会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

海堤越浪量的物理模型试验及人工智能算法模型预测_倪琦

通过物理模型试验,研究不规则波作用下,平均破波参数、相对坡肩宽度、相对防浪墙高度和相对堤顶超高对海堤越浪量的影响,采用人工智能算法构建海堤越浪量的预测模型,并结合实际工程进行验证。结果表明,海堤越浪量随平均破波参数的增大而增大,随其余3个影响因素的增大而减小,越浪量与这4个因子具有复杂的非线性函数关系；人工智能算法模型具有良好的预测精度和泛化性能,测试组超过90%的数据预测误差控制在±10%范围内。

  • 2021-04-22
  • 阅读844
  • 下载0
  • 6页
  • pdf

基于改进的隐马尔可夫模型的新闻推荐算法_张丹 （1）

推荐系统已经应用到各行各业中,新闻推荐也应运而生。用户在阅读新闻时一般是时间序列的形式,然而,传统的新闻推荐算法很少考虑用户浏览行为的时间序列特征。因此,它并不能有效地预测用户阅读的下一篇新闻。针对这一问题,将隐马尔可夫模型融入到新闻推荐算法中,根据用户的阅读轨迹,找到用户下一时刻阅读概率最高的新闻。在此基础上,加入状态驻留时间元素,将隐马尔可夫模型的五元素扩展为六元素,以此来提高推荐准确度。为证明解决方案的有效性,与其他的新闻推荐算法进行了对比,结果显示论文算法在F1指标上约提高了14%。

  • 2021-04-21
  • 阅读536
  • 下载0
  • 6页
  • pdf

基于Hammerstein模型的非线性系统参数辨识算法研究_李蓓蕾

为了提高非线性系统参数的辨识精度,以典型的非线性系统Hammerstein模型为例,结合莱维飞行（Levy）算法对标准粒子群优化（PSO）算法进行改进。首先回顾了对于非线性系统辨识算法的发展及存在问题；其次介绍以Levy算法结合PSO算法对非线性系统辨识的整体流程；然后将改进后的算法应用于两个Hammerstein模型中,对模型参数进行辨识,完成对剔除算法的验证；最后对Levy-PSO算法存在的问题做出总结,以及未来的发展方向。通过对基本粒子群和改进的粒子群算法进行仿真对比分析,实验结果表明改进的算法能显著提高辨识速度,有效改善基本粒子群算法的过早收敛问题,并且提高了辨识精度。

  • 2021-04-21
  • 阅读682
  • 下载0
  • 6页
  • pdf

基于金字塔模型和注意力机制的YOLO_V3目标检测算法_高建瓴

YOLO V3作为一种多尺度的目标检测算法,结构简单,可快速检测。但在训练过程中,由于底层的卷积层中包含较多的目标细节信息,而通过不断的卷积,底层的信息会被逐渐淡化掉。针对于此,本文利用改进的金字塔结构,将浅层特征图的细节信息和高层的语义特征信息进行融合,从而提高检测效果。在特征提取网络的残差连接中加入注意力机制,使得具有注意力效果的梯度能流入更深的网络中,通过在YOLO V3中加入注意力机制提升检测精度。即提出一种基于金字塔模型和注意力机制的YOLO V3目标检测算法。将改进后的算法和原有算法在COCO 2014数据集上进行对比实验,结果表明改进后的YOLO V3算法在mAP上有所提升,证明了它的可行性。

