工程系统理念与基于主题学习模式在课程建设中的统一

工程系统本质就是将科学、技术、工程实践融为一体的“工程模式”教育理念体系。本文通过对工程教育现状的分析及对工程系统理念的阐述,提出以基于主题学习模式来组织专业课程建设的若干思路,以求从本质上使专业课程的设置贯穿工程系统理念,迎合现代工程的实际需要。     

基于车均延误最小的Q学习交通信号控制方法

为了检测Q学习算法在信号控制方案中的效果,在Webster配时法的基础上,建立了适应交通信号控制及以车均延误最小为目标的奖惩函数,并详细说明了Q学习独立交叉口信号控制的原理和应用过程.通过流量波动大和小两个算例,验证了Q学习控制优于定时控制.     

75207部队组织新训驾驶员培训

前不久,75207部队组织新训驾驶员培训,来自该部的1500名战士将进行为期半年的军车驾驶员脱产培训。培训围绕军交运输新大纲内容,主要进行车辆理论学习、技能操作、车辆驾驶、车辆维修、车辆防护等方面的强化集训,重点突出车辆驾驶员的“四会”教学科目,全面提高学员的车辆驾驶水平和教学骨干的组训施训能力。     

电力通信网运维的信息化、电子化

随着电网的快速发展,电力通信网运维必须实现信息化、电子化。建设资源管理系统及集中运维管理系统是实现信息化、电子化的关键：     

基于神经网络的实时事故预测方法研究进展

道路交通事故预测作为道路主动安全管理的重要组成部分,在降低事故发生概率、帮助管理者制定安全决策等方面起着重要作用。随着数据需求的不断增加,传统方法已无法满足大数据的需求,机器学习和人工智能算法在动态、实时和复杂情况下的道路交通事故预测领域显示出强大的潜力。文章从数据获取和特征变量选择开始介绍,详细叙述了基于机器学习的神经网络及与深度学习结合后该方法在国内外的相关研究,分析了使用神经网络相关方法在建模时会面临的优缺点,最后对基于神经网络的交通实时事故预测方法进行了总结及展望,给出未来的发展趋势。     

基于RBF神经网络的在线分类挖掘系统

模式分类是RBF神经网络应用的一个重要方面.在线环境中数据集是经常变动的,采用批量式学习算法(如OLS算法)训练RBF网络会产生大量的重复训练,从而导致学习效率不高.为弥补这种不足,从梯度下降方法推导出一种增量式学习算法,用于在线环境中的RBF神经网络训练.最后将基此算法构建的在线分类系统用于IRIS分类问题.结果表明,该算法有较快的收敛速度,网络的在线分类性能良好.     

基于AVR128的电码化移频接口模块的电子化设计

在车站联锁控制系统中,全电子化计算机联锁系统是在软、硬件的基础上实现全电子执行、监测系统,取代原来的继电器逻辑,使系统便于维护和升级,从而实现站内电码化的技术需求.详述全电子化计算机联锁控制系统执行单元中一个基于AVR128微处理器的接口模块的硬软件设计,该模块采用CAN总线与上位联锁机通信.     

日本企业的改善文化与改善成本计算

介绍了日本企业的改善文化,阐述了改善成本计算的概念,并通过Daihatsu汽车公司的实践说明了改善成本计算的具体做法;比较了改善成本计算与标准成本计算的不同,指出改善成本计算在成本管理上充分体现了日本企业改善文化所追求的那种持续改进的精神,它比标准成本计算更加积极有效,是值得我国企业学习和借鉴的成本管理方法。     

基于在线地图交通状态的关键道路动态识别方法

交通拥堵问题日趋严重,关键道路识别成为了交通领域的研究重点. 以在线地图的交通状态数据为基础,利用时空相关性理论计算道路交通状态的预测值和波动影响值,并通过Moran 散点图划分道路类型,提出了基于在线地图交通状态的关键道路动态识别方法. 首先,调用在线地图开发者平台API 采集路网的交通状态数据,利用集成学习动态预测交通状态;其次,分析交通状态波动的传播结构,以此量化道路对其近邻道路的影响值;然后,结合道路交通状态的预测值和波动影响值划分道路类型,进而识别出关键道路;最后,以实际路网为例,论证方法可行性.     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.