多视频源输入系统传输模型的研究

主要介绍了多视频源流的组成,以及各模型在不同负载和缓冲器大小的情况下表现的不同状态,从而可以帮助网络工作根据网络资源的状况选择合适的视频传输模型,进而分析对网络有重要影响的统计特性,以便提高网络性能。     

事故损失风险的预期效用决策方法及其应用

文章基于现代管理科学的一般原理，提出了事故损失风险的预期效用决策方法，并运用这种方法对企业如何预防重大工业灾害，以合理的成本尽可能减少意外事故的损失和对组织及其环境的不利影响，对组织人员、财产、自然、财务资源进行适当保护进行了探讨。     

加权p，q对称熵损失下Poisson分布变异系数的Bayes估计

为更全面研究Poisson分布的估计问题,在加权p,q对称熵损失函数下,讨论了Poisson分布变异系数的Bayes估计,并给出了Bayes估计的置信区间和多层Bayes估计,得到了其具体形式。     

介质损耗角的数字化测量

研究了两种介质损耗角的数字化测量方法即过零点时差法和正弦波参数法，分析了影响测量准确度的因素。在研制的介质损耗角在线监测装置中，由８０９８单片机来测量过零点时差以简化电路。从测量结果中扣除电流、电压通道间的附加相位差；多次测量后，剔除异常值，将平均值作为结果给出，以提高测量准确度。对正弦波参数法，研究了基于最小二乘法和基于三角函数正交性的两种算法，仿真试验说明正弦波参数法具有较高的准确度。据此研制的绝缘参数测量仪的试验结果说明，其性能是满意的。     

IP网络测量探析

随着Internet规模的迅速扩大,网络新业务的不断出现,Internet已经成为一个复杂巨系统,Internet测量越来越受到国际上的关注.本文从网络测量分类、方法、内容的不同角度对当今网络测量进行了综合分析,并提出了网络测量的关键技术,指出当今网络测量的不足与研究趋势.     

基于连续隐Markov模型的理论线损率预测研究

提出一种基于连续隐马尔可夫模型的理论线损率预测方法,运用Baum-Welch参数重估修正公式实现CHMM参数优化,建立CHMM模型。依据CHMM模型概率输出判别各可选仿真模型相对于实际系统的有效性。结果表明,该模型运行速度快,在理论线损率预测中有更高的精度。     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中,许多深度学习网络未能充分考虑局部点之间的复杂关系,导致大量空间几何信息丢失。针对该问题,提出了一个强化局部特征的网络,用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码;通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数,结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验,结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

Predicting the signs of forecast errors

The signs of forecast errors can be predicted using the difference between individuals' forecasts and the average of earlier forecasts of the same variable. It is possible to improve forecasts without worsening any. It is difficult to reconcile this result with the rational expectations hypothesis because the average of earlier forecasts is in the information set of the forecasters. Copyright © 2009 John Wiley & Sons, Ltd.     

热电联产系统的热电分摊机制

针对现有的几种常见的热电分摊机制所存在的问题进行多层次剖析,建立热电分摊的新概念.从能的梯级利用角度分析,在分析法和折合法的基础上建立新的分摊模型,通过数学推导得到损法的数学表达式.损法依据联产系统发电部分和供热部分在能量转化过程中的不同作用以及各自在联产系统相对于分产系统损的减少上的贡献按质进行热电分摊,考虑能量在数量和品质上的差别.与以往的热电分摊模型相比,这种方法概念清晰,物理意义明确,热、电双方均得益,有利于提高热电双方热电生产的积极性.     

面向自动驾驶的多模态信息融合动态目标识别

研究提出一种面向自动驾驶的多模态信息融合的目标识别方法,旨在解决自动驾驶环境下车辆和行人检测问题。该方法首先对ResNet50网络进行改进,引入基于空间注意力机制和混合空洞卷积,通过选择核卷积替换部分卷积层,使网络能够根据特征尺寸动态调整感受野的大小;然后,卷积层中使用锯齿状混合空洞卷积,捕获多尺度上下文信息,提高网络特征提取能力。改用GIoU损失函数替代YOLOv3中的定位损失函数,GIoU损失函数在实际应用中具有较好操作性;最后,提出了基于数据融合的人车目标分类识别算法,有效提高目标检测的准确率。实验结果表明,该方法与OFTNet、VoxelNet和FasterRCNN网络相比,在mAP指标白天提升幅度最高可达0.05,晚上可达0.09,收敛效果好。