基于长短期记忆网络的客流预测模型研究

针对密集场所客流状况复杂,难以准确预测流量的问题,提出一种基于长短期记忆网络的客流监测及预测模型。该模型使用长短期记忆网络作为特征提取器,并结合注意力机制,能够较好地识别和利用历史流量中的长期依赖特征。模型整体上采用端到端的方式搭建,部署上更为灵活。在实际工作中,采用离线训练、在线预测的工作方式确保客流及监测系统的实时性。目前,该模型已经成功地用于上海市城市开放场所客流聚集风险监测系统。     

基于３Ｄ倒谱特征和注意力机制的ＣＮＮ－ＢｉＬＳＴＭ语音情感识别

为了进一步提升语音情感特征的区别性,提出一种基于3D倒谱特征和注意力机制的语音情感识别方法。在提取典型特征MFCC的基础上,融合其一阶和二阶差分形成动态的3D倒谱特征矢量,然后利用卷积神经网络和双向长短期记忆网络搭建双向循环卷积神经网络(CNN-BiLSTM)进行长时建模,并利用注意力机制,进一步增强语音关键性情感特征的权重。实验结果表明,该方法能聚焦特征的有用信息,从而有效提高语音情感识别的准确率,在汉语情感语料库CASIA的准确率达到90.48%。     

基于深度LSTM辅助卷积网络的新型自动调制分类

自动调制分类在无线频谱异常检测和无线电环境感知中将发挥重要作用.随着深度学习算法的突破,调制分类任务可利用神经网络达到前所未有的高分类精确度.文中提出了一种新颖的神经网络,称为长短期卷积深度神经网络(LCDNN).该网络创造性地结合了长短期记忆网络(LSTM)、卷积神经网络(CNN)和深度网络体系结构的优点.该模型无需...     

基于XGBoost和改进LSTNet的气温预测设计

气温变化与人类的生产生活密切相关，对人类出行计划、农林生产以及军事作战等方面都有着重要影响，因此对于大气温度更加精准的预测具有一定现实意义。针对传统预测模型对气温预测精度不佳的问题，提出了一种融合极端梯度提升树(Extreme Gradient Boosting, XGBoost)和改进长短期时序网络(Long and Short-Term Temporal Patterns with Deep Neural Network, LSTNet)的气温预测模型。利用XGBoost进行特征筛选，降低数据维度；利用LSTNet进行改进，在其卷积层嵌入通道注意力(Channel Attention, CA)机制，强化显著特征；把循环神经网络层中的循环门单元(Gate Recurrent Unit, GRU)改为双向长短时记忆网络(Bidirectional Long Short-Term Memory, BiLSTM),并加入了时序注意力(Temporal Attention, TA)机制，使模型拥有同时提取正反向信息的能力且突出了重要时间步的信息；用建立好的模型进行预测实验和对比实验。实验结果...     

融合1D-CNN和LSTM的民航客运量预测模型

在民航客运领域,准确地预测航线每日的客运量对民航公司具有重要的指导意义。循环神经网络能较好地预测民航的客运量,但在准确率,尤其是时间效率方面仍需提高。因此,提出一种融合一维卷积神经网络和长短期记忆网络的客运量预测模型,利用一维卷积神经网络计算代价小和可以识别序列局部模式的特性以及长短期记忆网络可以捕获客运量序列的时间依赖特性,对客运量进行预测。实验结果表明,所提模型在RMSE和MAE评价指标上均优于门控循环单元、时间卷积网络等基准模型,且在效率方面也较具优势。     

基于嵌入注意力机制层级LSTM的音视频情感识别

对于语音的情感识别,针对单层长短期记忆(LSTM)网络在解决复杂问题时的泛化能力不足,提出一种嵌入自注意力机制的堆叠LSTM模型,并引入惩罚项来提升网络性能.对于视频序列的情感识别,引入注意力机制,根据每个视频帧所包含情感信息的多少为其分配权重后再进行分类.最后利用加权决策融合方法融合表情和语音信号,实现最终的情感识别...     

