基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

社交网络中基于网络结构支撑模型的谣言传播研究

结合结构支撑理论，探究节点网络结构支持力的一些性质，提出了社交网络结构中的全网支持力和被支持力的总量一致性，并进一步提出计算节点支持力的方法。谣言作为特殊信息，在支持力不同节点之间的传播特性有所不同，借鉴随机游走模型中的PageRank计算方法，对不同节点支持力的谣言传播以及传播后的辟谣状况进行了仿真模拟，结果表明支持力不同的节点对于谣言传播和辟谣影响明显。     

信息化时代网络技术在广播电视工程技术中的运用与实践

在信息化时代当中,信息的传递更加快捷,各种信息的处理也更为迅速,同时互联网平台的构建以及大规模使用,直接促使各种新媒体形式的萌发,人们可以在互联网上更加便捷地获取各种影视资源,这就对于广播电视节目造成了巨大的冲击。如果广播电视节目不能够及时做出改变,调整战略布局,就会被时代的浪潮所击垮,被社会群体所遗弃。所以,广播电视节目必须要进行适当的改革,增强广播电视节目活力,更多地运用网络技术,更好地融入到信息化时代当中去,从而实现广播电视节目网络运用,扩展广播电视节目业务范围,增强广播电视节目的行业竞争力。     

一种改进的GPC算法在网络控制系统中的应用

首先对传统的GPC算法进行理论推导和分析,然后针对传统GPC控制算法在大延迟过程中无法快速跟随参考轨迹的问题,提出了一种基于最小方差控制的广义预测控制,并以网络控制系统为控制对象,用MATLAB对其进行仿真分析,结果表明改进的广义预测控制算法能很好地跟踪系统轨迹,获得了良好的效果。     

基于组合度量的应急救援网络路由算法研究

针对AODV协议只选用跳数最小进行选路的缺陷,提出一种新的基于组合量度的路由协议(AMAODV)。该协议综合考虑路由的跳数、节点间链路的有效期和可用带宽3种因素,通过层次分析的方法判定上述3种因素对链路传输的影响,提出了组合度量函数,借助组合度量函数的计算来选择一条具有较小度量值的路径进行传输。仿真结果表明:AMAODV协议在适应高速移动的网络环境上具有一定优势,并能降低网络时延和增加网络吞吐量。     

移动通信网络优化现状及发展趋势分析

在社会经济以及科学技术不断发展的同时,移动通信技术也在逐渐进步。移动通信网络,在移动通信技术中属于核心部分。近些年来,越来越多的人们开始使用移动通信网络,促使移动通信网络的移动性日益增强,话务密度不均匀分布特征也越发明显,导致网络基站与用户手机之间出现了信号连接不顺畅现象,直接影响到了用户的通话质量,不利于移动技术的进一步发展,因而相关人员应该采取相关技术措施,对移动通信网络进行优化,不断提高通信网络的服务质量。