基于深度学习的城市轨道客流预测实训基地培训系统设计与实现

为进行城市轨道客流量的科学预测,设计实现了实训基地培训系统,在系统中分别构建BP(Back Propagation)神经网络模型与DBN(Deep Belief Network)深度置信网络模型来进行城市轨道客流量数据的收集与整理。针对城市轨道交通车流量短时间快速增长的问题,在系统中建立实时数据分析处理模块,结合深度置信网络,使用算法对轨道客流进行实时准确的预测。将采集到的大量数据通过系统的数据处理模块进行分析验证,数据分析结果显示：在深度置信网络模型中,轨道交通各节点平均均方根误差相比BP神经网络模型大约减少了0.01475,每批次任务实时计算时间平均为3.5s,系统预测实时性较好,准确率较高,有很好的预测效果,可以合理地规划城市轨道交通线路,有效提高了城市轨道的交通利用率。     

一种数值属性的深度置信网络分类方法

深度置信网络是个包含多个受限玻尔兹曼机的深层架构。针对深度置信网络分类时由于受限玻尔兹曼机的输入一般是二值向量而造成的信息的丢失从而使分类效果降低的问题,提出了通过在sigmoid单元中增加噪声来将输入缩放到[0,1]区间,使用带有一个高斯隐藏节点的顶层受限玻尔兹曼机实现分类功能的一种数值属性深度置信网络分类方法。深度置信网络和受限玻尔兹曼机可以作为特征提取方法也可以认为是带有训练的初始权值的神经网络。由于连接权值的初始化而不仅仅是神经网络的随机权值,深度置信网络分类应该比原有的传统的神经网络分类拥有更好的性能。在UCI的多个数据集上进行对比验证,实验结果表明深度置信网络分类方法比传统的SVM算法拥有更高的准确性。     

基于深度置信网络的维吾尔文垃圾短信分类技术研究

针对传统分类算法对维吾尔文文本分类准确率不高的问题,提出了一种基于深度置信网络的维吾尔文短信文本分类模型。深度学习模拟人脑的多层次结构,对数据从低层到高层逐渐地进行特征提取,深层挖掘数据集的分布规律,从而提高分类准确性。通过逐层无监督的方法完成深度置信网络的初始化,并结合softmax回归分类器实现文本的分类。最后在收集的维吾尔文短信数据集上进行实验论证。实验结果表明,相比KNN、SVM和决策树算法,深度置信网络具有更好的分类效果,准确率更高。     

基于深度学习的航空传感器故障诊断方法

为解决传统神经网络进行传感器故障诊断时存在的过拟合、泛化能力有限等问题,提出一种基于深度置信网络观测器的航空传感器故障诊断方法。利用深度置信网络替代浅层神经网络,在优化网络结构的基础上,给出深度置信网络隐层节点数选取的递推公式,构建深度置信网络状态观测器。离线训练时,利用飞行数据训练深度置信网络观测器。在线诊断时,通过比较观测器输出值与实际输出值判断故障类型,并给出3种故障隔离与信号重构方法。仿真结果表明,与BP神经网络观测器相比,该方法能够快速准确地进行故障诊断与隔离,并且完成信号重构。     

基于GSM技术的立体车库远程管理系统

针对城市中立体车库使用效率较低,提出了一种以GMS网络为通信桥梁的立体车库远程管理系统。系统采用RS485总线方式,通过车位监控器来实现采集车位信息,对车库内车位状态进行监测,然后由GSM网络传送给管理计算机。驾驶员可以通过手机发送短消息查询立体车库的库容信息,也可以进行预约存取车辆操作。该技术有效提高了立体车库的智能化程度与利用率。     

基于深度置信网络的机械加工故障诊断系统设计

针对机械加工过程中存在故障信息不易识别的问题,提出了一种新的故障诊断方法,构建了基于B/S架构的在线故障诊断系统,实现机械加工数据信息的采集、传递、计算和诊断.通过物联设置,提高了机械加工数据处理的能力;通过构建改进型深度置信网络(DBN),在常规计算基础上加入加速器,提高了深度置信网络计算的速度.通过BP神经网络模型...     