基于卷积长短期记忆网络的说话人辨识

利用卷积长短期记忆网络适合时间序列数据的分类和预测处理特点,文章将含有噪音的语谱图映射到卷积长短期记忆网络的高维空间中聚类,去除噪音,构建GMM-SVM说话人模型,完成说话人辨识。实验表明提出的LSTM-GMM-SVM说话人系统具有很好的鲁棒性和识别率。     

基于时空特征的无线网络流量预测方法

无线网络流量分布具有空间上和时间上的特征,针对传统预测方法对流量分布空间特征的利用不足问题,提出三维卷积神经网络(3D-CNN)和长短期记忆网络(LSTM)相结合的无线网络流量预测模型。首先通过3D-CNN挖掘流量数据的局部时空关联性,并利用空间注意力机制完善全局空间关联的提取;然后使用LSTM模型对抽象时空特征进行训练,并加入了注意力机制缓解循环神经网络的遗忘现象带来的信息损耗。运用此方法对"意大利电信大数据挑战赛"的公开数据集进行训练,其均方根误差(RMSE)和平均绝对误差(MAE)分别降至5.17和3.32,明显优于其他对比预测模型。     

基于GCN-LSTM的频谱预测算法

无线频谱是一项重要的、难以再生的自然资源。在频谱数据中随着信道的动态变化，各个信道不能建模成规则的结构。由于卷积神经网络提取的是规则数据结构的相关性，没有考虑信道动态变化以及各个信道节点之间的相关性影响，基于此研究了基于图卷积神经网络(Graph Convolutional Network, GCN)和长短期记忆(Long Short-Term Memory, LSTM)网络结合的GCN-LSTM频谱预测模型，并且引入了注意力机制，仿真得到了GCN-LSTM在正确数据集和有一定错误数据的数据集上的预测性能和算法运行时间。结果表明在引入注意力机制后，GCN-LSTM预测模型的准确性和实时性都得到了提高。     

融合双层注意力与多流卷积的肌电手势识别记忆网络

针对表面肌电信号(surface electromyography, sEMG)手势识别使用卷积神经网络(convolutional neural network, CNN)提取特征不够充分,且忽略时序信息而导致识别精度不高的问题,本文创新性地提出了一种融合双层注意力与多流卷积神经网络(multi-stream convolutional neural network, MS-CNN)的sEMG手势识别记忆网络模型。首先,利用滑动窗口生成的表面肌电图像作为该模型的输入;然后在MS-CNN中嵌入通道注意力层(channel attention module, CAM),弱化无关信息,使网络能够更加专注sEMG的有效特征;其次,通过长短期记忆网络(long short term memory network, LSTM)对输入的特征进行时序上的激励,关注更多sEMG的时序信息,让网络在时间维度上拥有更强的学习能力;最后,采用时序注意力(time-sequence attention, TSA)层对LSTM的状态进行关注,从而更好地学习重要肌肉信息,提高手势识别精度。在NinaPro数据集上...     

ARMS-EGR—Adaptive ranking and mobile sink-enabled energy-efficient geographic routing protocol in flying ad hoc networks

Unmanned aerial vehicles (UAVs) have become widespread because of their involvement in a variety of applications. The task of designing the energy-efficient routing between UAVs has been considered a matter of great interest due to the inherent challenges of controlling the dynamics exhibited by UAVs. Energy limitations are considered the main limitations of UAVs. This research paper proposes a novel routing protocol, adaptive ranking and mobile sink (MS)-enabled energy-efficient geographic routing (ARMS-EGR) for flying ad hoc networks. In ARMS-EGR, the whole network is partitioned into cells. The cell contains cell members (CM) and cell heads (CHs). The CH works as a cluster head. Additionally, two MSs have been used to collect data captured by CM. Multihop communication on the network leads to an increase in traffic and consumes the energy of the UAVs located near the base station (BS). MSs are used for power distribution and load balancing across the network. Adaptive ranking of forwarder UAVs and CHs is performed during intracell and intercell multihop communication, respectively, using adaptive ranking. A cell with one-hop communication can directly send packets to the MS, but the ARMS-EGR routing protocol has been proposed for multihop communication. The proposed approach is simulated in NS-2.35 software. The results show that end-to-end latency and power consumption during packet transmission are greatly minimized. ARMS-EGR also demonstrates improvements in message success rates, number of alive nodes, and packet delivery ratio, making ARMS-EGR particularly suitable for flying ad hoc networks (FANETs).     

