基于灰色模型与ARIMA模型的股票价格预测

以三只股票的历史数据作原始序列,建立了GM(1,1)模型与ARIMA自适应过滤组合模型.分析两种模型的应用场景,并以ARIMA模型为基础建立股价反转判断模型.实验证明,所建立的模型在短期内的拟合、预测与反转判断效果较为理想.     

湖南广播电视台国际频道新增百万中国香港用户“文化出海”擦亮电视湘军品牌

2021年1月20日00:00,湖南广播电视台国际频道进入中国香港有线网络,新增百万中国香港用户。此外,中国香港150多家四星以上酒店也将同步可以收看到湖南国际频道。其独立运营的湖南省外宣融媒体矩阵现已集结了30余家新媒体平台,并在Youtube、Titter、Instagram、Facebook等海外平台实现自主全维运营。     

对网络摹仿签字的检测与识别研究

互联网时代,不同于传统摹仿签字的网络签字服务发展迅速.本文对当前网络摹仿签字首先进行了收集,接着,分别与摹本进行特征标识和比对,并就如何检测与识别这种摹仿签字进行了研究,最后,得到了对其进行检测与识别的依据和思路,为网络摹仿签字的检测与识别提供了有益的帮助.     

5G技术在医院智能服务中的应用

纵观当今的发展格局,是科学技术高速发展的时代。随着5G时代的来临,网络技术在各个领域中扮演着越来越重要的角色。特别是在医疗方面,为医院的日常工作奠定了坚实的基础。今天就5G网络技术在医院只能服务中的应用展开谈论。     

基于全局优化与深度学习的条形码识别方法

提出了一种在深度神经网络的基础上结合全局优化方法的条形码识别算法,利用卷积循环网络提取出条码中各字元的特征并进行分类,较传统方法具有更强的适应性与泛化能力,再进一步结合全局优化的方法,以达到充分利用条码结构性先验信息的目的,能显著提升方法的效果,尤其是将全局优化方法引入到神经网络中进行端到端学习,不仅保持了两者的优势同时还进一步提高了识别精度.实验结果证明了所提方法的有效性,达到约99.48％的识别精度,超越了传统的图像处理方法.     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

Joint Beamforming Optimization for Reconfigurable Intelligent Surface-Enabled MISO-OFDM Systems

In this paper,we investigate the reconfigurable intelligent surface(RIS)-enabled multiple-input-single-output orthogonal frequency division multiplexing(MISO-OFDM)system under frequency-selective channels,and propose a low-complexity alternating optimization(AO)based joint beamforming and RIS phase shifts optimization algorithm to maximize the achievable rate.First,with fixed RIS phase shifts,we devise the optimal closedform transmit beamforming vectors corresponding to different subcarriers.Then,with given active beamforming vectors,near-optimal RIS reflection coefficients can be determined efficiently leveraging fractional programming(FP)combined with manifold optimization(MO)or majorization-minimization(MM)framework.Additionally,we also propose a heuristic RIS phase shifts design approach based on the sum of subcarrier gain maximization(SSGM)criterion requiring lower complexity.Numerical results indicate that the proposed MO/MM algorithm can achieve almost the same rate as the upper bound achieved by the semidefinite relaxation(SDR)algorithm,and the proposed SSGM based scheme is only slightly inferior to the upper bound while has much lower complexity.These results demonstrate the effectiveness of the proposed algorithms.     

基于可穿戴传感器数据的人体行为识别数据特征提取方法

随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.     

基于PMU的电力系统监控体系结构优化设计

文中提出了一种利用有限数量的相量测量单元(PMU)和相量数据集中器(PDC)设计最优监控结构的方法。通过在大量的设定值场景下,使电力系统可观测性曲线的期望值最大化,同时使通信基础设施成本最小化,最终确定PMU和PDC的最佳位置。提出了一种非线性动态扩展卡尔曼滤波(EFK)状态观测器。这种状态观测器可以将暂态行为转换为由代数微分方程描述的广域电力系统,而无需非线性反演技术。最后以IEEE-5电力系统为例,说明了该方法的有效性。     

超高压处理对牦牛肉贮藏性能的影响

牦牛肉分别经200、400、600 MPa超高压处理480 s，测定4°C条件下贮藏0、4、8、12、16 d后感官、pH、微生物、色泽、蛋白质与脂质氧化情况，以探讨超高压处理对牦牛肉贮藏期内品质的影响。结果表明：超高压处理可以显著降低贮藏期内牦牛肉的菌落总数、总挥发性盐基氮含量（total volatile basic nitrogen, TVB-N）(P<0.05)，延长保质期，且经贮藏4～8 d后能良好保持牦牛肉的感官品质。经超高压处理后牦牛肉L*值、b*值显著增大（P<0.05）,a*值在400 MPa时显著增大（P<0.05）并在贮藏期内维持在最高水平，且400 MPa组各类肌红蛋白（Myoglobin, Mb）含量也表现出良好的肉色稳定性，但a*值在其他压力处理后显著减小（P<0.05）。但经超高压处理后牦牛肉肌原纤维蛋白（Myofibrillar Protein, MP）羰基含量与表面疏水性增高、巯基含量降低，TBARS值升高。Pearson相关性分析结果也表示超高压处理后牦牛肉品质的变化与压力、蛋白质氧化、脂质氧化和微生物相关（P<0.05...