基于神经网络的图像描述方法研究

自动识别和描述图像的内容是人工智能中一个重要的研究方向,它涉及计算机视觉和自然语言处理技术。针对这一难题,提出了一种由深层神经网络模型生成自然语言句子来描述图像内容的方法。该方法提出的模型由卷积神经网络(Convolution Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)组成,其中,CNN用来提取输入图像的特征生成固定长度的特征向量,该特征向量初始化RNN来生成句子。在MSCOCO图像描述数据集上的实验结果表明了该模型所生成句子的语法准确性和语义准确性,且优于先前的基线模型。     

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。     

有限记忆对金融资产短期价格的影响分析

从有限记忆的角度分析了不完全理性交易行为对金融资产短期价格的影响并建立了相应的数学模型．通过对模型仿真结果的比较分析得出金融市场上即便信息是对称的，但若存在较大比例的不完全理性交易者，那么金融资产的短期价格变化过程与交易者完全理性情形下的短期价格行为有显著的差异；存在有限记忆交易行为情形下的金融资产的短期价格波动较大．此外，由于存在“有限套利”，因不完全理性交易行为引致的短期价格偏差可能得不到迅速纠正．     

Stateflow在巡航导弹仿真中的应用

介绍了Stateflow的基础知识和基本用法以及基于Stateflow的巡航导弹仿真建模方法。Stateflow是一种基于MATLAB／Simulink和有限状态机理论的图形化离散事件仿真环境，巡航导弹分段弹道模型和制导引信系统都可以很方便的用Stateflow进行建模，使系统仿真更加直观，便捷。     

虚拟机床可视化设计相关技术的研究与应用

介绍了虚拟机床系统设计制作中的主要及关键技术。给出了系统的软硬件平台,说明了虚拟机床三维场景的绘制方法,探讨了机床几何建模和对大数据量的场景进行优化的技术,并就三维鼠标在虚拟制造机床中的应用以及视点控制等关键技术、MFC中关键类的调用等进行了说明。     

基于学习的证券市场专家预测意见合成研究

针对证券市场的专家预测意见的特点，研究了将学习、证据理论与协同学理论引入证券市场专家预测意见合成的理论与方法．讨论了将专家的历史预测数据用基本可信数表示作为学习样本，对初选专家进行聚类分析选择有协同效应的专家．该方法用神经网络优化基本可信数的修正系数，再用Dempster合成规则进行预测意见的合成．实验结果表明该方法应用于解决实际问题时具有较好的效果．     

一种用于模式识别的多色Voronoi图

提出了一种新的Voronoi图———多色Voronoi图 ,并证明了它的一些重要性质。多色Voronoi图是在Voronoi图的构造过程中 ,根据数据集的特性给Voronoi图染色的结果。用多色Voronoi图概念设计的模式分类器(MCVC)是一种非线性多类别最优分类器 ,可以解决线性可分和线性不可分问题 ,同时MCVC对新增加的训练样本具有快速局部学习能力 ,这种局部学习能力克服了神经网络方法常出现的过学习问题 ,很类似于人对概念的学习。将多色Voronoi图概念用于支撑矢量机的构造中 ,进行支撑矢量的预选取 ,可以提高支撑矢量机的学习速度     

从复杂性的观点看学习型组织

传统的直线制组织管理模式的思想基础是机械还原论，不能适应时代发展的要求。学习型组织是针对19世纪、20世纪组织管理的弊端，全球经济的新环境与组织管理的新要求而提出的，是更具人性的复杂性组织。学习型组织重在强调思雏方式的变革，提升系统思雏的能力，从机械观走向系统观。从简单性思维走向复杂性思雏。