网络对数据建模预测,计算实际值与预测值之间的误差。采用指数加权平均的滑动窗口对误差进行平滑,实现了在过滤了三相电压数据正常波动的影响下判断某一时间段是否出现异常。试验结果证明,该方法在召回率和综合评价指标等有所提高,验证了该文方法对于电压三相不平衡的异常检测问题的可行性和有效性。     

基于TCN-BiLSTM的网络安全态势预测

针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题,提出一种基于时域卷积网络(temporal convolution network, TCN)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络的预测方法。首先,将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征;随后,引入注意力机制动态调整属性的权值;然后,利用BiLSTM模型学习态势值的前后状况,以提取序列中更多的信息进行预测;利用粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优,提升预测能力。实验结果表明,所提预测方法的拟合度可达0.999 5,其拟合效果和收敛速度均优于其他模型。     

基于长短期记忆神经网络的自适应容错方法

针对传统的全球导航卫星系统/惯性导航系统(global navigation satellite system/inertial navigation system, GNSS/INS)紧组合系统容错方法对故障处理方式单一、环境适应性差的问题,提出了一种基于长短期记忆神经网络的自适应故障容错方法。该方法基于长短期记忆神经网络建立GNSS伪距、伪距率预测模型。发生故障时,通过分量检测法定位故障观测的维度,并引入相对差分定位精度分析故障观测对系统定位精度的影响,从而实现隔离与重构策略的动态选择。利用实测数据从可见星数、几何构型、故障持续时间3个角度设置多组环境进行仿真实验。仿真结果表明,所提方法对复杂环境具有更好的适应能力,可有效降低故障存续期间系统的定位误差,提高系统的故障检测性能。     

中共早期对南昌起义的革命史叙事与记忆建构——以《布尔塞维克》为中心的讨论

南昌起义是中国共产党独立领导武装斗争和创建人民军队的开端,在中国革命史上写下了光辉的一页,为中国共产党探索马克思主义中国化道路提供了重要的方向与路径。南昌起义军从打响武装反抗国民党反动派第一枪,攻占南昌城,南征广东,转战粤闽赣湘边,到与毛泽东领导的秋收起义部队会师井冈山,历经胜利到失败,由失败走向新生的光辉历程。《布尔塞维克》作为中共中央机关刊物对南昌起义进行了总结和梳理,对中国革命的道路任务工作作了新的探索,那就是继续实行更加激烈的武装斗争、争取革命的领导权、实行土地革命、争取工农群众。通过《布尔塞维克》对南昌起义的叙事与记忆分析,可以发现中国共产党是一个注重理论思考和自我总结的政党,极善于及时进行党史叙事与历史构建,为我们进一步认识中共早期马克思主义中国化的探索提供了重要的素材,对全面和深刻研究南昌起义有着重要价值。     

基于LSTM的弹道导弹主动段轨迹预报

弹道导弹主动段长周期轨迹预报能够为导弹防御系统提供早期预警信息。传统的轨迹预报方法大多集中在导弹的自由段与再入段,通过解析法、数值积分法或函数逼近法推断未来时刻目标的状态。由于弹道导弹在主动段会受到多个未知作用力的影响,其轨迹预报相比自由段与再入段更具挑战性。为此,本文提出了一种基于长短时记忆(long short-term memeory, LSTM)网络的弹道导弹主动段轨迹预报方法。首先,根据导弹主动段动力学模型与弹道参数典型取值生成用于网络训练的大规模轨迹样本;其次,设计了基于深度LSTM网络的弹道导弹主动段轨迹递归预报方法;最后,与基于数值积分法、多项式拟合及反向传播神经网络的轨迹预报方法的实验对比,表明了所提方法在主动段轨迹预报上的优越性。     

OLAM神经网络分析X荧光谱的预处理研究

在采用最优线性联想记忆(Optimal Linear Associative Memory)神经网络分析X荧光谱时,可用多种方式对谱作预处理,如去掉多余数据、取对数、横向压缩、标准化等.针对实验测得的水泥生料X荧光谱,分别用上述方法进行预处理,然后再用神经网络分析,与化学分析的偏差作对比.结果表明,去掉多余数据、横向压缩可以减少信息处理量,减少存储空间,提高运算速度,且对精度影响较小;标准化处理对含量较少的成分有优势,对含量大的成分误差太大;对数方法则不适用.     

Van der Pol振荡神经网络的联想记忆

首先扼要介绍了用于联想记忆和模式识别的协同学标准模型，以及求解Ｖａｎ ｄｅｒ Ｐｏｌ方程的慢变幅值和旋转波近似计算方法。在理解分析Ｈ．Ｈａｋｅｎ提出的Ｖａｎ ｄｅｒ Ｐｏｌ振荡神经网络理论基础上，简化了Ｈ．Ｈａｋｅｎ关于该网格具有联想记忆功能的复杂论证过程。