SW-BiLSTM: a Spark-based weighted BiLSTM model for traffic flow forecasting

Accurate traffic flow forecasting (TFF) is significant for mitigating traffic congestion. To address the existing issues of calculation and storage in dealing with big traffic flow data using the traditional centralized models on a single machine, this paper presents a Spark-based Weighted Bidirectional Long Short-Term M emory (SW-BiLSTM) model to improve the robustness and accuracy of TFF. Specifically, the resilient distributed dataset (RDD) and the Kalman filter (KF) are utilized to preprocess large-scale trajectory data (e.g., GPS trajectories of taxicabs). Next, a distributed SW-BiLSTM model on Spark is put forward to enhance the accuracy and efficiency of TFF, combined with the normal distribution for weighing the influence degree of the interaction between adjacent road segments and the time window for implementing the optimization of BiLSTM. Finally, the experimental results on an empirical study with the real-world taxi GPS trajectory data indicate that, compared with ARIMA, LR, GNB, CNN, GRU, SAEs, BP, LSTM, and WND-LSTM (LSTM with a time window and a normal distribution), the MAPE value of SW-BiLSTM is decreased by 65.62%, 17.78%, 87.29%, 69.10%, 3.52%, 21.09%, 59.66%, 42.86%, and 1.22%, respectively. In particular, SW-BiLSTM is superior to BiLSTM with 15.83% accuracy improvement on average.

     

A Geometric Strategy Algorithm for Orthogonal Projection onto a Parametric Surface

Journal of Computer Science and Technology - In this paper, we investigate how to compute the minimum distance between a point and a parametric surface, and then to return the nearest point (foot...     

基于融合FPN和Faster R-CNN的行人检测算法

针对多尺度行人检测的问题,本文提出一种基于融合特征金字塔网络（Feature pyramid networks,FPN）和Faster R-CNN(Faster region convolutional neural network)的行人检测算法。首先,对FPN和区域建议网络（Region proposal networks,RPN）进行融合;然后,对FPN和Fast R-CNN进行融合;最后,在Caltech数据集、KITTI数据集和ETC数据集上分别对融合FPN和Faster R-CNN的行人检测算法进行训练和测试。该算法在Caltech数据集、KITTI数据集和ETC数据集上的mAP (mean Average Precision)分别达到69.72%, 69.76%和89.74%。与Faster R-CNN相比,该算法不仅提高了行人检测精度,而且在多尺度行人检测的问题上也获得了较为满意的检测效果。     

语言真值格值命题逻辑中的α-语义归结方法

语言值智能信息处理是人工智能的一个重要研究方向,基于归结原理的自动推理因易于在计算机上实现而得到广泛研究。为了提高基于语言真值格值逻辑的α-归结原理的效率,将语义归结策略应用于α-归结原理,研究了基于格值逻辑的归结自动推理方法。首先给出了语言真值格值命题逻辑系统的α-语义归结与L_nP(X)中相应归结水平的语义归结之间的等价性,并通过实例说明其有效性。接着,给出了语言真值格值命题逻辑系统的α-语义归结算法,并证明了该算法的可靠性和完备性。     

射频溅射功率对非晶Zn-Sn-O薄膜性能的影响

使用射频磁控溅射法,基于不同溅射功率(58、79、116、148和171W)条件在玻璃基底上室温制备了Zn-Sn-O(ZTO)薄膜,并探讨了溅射功率对薄膜的结构、电学性能和光学性能的影响。结果表明,提高溅射功率有助于提升薄膜的沉积速率;XRD分析表明不同溅射功率条件下制备的ZTO薄膜均具备稳定的非晶结构;随着溅射功率的增加,薄膜的电阻率下降,光学吸收边“红移”(光学禁带宽度从3.77eV减小到3.62eV);整体来看,在58~148W溅射功率范围内制备的ZTO薄膜具备较好的可见光透明性,其在380~780nm可见光范围内的平均透过率均超过85%。     

可变偏振光注入垂直腔面发射激光器的频率诱导偏振双稳

为了探索垂直腔面发射激光器偏振敏感的双稳演 化规律,进一步拓展其在光信息处理领域方面的应 用,本文采用自旋反转模型,数值研究了可变偏振光注入下1 550 nm垂直腔面发射激光器频率诱导偏振双 稳的特性。研究结果表明:在可变偏振角度光注入下,通过沿不同路径扫描频率失谐,垂直 腔面发射激光 器的两个正交偏振分量可在负失谐和正失谐区域产生频率诱导的偏振双稳。对于一确定的注 入强度,注入 光偏振角度的增加可导致负失谐区域的偏振双稳宽度逐渐扩展,而正失谐区域双稳宽度无明 显的变化;给 定适当的注入光角度,较大的注入强度更易于在负失谐区域展宽偏振双稳宽度。此外,在注 入光偏振角度 和注入强度均一定时,不同偏置电流情况下激光器偏振分量的频率诱导双稳宽度存在较大差 异,系统可以 通过合理地调节注入光偏振角以及偏置电流等参量实现对频率诱导偏振双稳的灵活控制。     

面向工艺品个性化定制的图案构型提取与重用

针对工艺品个性化定制过程中知识重用性较低的问题,提出一种图案构型提取与 重用的方法,并以蜡染图案创新设计为例开展研究。首先,将蜡染知识按照工艺品个性化定制 的应用需求进行分类整理,建立蜡染知识库和案例库,并构建两者之间的语义关系,通过本体 语义检索,推荐出符合用户需求的蜡染案例。采用形状上下文法对蜡染图案的纹样进行提取, 结合拓扑学方法建立图案的构型规则。在构型重用过程中提出基于字符编码的改进形状文法, 用于表述纹样填充过程中形状的变换,从而完成了面向工艺品个性化定制的蜡染图案重用。开 发蜡染工艺品个性化定制系统,通过实例验证了该方法的可行性。