基于BP神经网络的静态手势识别方法

手势识别正成为人机交互技术研究中的一种重要模式.本文针对运用摄象机和计算机视觉技术捕获来的静态手势,提出了一种手势特征提取和基于神经网络分类的手势识别方法.实验表明该方法的正确识别率可以达到98%左右,是一种非常有效的静态手势识别方法.     

集通铁路长大隧道GSM-R冗余方案研究

针对集通铁路的长大隧道,论述分布式基站和数字光纤直放站的两种冗余方案,通过分析比较两种方案的单网交织以及同站址双网冗余覆盖方式,推荐采用分布式基站单网交织冗余方案.     

一种基于语义分割结果的车道线检测拟合方法

车道线等地面标志物的检测是自动驾驶车辆环境感知的重要内容,能够为车辆提供可行驶区域的信息。文章提出一种基于语义分割结果的车道线检测拟合方法。使用车载单目相机获取车辆行驶过程中采集的道路图像,送入卷积神经网络进行车道线语义分割。将分割得到的仅含车道线的二值图像进行透视变换得到鸟瞰图,筛选有效车道线像素点,对有效车道线点使用最小二乘法进行多项式拟合,输出左右车道线多项式拟合系数,能够有效解决传统车道线检测算法的环境适应性差,鲁棒性不强,对弯道车道线检测信息不够准确等问题。     

基于改进 BiLSTM 网络的地铁车轮磨耗预测模型

针对地铁车轮磨耗数据时间跨度较长引起的长期依赖问题,为了进一步提升预测精度,提出一种将麻雀搜索算法(sparrow search algorithm,SSA)优化双向长短期记忆网络(bidirectional long short term memory,BiLSTM)的改进 BiLSTM(SSA-BiLSTM)网络模型,用于地铁车轮磨耗预测。首先,利用麻雀搜索算法对双向长短期记忆网络算法的神经元个数、迭代次数、输入批量和学习率等超参数在给定范围内进行寻优,得到参数最优值;然后,以参数最优值来构建改进 BiLSTM 网络模型,对车轮磨耗进行预测分析;最后,以车轮踏面磨耗和轮缘磨耗作为研究对象,将某地铁 1 车厢 1 号车轮的现场实测历史磨耗数据作为输入,对该模型进行训练及验证分析,并与多层感知机(multilayer perceptron,MLP)、LSTM、BiLSTM 以及 SSA-LSTM 模型的预测结果进行对比。研究结果表明：SSA-Bi-LSTM 模型的车轮磨耗预测精度更高,与 LSTM、BiLSTM 以及 SSA-LSTM 网络模型相比,踏面磨耗的平均绝对百分误差(mean absolute percentage error,MAPE)分别降低了 13.28%、10.32%、1.47%,轮缘磨耗分别降低了 9.5%、0.46%、0.02%;分别对同一地铁 2 号、4 号车厢的 1 号位置车轮磨耗进行预测,并与磨耗实测数据进行对比,踏面磨耗的平均绝对百分比误差分别为 1.34%、1.42%,轮缘磨耗的平均绝对百分比误差分别为 0.18%、0.19%,验证了本文所提模型具有良好的泛化性,为地铁轮对智能化管理提供理论支持,延长车轮使用寿命。     

基于Q-learning和BP神经元网络的交叉口信号灯控制

解决单交叉口信号灯最优控制问题。提出了基于强化学习的信号灯控制系统结构,应用强化学习中Q学习,将信号灯最优控制问题转变成是否切换运行相位的决策问题,提出了采用BP神经元网络实现Q学习的信号灯控制系统。应用微观交通仿真软件PARAMICS进行仿真分析,结果表明该系统能够感知交通流变化,并能够自适应地调整信号灯切换策略,以达到最优的控制效果,该方法是可行的,与定时控制相比具有明显的优势。     

Social Networks of Alaska Fishing Communities

Fishing community social networks function as channels for transfer of fishery knowledge, resources, and business transactions that help mitigate risks and shocks associated with altered access to fishery resources. Research on such networks in Alaska is limited despite their cultural importance and community reliance on fisheries. We contribute to scholarship of fishery social networks by assessing Alaska fishing community perspectives of challenges related to fisheries policy and management, and the existing social networks that aid in overcoming these challenges. Our findings show that the greatest challenges fishing communities face pertaining to fishery management are high costs of participating in catch share programs, restricted subsistence fishing activity due to decline in salmon, and complex regulations. Social networks exist for coping with these challenges; fishery information, and resources such as food, fuel and medicines are shared between communities. However, networks for accessing fishery support services are centralized in fewer larger communities and hubs such as Anchorage. Smaller and remote communities are the most compromised in this regard given the distance they must travel to access fishery support services. Leveraging social networks for sharing resources and improving fishery support services in smaller communities will increase their adaptive capacity and ability to maintain participation in Alaska fisheries.     

基于改进PCNN模型的车辆阴影消除方法

消除车辆阴影对图像分割的影响是车辆自动监控系统中亟待解决的问题。针对阴影具有方向和大小不确定性的特点,充分利用脉冲耦合神经网络模型优良的图像分割能力,结合阴影属性,提出一种基于改进的脉冲耦合神经网络模型的运动车辆阴影消除方法。此方法无需建立道路背景模型与车辆阴影模型,在消除车辆阴影的同时能较好地保留车牌、车窗以及车标等车体的重要信息,为车体定位、特征提取等处理奠定良好的基础。大量现场图像测试结果验证了该方法消除车辆阴影的有效性,可广泛地应用于自然环境中车辆阴影的消除。     

一种分布式协同优化的认知无线电网络频谱检测算法

针对动态认知无线电网络中频谱检测性能与资源消耗之间的矛盾,提出一种分布式协同优化的频谱检测算法.设置双门限将认知用户分成可信组和非完全可信组.采用次梯度法对频谱检测效用函数进行分布式协同优化,动态调整能量检测阈值,提高动态变化网络环境中的非完全可信认知用户检测结果的准确性,并根据优化过程的收敛速率,从中选择参与协作的认知用户.最后融合中心通过加权融合获得频谱检测结果.仿真实验和分析表明算法在提高认知用户频谱检测准确性和检测速度的同时,降低了网络开销.     

AN OPTIMIZED SCHEME FOR FAST HANDOFF IN IP-BASED CDMA WIRELESS COMMUNICATION NETWORKS

IntroductionMobility as an essential characteristic of wire-less network has received considerable attention inrecent years.A number of system- specific solu-tions have been developed for2 G( such as GSM)and 3G( such as UMTS) wireles networks.Fromthe Internetpointofview these solutions can be re-garded as layer- 2 solutions for wireless access net-works working transparently to the layer- 3 ( IPlayer) [1] .The evolution of wireless network is be-ing strongly influenced by mainly two compo…     

故障诊断的时间因果贝叶斯网模型

在一类诊断所依据的可观信号(警报)具有时序特性的故障诊断问题中,诊断所依据的警报、这些警报出现的先后顺序以及它们之间的时间间隔,都与诊断结果有关联。针对这一类故障诊断问题,提出了时间因果贝叶斯网模型,采用模糊方式对故障与警报之间的时间因果关系进行离散化处理,用模糊运算来合成多个时间因果关系,通过概率计算获得最大可能的故障假说。理论与算例表明该方法有效可行。