  • 2021-04-21
  • 阅读630
  • 下载0
  • 6页
  • pdf

基于深度学习VGG网络模型的海洋单细胞藻类识别算法_王羽徵

为更好地对海洋中单细胞藻类进行有效识别,本研究提出了基于改进式VGG16网络模型的单细胞藻类识别算法—AlgaeNet,在传统VGG网络模型基础上,通过减少卷积核数量,并添加BatchNormalization层进行神经网络模型加速。结果表明:在相同试验条件下,本研究中提出的AlgaeNet算法在训练过程中的损失值收敛速度及对测试集样本（卵形小球藻Chlorella ovalis与小等刺硅鞭藻Dictyocha fibula Ehrenberg）的预测准确率上升速度较传统VGG、AlexNet网络模型优势明显,识别准确率可达99.317%。研究表明,基于改进式VGG16网络模型的单细胞藻类识别算法AlgaeNet在单细胞藻类识别领域具有较好的分类识别性能,可实现海洋中藻类的准确识别。

  • 2021-04-21
  • 阅读862
  • 下载0
  • 6页
  • pdf

机器视觉算法与CRNN网络相结合的热轧钢卷号识别模型开发_顾佳晨

为了提升轧钢区域的物流效率,需要自动识别某钢厂的热轧钢卷号,但由于钢卷号弯曲弧度较大,且有位置偏转,传统的机器视觉方法无法有效识别。为此,提出了机器视觉算法与卷积循环神经网络（convolutional recurrent neural network,简称CRNN）相结合的方法构建识别模型。根据字符区域亮度较高的特点,通过组合使用高斯滤波、sobel边缘化算子、最大类间方差法OTSU等机器视觉算法分割出字符区域并旋转至水平角度；然后应用CRNN深度学习网络对分割后的字符图片进行特征提取和字符识别。通过在928张现场图片上测试,正确识别803张,总体准确率达到86.53%,这说明算法对解决此类工程字符识别（optical character recognition,简称OCR）问题是有效的。

  • 2021-04-21
  • 阅读1098
  • 下载0
  • 6页
  • pdf

一种面向不规则的无线电传播模型下的节点定位算法_葛文庚

由于信号衰减、阴影以及干扰等原因，节点不具有圆形的无线电传播模型（Radio Propagation Pattern， RPP）。而多数的传统定位算法假定节点的RPP是圆形的。为此，提出面向非圆形无线电传播模型（Radio Propagation Pattern， RPP）的基于人工神经网络（Artificial Neural Networks， ANNs）的加权质心定位算法 （Artificial Neural Networks-Based Weighted Centroid Localization， ANNs-WCL）。ANNS-WCL定位算法先利用新的测距算法估计未知节点与锚节点间的距离，然后，再利用ANNs修正由非圆形RPP所产生的测距误差。最后，利用加权质心定位算法估计未知节点位置。仿真结果表明，与传统的非测距定位算法相比，ANNS-WCL算法的根均方定位误差得到有效地下降。

  • 2021-04-21
  • 阅读835
  • 下载0
  • 6页
  • pdf

基于InSAR技术和SA_SVR算法的矿区沉降预测模型_张予东

为了解决矿区沉降预测模型精度低、预测模型与实际开采情形不符的问题,提出了一种基于合成孔径雷达干涉测量（Synthetic Aperture Radar Interferometry,InSAR）技术、支持向量回归算法（Support Vector Regression,SVR）以及模拟退火算法（Simulated Annealing,SA）相结合的新型矿区沉降预测模型。首先,以InSAR技术获取矿区沉降监测数据,对数据进行处理得到测试点的累计沉降量,并将其与GPS实际测量结果进行比较,发现二者吻合性较好。然后,进行矿区沉降预测模型构建,通过SVR算法得到静态沉降预计模型,再利用SA算法得到模型中的参数最优取值。为了使预测数据符合矿区开采实际情况,引入嵌入维数公式,得到矿区沉降预测动态模型及精度评价指标。最后,将构建的沉降动态模型应用于陕西省大柳塔矿区,得到预测值和实际监测值之间绝对误差的最大值为9 mm,相对误差的最大值为3%；模型评价指标通过计算得到试验区平均绝对误差的最大值为2.5%,最小的相关性指数为0.8,表明该模型预测精度较高。

  • 2021-04-21
  • 阅读855
  • 下载0
  • 6页
  • pdf