北京市干线公路网规划

随着经济社会的快速发展,交通需求总量大幅度增长,交通需求结构也发生了重大改变,原有的北京公路网规划已不能满足需求.为了落实《北京城市总体规划(2004～2020年)》和《北京交通发展纲要(2003～2020年)》提出的发展目标及战略任务,有必要重新调整北京市干线公路网规划,使之与全面建设小康社会的总体目标相适应.     

集合覆盖问题的一种启发式算法

给出了完备策略的概念，并提出了一个求解集合覆盖问题的启发式算法，对该算法的合理性，时间复杂性以及精度进行了分析，用该方法可以求解其它的ＮＰ困难问题。     

基于Yes/No反馈的视觉问答方法

针对视觉问答任务中问题语句可能存在的歧义,文中提出基于Yes/No反馈的视觉问答方法,通过Yes/No的反馈机制判断模型第一次得出答案的正误.当用户给出的反馈信息为No时,重新解析该问题,生成多种消歧后的问题,产生不同的候选答案,输出最高置信度的答案作为最终结果.在CLEVR、CLEVR-CoGenT基准数据集上的实验表明文中方法精度较高.     

注烃溶蜡处理技术在凝析气田的研究与应用

在克深处理厂天然气处理过程中,因J-T阀及低温分离器析蜡导致系统堵塞,致使装置处理量受限,同时外输气烃露点不合格.针对此问题开展防蜡工艺研究,通过实验及HYSYS软件模拟分析蜡堵的具体原因后得出,克深区块的天然气组分不连续,C5～C8组分缺失,多环芳烃类物质存在于气相中,无法被溶解分离,在进入低温环境后容易凝结析出,最...     

融合主观性与共识性信息的人脸吸引力预测

为对特定对象的个性化审美偏好进行预测,将机器学习与深度学习相结合,提出融合共识性与主观性偏好信息的个性化人脸吸引力评估方法。从数据集中收集群体评分形成共识性信息,构建个人评分预测模型以反映主观性信息。结合这2种信息并发挥共识性信息的普遍性优势以及主观性信息的独特性,从而构建个性化人脸吸引力预测模型。在公开的SCUT-FBP和FaceScrub数据集上进行实验,结果表明,该方法的Pearson相关系数高达0.90,残差值低至0.25。     

超导热管加热炉在油气集输系统中的应用分析

由于我国目前的油气集输系统中普遍应用的水套加热炉存在排烟温度较高以及热效率较低等问题,极易引发安全隐患。因此,超导热管加热炉作为一种逐渐兴起的新型高效加热炉,在目前的油气集输系统中得到了广泛的应用。本文重点介绍了超导热管加热炉的结构和工作原理以及其在油气集输系统中的实际应用情况,并对其应用效果进行了总结。     

路段无信号控制人行横道行人过街服务水平研究

通过分析无信号控制路段人行横道处行人过街行为特性、行人可接受等待时间、行人选择通过的机动车临界时距等,建立基于间隙接受理论的行人过街阻力模型,计算得到过街阻力系数为15%的等待时间,并根据行人真实感受的聚类分析结果划分评价标准,最后据此评价行人过街服务水平。此方法结合了基于冲突和基于感受评价的优点,有效解决了以往研究中行人感受主观性、指标复杂性、实践操作困难等问题。     

公路网规划综合评价方法综述

分析了公路网规划综合评价方法的发展历程，重点提出现有综合评价方法存在的问题，还建立了一套技术评价指标体系，并运用此指标体系对北京市公路网现状进行了技术评价，为公路网规划方案的优化和比选提供了科学依据。     

基于ARM+FPGA平台的二值神经网络加速方法研究

现有的卷积神经网络由于其结构复杂且依赖的数据集庞大,难以满足某些实际应用或者计算平台对运算性能的要求和能耗的限制。针对这些应用或计算平台,对基于ARM+FPGA平台的二值化算法进行了研究,并设计了二值神经网络,该网络减少了数据对存储单元的需求量,也降低了运算的复杂度。在ARM+FPGA平台内部实现时,通过将卷积的乘累加运算转换为XNOR逻辑运算和popcount等操作,提高了整体的运算效率,降低了对能源和资源的消耗。同时,根据二值神经网络中数据存储的特点提出了新的行处理改进算法,提高了网络的吞吐量。该实现方式在GOPS、能源和资源效率方面均优于现有的FPGA神经网络加速方法。     

基于特征级和决策级融合的人脸吸引力评价方法

在个性化的人脸吸引力的研究中,由于特征缺失和对于大众审美的影响因素考虑不足,导致预测个人偏好无法到达很高的预测精度。为了提高预测精度,提出了一个基于特征级和决策级信息融合的个性化人脸吸引力预测框架。首先,将代表不同人脸美丽特征的客观特性融合到一起,利用特征选择算法挑选出具有代表性的人脸吸引力特征,并利用不同的信息融合策略将人脸局部、全局特征融合起来;然后,将传统的人脸特征与通过深度网络自动提取的特征融合起来。同时,提出多种融合策略进行对比,将代表着大众审美偏好的评分信息与代表个人偏好的个性化评分信息进行决策级融合,最终实现个性化的人脸吸引力预测评分。实验结果表明,相比现有针对个性化人脸吸引力评价研究的算法,所提的多层次融合方法在预测精度方面有显著的提升,能够达到Pearson相关系数0.9以上。该方法可用于个性化推荐、人脸美化等领域。