Kohonen网络与NNFR模型的集成应用

本文通过对小区供热站结构和运行特点的分析,将其化分为两个子系统燃烧换能子系统和热网负荷子系统;并对NNFR模糊系统模型进行了改进,将其应用到小区供热站关键控制参数预测上,取得了良好的效果.     

基于ZigBee的嵌入式小区监控系统的研究

随着人们生活水平的提高,居民对住宅要求也有了新的标准,尤其是居民密切关注的小区安全问题,信息技术的出现与不断更新恰好为此提供了便利。目前大多数小区都已经实现了智能监控,保障了小区的安全稳定。因此,本研究主要对基于ZigBee的嵌入式小区监控系统进行分析,本系统由家庭子系统、视频监控子系统和总监控系统组成,可实现小区住户及小区内环境的全方位监控。     

基于Intranet的可视对讲的联网设计与实现

由于某小区在智能化设计时,考虑到地质条件和当时的技术,未将可视对讲子系统进行整个小区的联网设计.但在现在条件具备的情况下,从投资者角度考虑,决定通过安防监控系统实现可视对讲子系统在整个小区中的联网.本文就是为满足这一要求,通过设计可视对讲联网器来实现可视对讲系统在小区中的联网功能.     

基于Intranet的可视对讲的联网设计与实现

由于某小区在智能化设计时,考虑到地质条件和当时的技术,未将可视对讲子系统进行整个小区的联网设计。但在现在条件具备的情况下,从投资者角度考虑,决定通过安防监控系统实现可视对讲子系统在整个小区中的联网。本文就是为满足这一要求,通过设计可视对讲联网器来实现可视对讲系统在小区中的联网功能。     

弯管流量计及其应用

今年5月我院承担了青岛热电公司新园小区集中供热工程3×10t/h热水锅炉的设计任务,对锅炉出水流量、补水流量的计量,选用了节流孔板流量计.对此,用户提出孔板流量计压损大、维修量大等缺点,要求改用弯管流量计.通过调查,该公司下属热电厂及6个供热站均使用了弯管流量计,且使用效果良好.因此,将新园小区集中供热工程中的流量计量均改用弯管流量计,现已运行了一个采暖期.     

智能小区管理系统集成平台的研究与实现

目前小区“智能化”仅体现在各个功能子系统的智能性,即各子系统拥有先进的智能化设备和管理软件,但子系统之间相互独立,缺乏对子系统的集中控制和管理,信息共享和沟通存在极大障碍.针对这一状况,本文以综合布线网络系统为物理平台,综合应用功能集成、技术集成和信息集成等集成技术,讨论了智能小区的一体化集成管理方案,给出了集成平台结构,并在JAVA平台予以实现.实践表明,通过该集成平台,可以实现各个系统的互联和信息共享,实现小区真正的智能化、信息化管理.     

住宅小区安全系统设计

给出一种住宅小区安全系统设计方案，包括家庭安全子系统、小区内公共安全子系统、小区周边安全子系统及小区住宅保安中心四个部分，实现住宅小区的全面监控。     

现代化小区综合布线方案设计

为适应信息化、网络化的发展,需要为现代化小区设计一套实用的综合布线方案。从方案确定、拓扑结构、详细设计等各方面阐述现代化小区结构化综合布线的设计过程,详细介绍了各个子系统包括工作区子系统、水平子系统、垂直子系统(建筑物主干子系统)、建筑群主干子系统、管理间子系统、设备间子系统等的设计原则,设计时需考虑的问题,使用的设备及应遵循的标准等。     

基于逆向思维的系统可靠性精确分配模型

为了实现系统可靠性设计后期可靠度的精确分配,提出一种采用逆向思维,利用神经网络能够通过学习逼近任意非线性映射的能力,对系统可靠度进行精确分配的方法.以前期可靠性试验数据为基础,分析各子系统可靠度及自身约束条件变化过程中,系统可靠度的变化程度,从而获得子系统可靠度变化对系统整体可靠性影响的程度,作为可靠性分配的依据.将系统可靠度及两两对应子系统自身约束条件作为输入,同时以相对的子系统可靠度比值作为输出,对误差反向传播(BP)神经网络和径向基函数(RBF)神经网络进行训练,并对比较了测试结果,得出了系统可靠度精确分配的神经网络模型.     

智能小区各系统数据交换格式选择分析

近年来国家对智能小区的提出和大量投入,使得智能小区快速发展,同时伴随着物联网,云计算的快速发展都给智能小区的快速实现提供了保障。智能小区是一个大的集成系统,其拥有众多子系统,每天需要传输交换大量的数据,数据交换的格式的正确选择对整个智能小区系统的正常高效运行起了关键性的决定作用。本文对智能小区系统的数据交换特点和数据量进行了说明,并根据这些特点分析研究了几种数据交换格式——XML,JSON,Protocol Buffers,EXI。本文对这几种数据交换格式进行了比较分析,分析了它们的优,缺点,使用范围以及     

