基于深度学习在智能电网中的应用研究

随着科学技术的不断发展,深度学习逐渐引起了人们的注意,在很多领域中被广泛应用并且都取得了很好的成果,推动了智能电网的开发与应用。基于此,结合智能电网的特点,文章阐述了深度学习在智能电网中的应用,希望可以为其他研究者提供参考。     

基于模糊理论海上目标威胁评估的改进算法

应用神经网络,对基于模糊理论的海上目标威胁评估的方法进行改进。首先分析了目标的主要因素,应用模糊理论对其进行量化和归一化处理,然后采用神经网络方法进行威胁评估,提高威胁评估的准确性。     

基于深度学习的短视频智能推荐算法技术

采用目前方法对短视频进行智能推荐时,没有对用户的长短期喜好分别进行考虑,导致点击率和推荐准确率低、综合推荐效果差的问题。提出基于深度学习的短视频智能推荐算法技术,首先提取目标短视频的场景特征和行为特征,从而得到联合特征,然后采用深度学习分别对用户的长短期喜好进行建模分析,最后结合目标短视频的联合特征和用户短视频喜好特征计算相似度和喜好度,选取喜好度最高的若干短视频构成推荐列表,完成短视频的智能推荐。实验结果表明,所提方法具有更高的点击率、推荐准确率和更好的综合推荐效果。     

一种优化的卷积神经网络深度学习算法

为了提高卷积神经网络的识别精度,提出网络权值优化操作。构建SOM网络对样本进行预学习,从而自组织地挖掘样本的本质分布,并且计算网络的学习精度,将最优学习结果的神经元用于初始化卷积神经网络;而后对卷积神经网络总体权值进行迭代,记录最佳模型作为识别网络,实验结果表明优化后的卷积神经网络识别精度得到了提高。     

改进的威胁评估算法及其在目标分配中的应用

针对防空一体化作战的复杂性、实时性特点,提出了在威胁评估基础上进行目标分配的方法,建立了融合态势优势、空战能力优势和防空要地危急程度的威胁评估模型,通过对战机距离、速度、角度及防空要地属性等参数的设置将该模型应用于防空作战的目标分配过程。最后给出了仿真算例,验证了该模型的可用性和有效性。     

基于深度学习的财务异常数据智能分析方法研究

财务数据的舞弊严重损害了相关者的利益,且阻碍了经济的健康发展.针对如何更准确、有效地辨别企业财务数据异常问题,文中基于深度学习理论提出了智能分析企业财务数据异常的模型,构造差额的方法将非时序性指标转化为时序性指标,并利用具有4层隐藏层的卷积神经网络对构造的时序性财务数据进行分类评估分析.采用实际财务数据进行了数据测试与...     

基于LSRBF神经网络的空战目标威胁评估

提出了-种基于Log-Sigmoid型径向基(简称LSRBF)神经网络的空战目标威胁评估方法.采用威胁指数法量化各因素的威胁度,运用工程模糊集方法确定因素的权重系数,在此基础上合成目标总的威胁指数,作为网络的初始训练样本.根据专家经验对不合理样本进行调整校正,得到最终的训练样本,供LSRBF神经网络训练使用.采用标准梯度下降法与指数梯度下降法相结合的学习算法,保证网络具有较强的鲁棒特性.仿真实验结果表明,LSRBF神经网络具有很好的函数逼近性能,可以成功地完成空战目标的威胁评估.     

基于深度学习的人脸识别算法浅析

相较于指纹识别、虹膜识别、声纹识别,人脸识别具有自然、便捷、体验友好的特征,成为大多数人认可的生物识别技术。近年来,随着GPU技术的成熟和数据集规模越来越大,让人脸识别技术的关注方向从基于手工特征的传统方法和传统的机器学习技术转移到使用大数据集训练的深度神经网络。现在,基于深度学习的人脸识别技术在人证比对、实名认证、人机交互、考勤、安防、美颜、趣味拍照、直播、微动作识别(疲劳驾驶、课堂听讲、罪犯审判)等领域得到了广泛的关注。文章首先简述人脸识别的发展历程,之后从深度学习方法、人脸数据集、网络结构、损失函数这四个方面,对目前流行的基于深度学习方法的人脸识别技术做一个较为详细的综述。     

基于深度学习的空海防御智能态势认知技术研究

在现代空海防御的信息作战中,智能态势认知是实现战场透明化、降低信息复杂度、提升空海防御作战指挥决策能力的前提和基础。针对空海防御智能态势认知相关问题进行探索研究,重点分析了其概念内涵和面临的巨大威胁与挑战等,提出复杂空海信息对抗条件下态势信息数据表征、融合处理、意图推理等核心能力需求,在此基础上结合人工智能的自主、超强学习能力,构建了基于深度学习的空海防御态势认知体系,开展智能认知技术应用探索,为其发展提供了良好思路。     

基于变权模糊综合评判的目标威胁评估算法

研究了预警机指挥多编队作战对空中突防目标进行威胁评估的问题.首先介绍了模糊数学中的模糊变换和模糊综合评判原理,然后以预警机指挥控制系统为例,基于多属性决策,分析了与目标威胁程度大小有关的6个重要因素,建立目标的威胁评估模型,最后提出基于变权模糊综合评判的目标威胁评估算法.由于是同时考虑各因素对于威胁准则和内部之间的相对重要性得到的权值,使得该算法的权值分配结果更加准确,有效弥补了专家主观赋值的不足.通过算例分析,验证了变权思想下该算法的有效性以及精度更高的优点.     

