基于遗传算法和ELM神经网络的目标威胁估计

目标威胁程度是指挥员进行态势评估和指挥决策的重要依据。为准确估计目标威胁情况,提出了基于遗传算法和极限学习机(Genetic Algorithm and Extreme Learning Machine, GA-ELM)的目标威胁评估方法。采用遗传算法优化ELM神经网络的输入权重和隐含层阈值,优化后的ELM神经网络能够克服传统ELM网络不稳定的缺点,具有更好的目标威胁估计性能。实验结果表明,基于GA-ELM的目标威胁估计误差明显小于传统ELM方法,且输出的威胁结果更加稳定。     

房屋建筑施工管理存在问题及对策分析

本文主要针对加强房屋建筑施工管理的应用问题进行探讨,在分析房屋建筑施工管理中存在的问题的基础上,探讨了从准备阶段开始加强房屋建筑施工管理,还包括相应的施工安全、施工质量、施工成本以及施工进度方面,希望能对于今后的房屋建筑施工管理具有一定帮助。     

建筑施工项目质量管理现状及控制探讨

在分析建筑工程质量管理特点的基础上,讨论建筑施工项目质量管理现状,分析了建筑企业质量管理中弊端,最后提出建筑施工项目质量管理的对策,希望对于今后的建筑工程项目质量管理有所帮助。     

基于知识学习的多目标关联检测与识别方法

随着感知智能水平的日趋成熟,人工智能研究呈现出向认知智能发展的态势;作为人工智能在感知智能方面的代表领域,图像目标识别在向认知智能发展的道路上存在着人机之间以及机器之间知识难通用、可扩展性低等问题;为此,提出了基于知识的多目标关联判别框架,通过引入知识图谱,将目标特征知识进行语义化表达与规则化关联存储,构建了基于知识学习的多目标关联检测与识别方法,动态按需调用目标检测模型的同时,迭代式更新多目标关联的知识图谱,形成双向反馈学习循环;最后,通过相关仿真实验,验证了基于知识学习的多目标关联判别方法的可行性,为提高图像目标识别算法的知识通用化和可扩展性提供了新的思路.