卷积神经网络模型剪枝结合张量分解压缩方法

针对卷积神经网络（CNN）拥有巨大的参数量及计算量,限制了其在嵌入式系统等资源受限设备上应用的问题,提出了基于统计量的网络剪枝结合张量分解的神经网络压缩方法,其核心思想是以均值和方差作为评判权值贡献度的依据。首先,以Lenet5为剪枝模型,网络各卷积层的均值和方差分布以聚类方式分离出提取特征较弱的滤波器,而使用保留的滤波器重构下一层卷积层;然后,将剪枝方法结合张量分解对更快的区域卷积神经网络（Faster RCNN）进行压缩,低维卷积层采取剪枝方法,而高维卷积层被分解为三个级联卷积层;最后,将压缩后的模型进行微调,使其在训练集上重新达到收敛状态。在PASCAL VOC测试集上的实验结果表明,所提方法降低了Faster RCNN模型54%的存储空间而精确率仅下降了0.58%,同时在树莓派4B系统上达到1.4倍的前向计算加速,有助于深度CNN模型在资源受限的嵌入式设备上的部署。     

基于广义回归网络的动态权重回归型神经网络集成方法研究

神经网络集成技术能有效地提高神经网络的预测精度和泛化能力,已成为机器学习和神经计算领域的一个研究热点。针对回归分析问题提出了一种动态确定结果合成权重的神经网络集成构造方法,在训练出个体神经网络之后,根据各个体网络在输入空间上对训练样本的预测误差,应用广义回归网络来动态地确定各个体网络在特定输入空间上的权重。实验结果表明,与传统的简单平均和加权平均方法相比,本集成方法能取得更好的预测精度。     

基于广义回归网络的动态权重回归型神经网络集成方法研究*

神经网络集成技术能有效地提高神经网络的预测精度和泛化能力,已成为机器学习和神经计算领域的一个研究热点。针对回归分析问题提出了一种动态确定结果合成权重的神经网络集成构造方法,在训练出个体神经网络之后,根据各个体网络在输入空间上对训练样本的预测误差,应用广义回归网络来动态地确定各个体网络在特定输入空间上的权重。实验结果表明,与传统的简单平均和加权平均方法相比,本集成方法能取得更好的预测精度。     

基于改进Faster R-CNN的钢轨踏面块状伤损检测方法

针对钢轨踏面块状伤损存在的尺度变化大、样本数据集小的问题,提出了基于改进Faster R-CNN的钢轨踏面块状伤损检测方法。首先,基于ResNet-101基础网络结构来构建多尺度特征金字塔（FPN）,以实现深、浅层特征信息的融合,从而提高了小尺度伤损的检测精度;然后,采用广义交并比（GIoU）损失解决了Faster R-CNN中回归损失SmoothL1对预测边框位置不敏感问题;最后,提出引导锚定的区域提名网络（GA-RPN）方法,从而解决了区域生成网络（RPN）生成的锚点大量冗余而导致的检测网络训练中正负样本失衡问题。训练过程中,基于翻转、裁剪、噪声扰动等图像预处理方法对RSSDs数据集进行扩充,解决了钢轨踏面块状伤损训练样本不充足问题。实验结果表明,所提改进方法对钢轨踏面块状伤损检测的平均精度均值（mAP）可达到82.466%,相较于Faster R-CNN提高了13.201个百分点,能够更加准确地检测钢轨踏面块状伤损。     

电信IP承载网安全防御

IP承载网的安全防御是保障电信运营商网络安全的关键,也是信息安全领域的一个热门课题。本文首先分析了IP承载网面临的安全风险,然后介绍了完善的安全体系架构,并提出了一个基于安全域、有针对性地部署安全防御策略的解决方案。     

粗糙集在神经网络中应用技术的研究*

通过对有关粗糙集与神经网络相结合的研究现状,关键技术和发展趋势进行分析,给出了一个三维应用框架,并介绍了粗糙集用于数据预处理、神经元设计和粗糙集用于神经网络结构设计几个方面的应用现状,并给出了粗糙集在神经网络中应用的关键技术。     

粗糙神经网络及其在中医智能诊断系统中的应用

文章利用Rough Set技术对人工神经网络进行预处理,求取核属性,构造粗糙人工神经网络, 并应用到中医类风湿病分型诊断建模。计算机仿真结果证明了用Rough Set辅助设计人工神经网络,改善了网络的学习能力,并在实践取得了满意的效果。     

基于神经网络集成的数据分析

神经网络集成通过训练多个神经网络并将其结论进行适当的合成,可以显著地提高学习系统的泛化能力.然而,设计一个好的神经网络集成必须在个体准确性与彼此差异性之间取得一个平衡.本文提出了一种改进的神经网络集成构造方法--基于噪声传播的神经网络集成算法(NSENN).     

神经网络集成的设计与应用

传统的神经网络一般采用个体网络,其应用效果很大程度上取决于使用者的经验,且网络的泛化能力不强.一种改进的神经网络集成方法,为传统神经网络存在的问题提供了一个简易的解决方案.由理论分析和实验结果可以得出结论,神经网络集成方法比传统的个体网络方法的效果更好.     

应用通道增强MSER与CNN的维吾尔文本区域定位

为了准确有效地定位出图像中的维吾尔文本区域,提出了一种基于通道增强最大稳定极值区域（Maximally Stable Extremal Region,MSER）和卷积神经网络（Convolutional Neural Network,CNN）的图像文本区域定位方法。应用通道增强MSER提取候选区域,根据文本特征的启发式规则以及CNN分类结果去除非文本和重复区域,通过区域融合算法得到词级别文本区域,根据该区域的色彩相近程度和空间关系召回遗漏的文本区域,并通过CNN网络对召回的区域分类融合,定位出图像文本区域。实验结果表明,该方法可以准确有效地定位文本区域,具有鲁棒性和应用性。