基于无标签视频数据的深度预测学习方法综述

基于视频数据的深度预测学习(以下简称"深度预测学习")属于深度学习、计算机视觉和强化学习的交叉融合研究方向,是气象预报、自动驾驶、机器人视觉控制等场景下智能预测与决策系统的关键组成部分,在近年来成为机器学习的热点研究领域.深度预测学习遵从自监督学习范式,从无标签的视频数据中挖掘自身的监督信息,学习其潜在的时空模式表达....     

一种基于GRU神经网络的电力负荷预测

针对电力负荷序列不稳定且传统的神经网络在电力负荷预测中预测精度较低等问题,提出了门控循环单元神经网络(Gated Recurrent Unit Neural Network,GRU)负荷预测的方法.利用python编程语言在Tensorflow框架在搭建门控循环单元神经网络,将影响电力负荷的特征数据输入模型中进行训练....     

H.264帧间模式快速判决

H.264标准采用率失真优化(RDO)技术提高了编码效率,但这是以较高的计算复杂度为代价的.提出一种快速模式判决算法,利用早期的SKIP模式判决以及运动代价来减少待选的模式.实验表明,该算法比起H.264标准显著提高了编码效率,而视频质量并没有太大的损失.     

一种基于帧内预测模式的HEVC视频信息隐藏算法

提出了一种基于帧内预测模式的HEVC视频信息隐藏算法。在预测编码过程中,针对纹理复杂度高的帧内4×4亮度块调制预测模式,利用拉格朗日率失真模型自适应选取帧内编码模式,以决定是否嵌入隐秘信息。为了降低因信息隐藏导致视频质量下降,将最优预测模式变为与隐秘信息奇偶性相匹配的模式中率失真开销最小的预测模式,信息的提取过程只需对码流中的预测模式解码即可。实验仿真结果表明,本文算法能很好地保证视频质量,对视频流的码率影响很小。     

变压器故障的灰色预测方法研究

本文采用数理统计方法估算故障隶属度,通过时间序列灰色预测法估计某时间内各故障隶属度及其发展趋势,对阀值原则进行改进,根据改进后的阀值原则推断可能发生故障的种类及其发展趋势。实例分析说明该模型能有效地预报变压器故障的发展情况。     

多变量灰色模型MGM（1,n）在电磁继电器特性参数分析中的应用研究

触点电接触特性参数的变化可以反映触点电接触性能的变化,以 HH52P 电磁继电器为例进行电接触特性参数检测试验,监测了触点动态接触电阻、静态接触电阻、弹跳时间、稳定时间等特性参数,提取与触点动作次数灰色关联度大的参数建立触点电接触特性参数多变量灰色预测模型。利用试验数据分析了多变量灰色模型的预测精度,并与单变量预测模型对比。结果表明,进行灰色关联度分析之后进行建模的多变量灰色模型能够更好地描述触点电接触特性参数变化情况。     

基于节点安全预测的火场撤离路径规划

火场烟雾弥漫、能见度低,消防队员很难准确定位并找寻到合适的撤离路径.文中使用人机协作在火场中建立动态三角网基础上,以网络节点为参考点为消防员规划撤离路线.该方案使用基于相似函数的证据理论对火场中各节点采集的烟雾浓度、温度、氧气浓度进行数据融合,并确定节点位置的安全等级;引入预测机制,可以预测短时间内前进路径中节点位置的安全等级的变化.根据安全等级变化,剔除网络中危险节点,使用基于路程换算的A算法计算实时最短的安全路径.通过数据分析表明,该方案能更好的适应火场环境多变的特点.     

基于AR模型的载频测量

从现代谱估计出发,利用Yule_Walker方程构造信号的AR模型,从中提取信号的调制载波频率信息。信号的功率谱表示了信号能量的分布。用谱估计法估计出载波频率后,依据频谱对所测频率进行修正,可有效提高载波频率的测量精度。     

H.264编码技术和发展趋势

自2003年推出H．264视音频编解码标准以来，H．264迅速在Internet网和视音频领域得到普及与推广。阐述H．264的定义、H．264编码技术的主要特点与改进及其应用前景和发展趋势。     

确定氧化钇微细粉制备条件的神经网络方法

氧化钇微细粉的制作过程中,微细粉的颗粒粒径及品质质量涉及到制作过程中的料液浓度、沉淀温度、草酸浓度、分散剂用量、热分解温度等多种影响因素,须经大量的探索和试验才得以确定每一项工艺参数.本文提出建立人工神经网络模型,将已有的实验参数作为神经网络的学习样本,训练网络模型,然后利用经过学习后的模型的容差和智能特性,为氧化钇微细粉的制备确定所需的工艺条件.实验结果显示神经网络方法具有比较高的准确性.