基于时序时空双流卷积的异常行为识别

针对地铁站特定场合下,人体异常行为识别无法有效利用帧间运动时间维度信息,导致人体异常行为识别准确率不高的问题,提出一种深层次残差长短期双流网络结构。将RGB帧和连续光流帧作为双流网络的输入,分别利用ResNet34提取低层特征信息,空间流网络提取运动外观特征信息,时间流网络提取光流运动信息,然后将特征信息输入长短期记忆（LSTM）网络,有效学习空间外观和光流运动的帧间关联时间信息,并且通过多种加权融合策略加强模型识别效果。最后在地铁站异常行为数据集上验证提出的网络结构,并与原双流网络进行对比,改进后的网络识别准确率提高了4.7%,融合后的模型准确率提高了12.9%。实验结果表明,所提方法能够充分利用时间维度信息,可有效提高异常行为识别准确率,在昏暗环境下仍有较好的识别效果。     

对海监视雷达杂波的建模及仿真

杂波是雷达回波信号的重要组成部分,研究中常用幅度概率分布模型和相关谱型来描述。采用零记忆非线性变换法(ZMNL)进行建模设计,生成同时满足幅度分布条件和相关特性的随机序列,并将模拟杂波数据的概率密度和功率谱与理论曲线对比,进一步验证 ZMNL 法杂波建模的有效性和准确性。最后针对海航大学对海探测的雷达回波实测数据,进行海杂波和云雨杂波回波的幅度概率分布和功率谱的分析。     

基于FMCW雷达的呼吸模式分类技术研究

针对当前使用调频连续波雷达的呼吸模式分类算法准确度不高的问题,本文提出一种基于一维卷积神经网络（1DCNN）结合长短时记忆（LSTM）网络的多呼吸模式分类方法。方法共分为四步：第一步,对雷达提取的呼吸信号进行预处理;第二步,使用快速傅里叶变换（FFT）与连续小波变换（CWT）提取呼吸信号特征;第三步,根据呼吸特征对五种呼吸模式信号（正常呼吸、呼吸过速、呼吸过缓、呼吸深大、呼吸暂停）打标签制作数据集;第四步,使用数据集训练网络得到模型,并使用新数据测试模型。实验结果表明,此方法分类准确度要比现有使用CNN网络方法高5%左右。     

一种可解释的自由文本击键事件序列分类模型

TypeNet是一种基于两层长短时记忆网(LSTM)分支结构的孪生网络模型,在自由文本击键事件序列分类任务上取得了很好的效果,但缺乏可解释性。为此,该文改进了TypeNet模型,提出一种基于单层LSTM分支结构的孪生网络模型TypeNet II。TypeNet II模型用多层感知机度量两个分支输出表征向量差的绝对值体现的特征序列的相似度。模型训练完毕后,用多元二项式回归模拟多层感知机部分,基于得到的多元二项式对模型进行解释。实验结果表明,TypeNet II模型的分类效果超出了已有的TypeNet模型,多元二项式回归的结果具有泛化性,表征向量差的绝对值与相似度量之间存在非线性关系。     

基于视觉注意力模型的电表铭牌识别研究

为实现电力设备铭牌中文字信息的自动识别,提升设备管理的效率,提出一种面向场景文字（scene text）的文本内容识别方法。该方法依赖于从卷积特征中训练得到的基于长短时记忆网络（long short-term memory,LSTM）的视觉注意力模型。一组特征向量由与图像不同区域对应的卷积层提取,从而将图像空间信息编码到特征中。通过这一方式,模型可以选择关注图像的不同部分,并结合卷积特征与注意力权重识别文字。进一步地 ,引入语言模型并修改集束搜索（beam search）策略可以显著改善识别效果。在真实数据集上的结果验证了该方法的有效性。     

基于时空特征的多模型网络流量短期预测方法

网络流量短期预测由于其波动性大,突发性强,采样随机性高等特点一直是研究人员重点关注的课题之一,其对于网络调度,异常预警等网络规划工作具有重要的指导作用。从网络短期流量的时间周期性和空间关联性入手,对原始短期流量数据进行时空特征维度构造,并使用长短期记忆LSTM和LightGBM决策树对未来不同采样时刻的流量进行预测,最终在多个数据集的实验中达到了良好的预测精度。     

基于异构数据的电力短期负荷大数据预测方案

随着多种可再生能源电力的接入,电力系统正在向更智能、更灵活、交互性更高的系统过渡。负荷预测,特别是针对单个电力客户的短期负荷预测在未来电网规划和运行中发挥着越来越重要的作用。提出了一个基于异构数据的电力短期负荷大数据预测方案,该方案收集来自智能电表和天气预报的数据,预处理后将其加载到非关系型数据库中进行存储并做进一步的异构数据处理;设计并实现了一个长短期记忆递归神经网络模型,用于确定负荷分布并预测未来24 h的住宅小区用电量;最后利用一个住宅小区的智能电表数据集对提出的短期负荷预测框架进行了测试,并使用均方根误差和平均绝对百分比误差两个指标,对比了预测模型与两种经典算法的性能,验证了所提模型的有效性。     

光疗对睡眠剥夺小鼠学习记忆以及BDNF-TrkB信号通路的影响

睡眠障碍是临床中的常见多发病,睡眠障碍易诱发和加重认知障碍疾病,损害海马依赖的学习记忆功能。光疗是一种改善睡眠的有效方法,鉴于此,本课题组研究了光疗对睡眠剥夺小鼠炎症反应、氧化应激反应及BDNF-TrkB信号通路的影响,探索光疗对睡眠剥夺小鼠学习记忆的影响。通过旋转圆筒法建立睡眠剥夺模型,小鼠随机被分为对照组、睡眠剥夺组、光疗组(468 nm,光照强度分别为100,300,900 lx)。光疗组边剥夺边治疗,每天早晚进行光照30 min,于剥夺3 d后对各组小鼠进行水迷宫实验和旷场实验,采用ELISA法检测小鼠血浆和海马组织中TNF-α、SOD、5-HT因子的表达量,采用RT-PCR法检测小鼠BDNF、TrkB和Akt中的mRNA表达量。结果显示：与对照组相比,睡眠剥夺导致小鼠体重下降,游泳潜伏期增长,促进了炎性因子TNF-α的表达,降低了SOD活性和5-HT的表达,并降低了BDNF、TrkB和Akt中的mRNA表达;与睡眠剥夺组相比,光疗组小鼠的游泳潜伏期缩短,平台交叉次数增多,TNF-α表达下降,SOD和5-HT表达呈上升趋势,焦虑样行为减轻,BDNF、TrkB与Akt中的mRNA...     

连接基团链长度对季铵盐二聚表面活性剂C12-s-C12·2Br在水溶液中胶团化行为的影响

用电导法、稳态荧光法和粘度法研究了二聚表面活性剂C12-s-C12*2Br分子中的连接基团链长度(s=2, 3, 4, 6)对其在水溶液中聚集行为的影响. 实验发现, C12-s-C12*2Br的胶团生成能力远比其单体C12TABr强得多, 前者cmc值较后者降低一个数量级. 胶团聚集数N随表面活性剂浓度c的增大而增大, 其中当s=2时的N值在c=7.7 mmol/L后开始急剧增大. 计算结果表明, 此时胶团形状发生了明显变化, 形成了椭球形的胶团. 粘度测定结果也证实了这一点.