基于极限学习机的目标智能威胁感知技术

空中目标威胁感知是智能空战的关键技术之一。针对空中目标威胁评估问题,提出一种基于极限学习机的目标威胁智能感知策略。该方法首先提取目标威胁评估的高权重态势因子,并采用隶属度函数进行归一化数值解译;然后,借助专家知识采用极限学习机理论对威胁感知的输入输出数据进行建模,构建智能感知推理模型;最后,建立基于极限学习机的目标威胁智能感知流程。仿真结果表明,该算法具有较高的威胁感知精度以及较好的算法实时性。     

一种基于深度学习的视觉里程计算法

近年来,视觉里程计广泛应用于机器人和自动驾驶等领域,传统方法求解视觉里程计需基于特征提取、特征匹配和相机校准等复杂过程,同时各个模块之间要耦合在一起才能达到较好的效果,且算法的复杂度较高.环境噪声的干扰以及传感器的精度会影响传统算法的特征提取精度,进而影响视觉里程计的估算精度.鉴于此,提出一种基于深度学习并融合注意力机...     

Nanomesh-YOLO: Intelligent Colorimetry E-Skin Based on Nanomesh and Deep Learning Object Detection Algorithm

Perspiration is an important physiological process that maintains thermal homeostasis and water–salt balance. However, the collection and analysis of perspiration currently rely on microfluidic technology and colorimetric assays. The complexity and high cost of fabricating microfluidic channels and the insecurity of chemical reagents for color reactions should be optimized. In this work, a colorimetry electronic skin (e-skin) for intelligent perspiration monitoring has been realized. The colorimetry e-skin system consists of the polyurethane (PU) nanomesh and the object detection algorithm You Only Look Once version 3 (YOLOv3). Due to the 44% porosity of the PU nanomesh and capillary action, the low-cost PU nanomesh (<1 cent) can be used as the colorimetric indicator. The volume of the PU nanomesh expands to 362.37% as a result of perspiration being absorbed and changes the optical transmittance (up to 277.78%). A finite element model based on capillary action has been proposed to explain the change in optical transmittance. Finally, a database containing 735 images has been built, and the object detection algorithm YOLOv3 is used to analyze the perspiration absorbed by the PU nanomesh. The detection results can identify the perspiration volume with a high accuracy of 97%. These results show that this work has great potential in healthcare field.     

基于层次分析法与模糊运算的威胁评估算法

威胁评估属于多因素决策问题,涉及的因素很多,而且各因素威胁程度的等级没有明确的界限,具有模糊性。将层次分析法和模糊理论结合起来用于威胁评估,有效地发挥了层次分析法和模糊运算各自的优越性,结合某舰艇防空作战系统给出了该方法的评估过程,对算法进行了示例分析,为作战指挥决策提供了一个更为科学合理的理论方法。     

一种基于深度增强学习的智能路由技术

随着网络规模的不断增大以及网络复杂度的不断提高,传统路由算法面对网络流量在时空分布上的剧烈波动难以兼顾计算复杂度和算法效率.近年来,随着软件定义网络和人工智能技术的兴起,基于机器学习的自动路由策略生成逐渐受到关注.本文提出一种基于深度增强学习的智能路由技术SmartPath,通过动态收集网络状态,使用深度增强学习自动生成路由策略,从而保证路由策略能够动态适应网络流量变化.实验结果表明,本文所提出的方案能够不依赖人工流量建模动态更新网络路由,在测试环境下比当前最优方案减少至少10%的平均端到端传输时延.     

基于多智能体模糊深度强化学习的跳频组网智能抗干扰决策算法

为提高复杂电磁环境下跳频异步组网的抗干扰性能,该文提出一种基于集中式训练和分散式执行框架的多智能体模糊深度强化学习(MFDRL-CTDE)算法。针对多种干扰并存的复杂电磁环境和异步组网结构,设计了相应的状态-动作空间和奖赏函数。为应对智能体之间的相互影响和动态的环境,引入集中式训练和分散式执行(CTDE)框架。该文提出基于模糊推理系统的融合权重分配策略,用于解决网络融合过程中各智能体的权重分配问题。采用竞争性深度Q网络算法和优先经验回放技术以提高算法的效率。仿真结果表明,该算法在收敛速度和最佳性能方面都具有较大优势,且对多变复杂电磁环境具有较好的适应性。     

一种基于深度学习的异常数据清洗算法

在物联网(IoT)中采用合适的异常数据清洗算法能极大地提升数据质量。许多研究人员采用统计学方法或分类聚类等方法对时-空相关数据进行清洗。但这些方法需要额外的先验知识,会给汇聚节点带来额外的计算开销。该文根据低秩-稀疏矩阵分解模型,提出一种基于深度神经网络的快速异常数据清洗算法,来解决物联网中时-空相关数据的清洗问题。结合感知数据的时-空相关性和异常值的稀疏性,将异常数据清洗问题转换为优化问题,并采用迭代阈值收缩算法(ISTA)求解该优化问题,再将ISTA算法展开成一个固定长度的深度神经网络。实际数据集的实验结果表明,该方法能够自动更新阈值,比传统的ISTA算法收敛速度更快,精度更高。     

基于深度学习机制的火警协议智能分析模型

火灾自动报警器品牌和型号众多,不同品牌或型号的数据协议均有所不同,这为智慧消防的信息集成增加了难度。为解决这一问题,文中提出一种将深度学习技术与火警协议分析模型相结合的SSAESMFA模型。该模型基于栈式稀疏自动编码器和Softmax回归,能够通过对已知消防设备的协议数据进行深度学习,实现对未知协议数据的识别。经过训练,SSAESMFA对协议数据的识别准确率能达到99.83%,实验表明,该模型有较高的对消防设备协议数据的特征提取分类能力,可有效提高智慧消防的信息集成效率。