基于深度置信网络的风电机组主轴承故障诊断方法研究

为解决目前传统风电机组主轴故障诊断过程中因主轴结构复杂、信号非线性变化和机械大数据等因素引起的故障诊断困难问题,提出了一种高效、准确的风电机组主轴承故障诊断方法。利用深度置信网络强大的特征分层提取和泛化能力优势,结合Python语言基于Tensor Flow学习框架,实现了高效准确的风电机组主轴承故障诊断。采集风电机组主轴轴转动频率,内、外圈故障频率,滚动体频率和保持架频率,对数据预处理并划分测试集和训练集,同时进行归一化处理。构建深度置信网络DBN诊断网络模型,确定网络层数、学习率、各层节点数等参数。输入训练样本逐层无监督训练达到局部参数最优,反向微调使整体性能最优并用测试集数据进行验证。试验结果表明:在网络参数合适且训练集和测试集相同的情况下,采用深度置信网络的风电机组主轴承故障诊断方法的准确率高达86.18%,同比优于传统支持向量机、人工神经网络故障诊断方法。     

基于深度置信网络的广告点击率预估的优化

随着互联网广告的飞速发展,如何预测目标用户对互联网广告的点击率（click-through rate,简称CTR）,成为精确广告推荐投放的关键技术,并成为计算广告领域的研究热点和深度神经网络的应用热点.为了提高广告点击率预估的精确度,提出了基于深度置信网络的广告点击率预估模型,并通过基于Kaggle数据挖掘平台数据集的1 000万条随机数据的实验,研究不同的隐藏层层数和隐含节点数目对预测结果的影响.为了解决深度置信网络在数据规模较大的工业界解决方案中的训练效率问题,通过实验证明：广告点击率预估中,深度置信网络的损失函数存在大量的驻点,并且这些驻点对网络训练效率有极大的影响.为了提高模型效率,从发掘网络损失函数特性入手,进一步提出了基于随机梯度下降算法和改进型粒子群算法的融合算法,以优化网络训练.融合算法在迭代步长小于阈值时可以跳出驻点平面,继续正常迭代.实验结果表明,与传统的基于梯度提升决策树和逻辑回归的广告点击率预估模型以及模糊深度神经网络模型相比,基于深度置信网络的预估模型具有更好的预估精度,在均方误差、曲线下面积和对数损失函数指标上分别提升2.39%,9.70%,2.46%和1.24%,7.61%,1.30%;使用融合方法训练深度置信网络,训练效率提高30%~70%.     

基于建模的深度学习

深度学习是通过对人脑神经系统结构及功能的模拟.本文结合建模的思想,首先对深度学习进行了概述,并且研究了深度置信网络DBN模型.以及探讨了深度学习的应用及在建模方面的前景和挑战.深度学习可以对数据间潜在的特征因素进行提取分析.算法的不断更迭和完善,使深度学习对数据的处理更加快速准确,适应多项领域.     

基于Android平台可预取式立体车库系统研究与设计

目的:为了解决城市停车难,无停车位等日益严重的问题,提出来一种新型的自动化存取车航道堆垛式立体车库解决方案,提高了城市车库停、取车效率。方法:基于Android平台APK用http协议通过网络传输技术与服务网站实时通信,只需注册一个用户名即可在城市已建立好的立体车库系统中心提交停、取车请求,由服务网站和车库管理系统连接,可自动化地对客服端发来的请求予以处理并直观地显示当前车库的听取状况。结果:已成功搭建了立体车库模型,各功能模块测试工作良好,整个系统实时处理预取车请求。结论:新型立体车库解决方案的提出,对加快城市化建设,缓解城市停车难等问题具有重大意义。     

立体车库自动控制系统的软件设计

以自动寻位立体车库作为研究对象,利用单片机实现控制总体设计方案,设计了自动存取车系统的组成和功能,并对存取车策略进行优化,根据车库控制系统的控制原理,完成了控制系统的软件设计。系统在功能上实现了车位的自动检测、空车位的自动给定、空车位数量的告知和车辆的自动存取,具备了自动化立体车库的基本功能。     

一种垂直升降立体车库组态监控系统的设计

智能化立体车库是解决城市停车难问题的有效途径,是未来车库发展的必然趋势.论文分析了立体车库上位机控制系统的要求,结合立体车库用户的工作方式和使用特点,采用组态王软件进行人机界面设计.详细介绍了组态王的性能以及在立体车库设计中的具体应用,主要包含数据库、图形界面、PLC与组态软件的通信验证、系统网络发布以及安全设置.论文...     

