共查询到20条相似文献,搜索用时 15 毫秒
1.
常用的海上目标行为意图预测方法多是基于经验或单一时刻的运动数据得到航行状态再进行意图预测,忽略了时间序列特征对目标航行状态的影响。据此,文中提出一种结合长短时记忆网络和模糊推理的海上目标行为意图预测方法。首先,构建一种长短时记忆网络模型,提取一定时域内目标航行信息的时序特征,识别其稳定的航行计划;其次,将目标航行计划与选取的雷达信号特征参数进行模糊化处理,建立能够反映目标航行状态、雷达状态信息与行为意图间关系的模糊规则;最后,根据模糊规则综合分析模糊化后的态势要素预测目标的行为意图。通过实验证明本文算法在航行计划的预测准确性高达96.07%,且能够在多种场景下准确识别目标的行为意图。 相似文献
2.
为提升译文质量,针对广泛普及的英语语种,架构翻译智能化校对系统。利用ADO.NET对象类库,设计语句关系表、翻译判定表等数据库表结构。采用python语言编写应用程序界面的运行程序,结合构建的主页、编辑、显示等view类,得到系统用户端。基于Open Nebula的IaaS云平台与长短期记忆算法,设计出服务器端的编码模块。建立词向量信息融合模块,经架构词语校对单元与语义校对单元,得到智能校对模块。黑盒测试结果表明,该系统各项功能均可达成预期目标;性能评估指标结果显示,所建系统大幅提升译文质量,校对优势显著。 相似文献
3.
气温数据是一种时间序列数据,具有明显非平稳波动特征.对气温数据进行建模可以对气温变化进行分析.针对时间序列模型预测精度不高的问题,提出了 一种长短时记忆网络(Long Short-Term Memory Recurrent Neural Network,LSTM)气温预测模型对昆明每天的最高温度进行预测,对不同模型进行... 相似文献
4.
本文基于STM32F103V8处理器设计研究了一种火灾自动报警检测系统,该系统利用传感器模块对监测环境中的参数进行监测,若出现火灾则应用无线通信模块实现自动报警。 相似文献
5.
6.
7.
8.
计算机机房的火灾早期烟雾探测与报警 总被引:2,自引:0,他引:2
火灾的早期探测与报警是确保计算机房消防安全的关键.为此,文中通过对计算机房环境与火灾成因与规律的分析,指出了空气采样火灾探测技术在计算机房火灾报警方面的应用优势. 相似文献
9.
目前,许多居民楼、住宅里缺乏消防设施,一旦出现火情不但难以立即做出行动而且信息传递困难,缺乏对居住环境的安全监控.文章研究的火灾报警系统在检测到火灾时,可以第一时间切断电源并通知用户,能够明确显示火灾发生的具体位置,烟感报警后摄像头接通用户手机实现实时远程监控.此装置可以及时通知用户联系消防,通过监控查看火情,便于消防... 相似文献
10.
11.
李振刚 《卫星电视与宽带多媒体》2024,(8):118-120
广播电视播出监测机房作为广播电视信号传输的核心区域,其安全运行至关重要。火灾自动报警与消防联动设备是机房安全保障体系的重要组成部分。本文首先分析了广播电视播出监测机房的火灾风险,然后探讨了火灾自动报警与消防联动设备的施工要点,包括设备选型、布局设计、线路敷设、调试与验收等环节,最后提出了几种监测机房火灾自动报警系统联动运用方式。本文旨在为提高广播电视播出监测机房火灾自动报警与消防联动设备的施工和应用水平提供参考。 相似文献
12.
13.
14.
15.
本文旨在利用人工神经网络,应用于火灾探测系统,提高系统检出率。对于多个传感器来说,在不同情况条件下的环境对特征参数进行智能处理时,它能够很好快速处理;并且,对于火灾信号的有效定位迅速准确,进而使信号早期能够报警发,实现火灾的早期发现和报警,能够大幅度的提高报警器的安全可靠性。 相似文献
16.
17.
为了提高空管流量管理效率,在飞行计划阶段,精确推测航空器预计过点时间,提出了基于长短时记忆网络(Long Short-Term Memory,LSTM)的航班过点时间预测方法。通过关联航班飞行计划与实际雷达数据,根据计划数据航路点与实际过点时间信息构建了预测模型。将模型预测结果与真实航班过点时间进行对比,将预测过点时间与实际过点时间的绝对值误差作为评价标准,结果表明,基于LSTM的航班过点时间预测模型误差更小,以国内航班CCA4439为例,LSTM模型精度更高,可以将航班的过点时间误差控制在30s以内。 相似文献
18.
传感器时序数据预测作为工业自动化和智能化的关键过程,对于自动化生产监督、风险预防和技术改进等具有重要意义.考虑到传统基于统计学的时序分析方法通用性弱、普通循环神经网络模型存在长期依赖的不足,针对工业设备温度、压力和电流强度等时序数据预测问题,提出了一种基于多变量分析的长短时记忆神经网络时序预测方法,该方法利用数据的远距离信息和多变量相关性,有效地提高了工业传感器时序数据预测的准确性.实验选取瑞典某公司的机械装载传感器数据用于训练和测试,通过与单变量长短时记忆模型以及其它主流时序预测算法比较,证明了该方法具备较好的预测性能和通用性. 相似文献
19.
在利用深度学习方式进行语音分离的领域,常用卷积神经网络(RNN)循环神经网络进行语音分离,但是该网络模型在分离过程中存在梯度下降问题,分离结果不理想。针对该问题,该文利用长短时记忆网络(LSTM)进行信号分离探索,弥补了RNN网络的不足。多路人声信号分离较为复杂,现阶段所使用的分离方式多是基于频谱映射方式,没有有效利用语音信号空间信息。针对此问题,该文结合波束形成算法和LSTM网络提出了一种波束形成LSTM算法,在TIMIT语音库中随机选取3个说话人的声音文件,利用超指向波束形成算法得到3个不同方向上的波束,提取每一波束中频谱幅度特征,并构建神经网络预测掩蔽值,得到待分离语音信号频谱并重构时域信号,进而实现语音分离。该算法充分利用了语音信号空间特征和信号频域特征。通过实验验证了不同方向语音分离效果,在60°方向该算法与IBM-LSTM网络相比,客观语音质量评估(PESQ)提高了0.59,短时客观可懂(STOI)指标提高了0.06,信噪比(SNR)提高了1.13 dB,另外两个方向上,实验结果同样证明了该算法较IBM-LSTM算法和RNN算法具有更好的分离性能。 相似文献