弹性光网络中面向任播业务的节能路由算法

为提高数据中心间光互联网络的能效,面向任播业务提出一种具有业务持续时间感知的混合路径传输节能路由算法.为了减少新建光路和工作元器件数量,优先采用单路径传输;若业务阻塞则以传输能耗最小化为目标进行多路径传输.除此之外,引入基于频谱预留的业务疏导策略来降低保护带宽和光收发器的开销.仿真结果表明:与传统节能路由算法相比,所提算法在显著降低网络能耗的同时,有效避免了业务阻塞率的过度增加,实现了网络能耗与性能的平衡.     

Energy-efficient placement and sleep control of relay nodes in heterogeneous small cell networks

Small cell (SC) provides low-power radio access with a relatively smaller coverage range than a macrocell. It has been regarded as a key solution for offloading traffic in the future 5G system. Previous works on energy-efficient placement of base stations (BSs) in cellular networks introduced placement and sleep control of low-power relay stations (RSs) to reduce the total power consumption for downlink transmission from BSs to users. As compared with legacy RSs, SC can serve as an RS with a larger coverage range though consuming a bit more circuit power. Hence, this work additionally considers to deploy small cells (SCs) in a one-dimensional highway cellular network with BSs and legacy RSs, and further models the power consumption minimization problem for placement and sleep control of legacy RSs and SCs in this network. Since the problem is hard to be solved analytically, a genetic algorithm with dynamic operator-selection mechanism is further proposed to resolve this problem. Performance of the proposed algorithm is evaluated via simulation with a practical experimental parameter setting.     

能效最大化的无人机群三维部署策略分析

为了实现大规模随机分布的地面用户全覆盖,提出了基于系统能效最大化的无人机群三维(3D)部署方案,旨在满足用户QoS条件下实现用户“零冗余全覆盖”,同时优化无人机发射功率以提升系统能效。首先通过MCK(Modified Constrained K-means)算法优化无人机的二维平面部署;其次验证了无人机的垂直最佳高度存在且唯一,并且可以通过最小化路径损耗函数获得;最后利用CT(Constrained Threshold)算法优化无人机的发射功率。仿真结果表明,所提部署方案可以有效地优化多无人机的3D空间部署,大大提升系统的能量效率。     

基于深度强化学习的无人机间通信链路智能决策

由于无人机组网灵活、快速、低成本的特性,空中基站被视为在未来无线通信中有前景的技术。无人机集群可以通过相互协调和合作,完成的复杂任务,具有重大的研究和实用价值,而无人机间的高效通信是当下面临的重大挑战。为了在满足无人机间通信速率的前提下,尽可能节省发射功率,本文提出基于深度强化学习的集群方案和功率控制的智能决策算法。首先,本文设计了三种无人机集群方案,以对地面用户提供无缝的无线覆盖;然后,本文提出了基于深度Q网络（Deep Q-network）算法的集群方案和功率控制决策算法,用深度神经网络输出不同条件下联合决策的无人机集群方案和发射功率,并研究了重要性采样技术,提高训练效率。仿真结果表明,本文提出的深度强化学习算法能够正确决策无人机集群方案和发射功率,与不带强化学习的深度学习（Deep Learning Without Reinforcement Learning, DL-WO-RL）算法相比,用更低的发射功率满足无人机之间的通信速率要求,并且重要性采样技术能够缩短DQN算法的收敛时间。      