全自动立体书架式车库系统的设计

为解决停车难,以及现有立体车库管理混乱、结构复杂等问题,设计了一种基于丝杆传动的全自动立体书架式车库系统。系统采用丝杆滑台配合传输平台运作以实现车辆的存取,大幅简化结构,提高运行效率且方便改造搬运。本系统利用LabVIEW软件开发上位机管理界面,可对车库进行存取操作并实时显示车库状态;由Arduino单片机通过模型预测控制算法控制丝杆滑台实现存/取车传输平台在二维平面内的准确定位;由STC89C52R单片机结合光电传感器检测,控制传送带以实现车辆的自动存/取。该车库系统结构简单,停取方便,充分利用了车库的有限空间,使停车管理更加智能化,具有良好的应用前景。     

一种基于OMRONPLC的矗体车库控制系统

介绍一种以OMRONPLC为控制器的二层升降横移式立体车库控制系统．该系统使用专用车位控制器．通过Hostlink协议进行数据通信,实现智能存、取车功能。     

应用于立体车库的人体检测算法

针对立体车库的安全监控需求,提出了一种基于机器视觉的人体检测算法,用于在立体车库内检测非法侵入的人员。首先,采用自适应双线性滤波方法滤除视频帧中的噪声。接着,差分视频帧与背景图像,并采用多尺度小波分析法二值化差分图像。然后,将二值图像进行形态学滤波以检测出人体。最后,利用高斯混合模型(Gaussian Mixed Model, GMM)更新背景图像。实验结果表明,提出算法可以在立体车库内实时准确地检测出人体,为立体车库的安全监控提供了可靠的保障。     

改进混合粒子群算法的立体车库存取调度

为了进一步提高立体车库存取效率，提出一种改进混合粒子群算法，应用于立体车库存取策略时间模型，寻找存取车最优时间和最优排序。该算法主要在粒子群算法前期引入遗传算法，改善全局搜索能力，后期引入模拟退火算法弥补其局部搜索能力弱的特点。与目前应用于立体车库存取车调度的遗传算法相比，改进混合粒子群算法存取效率提高了24.5%~36.07%，并优于其他车库调度算法，提高了车库运营效率。     

基于PLC的智能立体车库设计

设计了一个基于PLC的智能立体车库系统,系统由泊车位、转盘换位装置、汽车定位装置和升降电梯组成。控制采用西门子S7-300PLC作为主站,两个S7-200PLC作为从站,通过以太网的形式进行组网,并采用MCGS作为人机交互界面,通过控制伺服电机、步进电机、变频器、普通三相异步电机来实现对电梯门的开关、电梯的升降、汽车固定的伸缩支架电机、支架的夹紧电机、转盘旋转的更换车位电机等控制,达到智能立体车库的目的。     

基于单片机控制的自动循迹停车系统

为解决一些住宅小区停车位或私家车库距离住宅楼较远、自驾车停车不方便问题,提出了利用单片机MC9S12XS128使小车从给定的起始位置自动循迹到达预期车库或停车位的系统设计方案。单片机MC9S12XS128利用PID算法对电机和舵机进行控制,摄像头传感器进行道路信息采集。该系统经测试达到了预定目标,实现了自动循迹停车功能。     

基于深度学习的智能停车场车位查询系统

本文基于深度学习目标检测算法设计并实现了一种实时的智能停车场车位信息查询系统.采用YOLO目标检测算法结合大量关于汽车以及车牌的图像数据对物体检测模型进行训练.利用该模型对停车场视频监控画面进行处理,根据模型处理的结果以及所设计的相关算法对车位进行判断,并且计算出被占用车位停车时长,识别出车辆的车牌信息.车位信息将以示意图的方式通过微信终端进行接收,使车主能够实时获取停车场车位信息.该系统能够准确地判断出停车场的车位信息,可为城市商业停车场管理方式提供参考.     

Simulation-based evacuation planning using state-of-the-art sensitivity analysis techniques

With the continuous growth of cities and the issues of insufficient space, indoor parking garages have become a vital component of transportation systems. Since emergencies will occur sooner or later, planning and organizing a successful evacuation plan for parking garages, with the aim of reducing the evacuation time and improving the driver's behavior during evacuations, is needed. This research presents a systematic approach for the development and evaluation of evacuation strategies in such environments, through state-of-the-art sensitivity analysis that provides faster convergence and lower computational burden. To demonstrate the proposed methodology, a simulation model is developed using AIMSUN for a three-level indoor parking garage located in Athens, Greece. Four scenarios with different evacuation strategies and plans are considered. A multi-step sensitivity analysis framework is implemented to overcome the uncertainties that emerge from the model assumptions, model inaccuracy and shortage of data. Sensitivity analysis is used to evaluate the consequences of the proposed scenarios and estimate the total time to evacuate the parking garage. The full experimental design resulted in the automated execution of more than 80 thousand simulations, corresponding to approximately 65 processor-days. The results of this research show that the developed methodology provides significant reduction in evacuation time (from 35% to over 40%). This process provides useful and credible ranges of expected evacuation times under all plausible outcomes.