基于改进遗传算法的递归神经网络非线性系统辨识

将递归内时延神经网络应用于非线性动力学系统辨识中，描述了其动力学方程，并引入改进遗传算法作为其学习算法，通过非线性动力学SISO和MIMO系统的辨识仿真研究，验证了内时延递归网络结构和改进遗传算法的有效性。     

神经网络内燃机排放模型学习样本的选定

研究神经网络理论用于内燃机排放预测模型时学习样本的选取方法，针对内燃机工况变化的特点，对传统的正交设计法进行了改进，提出并验证了用考虑因素边界变化的正交设计法选取样本的可行性。研究结果表明，模型的预测精度随着正交表位级的增加而提高，即使只有3位级的正交表设计样本，也能建立预测误差低于5．7％的内燃机稳态排放特性预测模型，具有试验工作量小、简便易行的特点。     

基于改进BP算法神经网络的路况评价模型研究

通过利用在BP神经网络中增加反馈信号及偏差单元的网络模型,生成内部回归网络,对BP神经网络进行改进,据此得出改进的BP神经网络的具体步骤.在此基础上,结合陕西省高速公路沥青路面的实际情况建立了路况评价模型,并对该模型的具体应用做了研究.研究结果表明:网络的收敛速度很好,训练结果与实际路况结果相差很小,利用改进BP算法神经网络建立的路况评价模型不仅方便易用,而且精度很高.     

谈教师对学生现代观念的塑造

全球化背景下，学校教育应教会学生适应时代要求，树立现代化的观念，培养终身学习、竞争、合作、充分利用时间，注重效益，不断创新，从而提高自身素质，增强自主性、能动性、创造性。     

基于卷积神经网络的路基病害自动识别方法研究

路基病害导致的道路坍塌事件时有发生,利用探地雷达(ground penetrating radar,GPR)技术对道路路基进行周期性的无损检测和评估,可有效识别处于早期阶段的路基病害,为及时治理提供技术支撑。传统的GPR路基病害图像解释大多依靠人工,存在评价不客观且效率低下的问题。为实现路基病害的自动识别,提出基于卷积神经网络(CNN)提取GPR路基病害图像特征的方法。该方法所采用的网络结构由卷积层、池化层和全连接层组成;输入病害图像后首先经过5层卷积层和5层池化层提取图像特征,然后将提取到的图像特征输入两层全连接层分类,最后通过softmax层输出识别结果。正演模拟数据集表明,该方法对路基空洞充气、路基空洞充水、路基脱空及路基含水层这4种典型道路路基病害的雷达图像识别准确率达到 96.75%,验证了该方法的有效性。     

智能控制技术在汽车AMT中的应用

针对汽车AMT系统中节气门控制、离合器接合点及最佳动力性换档规律的确定等问题 ,讨论了采用多模式控制、模糊控制和自学习控制等智能控制的具体方法 .实际应用表明 ,这些方法切实可行 ,同时 ,也体现了智能控制技术在车辆控制系统中的实用性和先进性     

“四争四强”助力党建提质增效

宁波市公共交通总公司组织实施“四争四强”(“争学强魂、争效强核、争先强基、争优强能”)专项行动,统筹推进企业党建工作,取得了显著成效。一是主题教育多样化、深层次。把十九大精神列入中心组学习计划,坚持用习近平新时代中国特色社会主义思想引领新时代国企党的建设,积极开展“解放思想、抢抓机遇、奋发有为”大讨论和“学回信、悟初心、践使命”主题活动。     

城市轨道交通售检票系统系列票卡的兼容

为避免社会资源浪费,苏州轨道交通售检票系统在设计和网络化建设中应用兼容了1998年IC卡规范的苏州通卡和2005年IC卡规范的苏州市民卡,在建设过程中采取减少票卡处理时间、复用票卡数据位、简化数据记录制式、制定统一处理流程、调整天线射频参数等技术,逐步解决兼容和区分新老规范票卡、统一读写器的产品、统一票卡处理流程、实现线网内各票卡互联互通等问题,取得了较好的经济效益和社会效益。     

铁路技术标准编制学习研讨会讲座

<正>企业应当积极参与铁路技术标准制修订,通过追求更高标准提升产品质量,利用技术创新拥有知识自主权。为了提高中关村轨道交通视频与安全产业技术联盟成员单位对技术标准的编制能力,9月18日,中关村轨道交通视频与安全产业技术联盟举办了"铁路技术标准编制学习研讨会讲座"。联盟邀请了北京全路通信信号研究设计院有限公司的陈梅高级工程师对铁路技术标准     

基于梯度提升决策树模型的铁路货运装卸时间预测技术

铁路货运装卸时间的精准预测可提升铁路货运系统的调度合理性和服务质量,但装卸时间受多种因素影响。文章针对铁路货运装卸时间预测问题,从铁路货运运单全流程信息中挖掘运单属性与货运装卸时间的关系,以分类与回归树为基础模型,在LightGBM框架下构建梯度提升决策树模型;对铁路货运运单全流程信息中的相关数据进行整合、对数变换、增加特征等预处理,形成运单数据集;采用该数据对构建的模型进行训练,结果表明,构建的模型对货运装卸时间的预测性能优于与其对比的其他机器学习模型。将该模型应用在实际货运装卸业务场景时,实际准确率依旧高于其他对比模型。