基于UAV的移动物联网远距离通信节能策略研究

针对应急移动物联网在缺少地面基站的情况下,可靠节能地远距离传输重点区域全信息的要求,本文将无人机（Unmanned Aerial Vehicle,UAV）作为空基通信平台,研究应急移动物联网应用中大规模移动物联网设备能量受限条件下的远距离通信问题,提出基于无人机的移动物联网远距离通信节能策略.首先,对该类物联网进行系统建模;其次,根据所建模型中地面设备无序立体地分散于重点区域的特点,通过优化无人机的布署位置,在提供可靠通信的同时,降低地面设备的通信耗能;再次,根据地面设备运动性能强、活动范围广的特点,通过研究无人机与地面移动设备的联合运动策略,避免无人机频繁换簇覆盖所引起的远距离移动等大运动状态变化问题,实现无人机的移动节能.最后,通过实验,从通信耗能和运动耗能两方面验证了本文所提策略的有效性.     

RPMA low-power wide-area network planning method based on data mining

A network planning method based on data mining was proposed for RPMA low-power wide-area network with large density of base stations and uneven traffic distribution.First,a signal quality prediction model was established by using the boosting regression trees algorithm,which was used to extract the coverage distribution spacial pattern of the network.Then ,the weighted k-centroids clustering algorithm was utilized to obtain the optimal base station deployment for the current spacial pattern.Finally,according to the total objective function,the best base station topology was determined.Experiment results with the real data sets show that compared with the traditional network planning method,the proposed method can improve the coverage of low-power wide-area networks.     

传感器网络变权组合预测流量整形算法

针对现有流量整形算法在传感器网络应用上的不足,提出了一种新的流量整形算法。分析了传感器网络流量具有突发随机性以及时变不均衡性的原因,根据传感器网络流量的模糊性、随机性以及时变性统一建模,提出了变权组合预测流量整形算法（TSAV,Traffic Shaping Algorithm with Variable weight combination forecast）,该算法通过逼近最优组合理论分配模糊AR预测与Kalman预测的组合权重,得到更为精确的预估流量值,提前规划整形速率从而平滑的输出分组流。实验表明,TSAV算法应用到传感器网络时能够准确预测流量,减少分组丢弃率的同时增大网络吞吐量,改善了传感器网络信息传输的QOS性能。      

基于进化优化的移动感知节点部署算法

 移动传感器网络中节点部署优化直接影响到网络的能量消耗、对目标区域监控的性能及整个网络的生命周期.本文从网络覆盖和能量消耗两个方面,采用多目标优化对节点部署问题建模,并从集中式角度给出了节点部署问题的遗传算法求解过程.针对一类初始中心部署模型进行实验验证,并和基于向量的算法(VEC)、基于维诺图的算法(VOR)及基于边界扩张虚拟力算法(BEVF)进行性能对比,证明了该算法在大多数情况下可使传感器网络对目标区域的覆盖率最大化,同时保证了网络的连通和网络能耗最小,进而延长了网络的生命周期.     

面向智能电网架空线的传感器故障容忍机制

在配用电网络全网的监控过程中,杆塔等设施的状态监测与故障容忍成为电力系统亟待解决的问题。现有的监控系统由于网络线性拓扑结构等限制,故障发生时无法及时维护,影响到电力生产业务,易造成电力重大事故。该文面向利用传感器监控电网架空线的背景,提出一个针对传感器部署的故障容忍机制。首先,依据N-x原则等,最小化冗余备份节点和无线模块的数量,达到成本最小化的目的。其次,综合考虑时延约束、N-x原则的数量约束等构建数学优化模型。基于该模型,利用聚类合并思想,构建了一个面向智能电网架空线的传感器故障容忍机制。最后,仿真实验证明,以此机制部署的传感器监测网络能够在成本最小化的基础上,有效地容忍故障。