面向时空交通栅格流量预测的3D通道注意力网络

城市交通流量预测对交通管理和公共安全具有重要意义。然而,交通栅格流量数据中的规律在时刻变化,在城市中存在全局范围的时空间关系,并且不同特征通道在每个城市区域上有不同的重要性。为解决这些挑战并做出更准确的预测,设计了一种新颖的时空神经网络模型——3D通道注意力网络(three-dimensional channel-wise attention networks,3D-CANet)。提出一个3D通道内注意力(three-dimensional inner channel attention,3D-InnerCA)单元来动态捕获各个通道中不同的全局时空相关性,同时设计通道间注意力(inter channel attention,InterCA)单元来自适应地重校准每个区域上不同特征通道的贡献。在3个真实交通栅格流量数据集上的实验结果表明,3D-CANet模型的预测能力优于其他对比方法,证明了模型的有效性。     

软硬结合的迭代除法方案及其精度分析

大型机采用的软硬结合的迭代除法方案具有很高的计算速度,但存在精度合理性问题。经过大量随机数试算验证和算法的误差分析证明,本文中提供的优选除法方案,提高了除法精度,解决了精度合理性问题。该除法方案装机运行后,提高了大型机的适应能力和运算速度,改善了处理效果。     

基于点云配准的室内移动机器人6自由度位姿估计

针对移动机器人在室内环境下难以获取GPS定位信息,仅靠自身惯导不能得到精确位姿的问题,提出了一种基于RGB-D传感器获取三维环境点云,对连续点云提取特征并进行配准的移动机器人6自由度位姿估计方法.首先通过RGB-D传感器获取环境深度图像,根据特征提取算法提取点云特征;然后以特征点为配准点,运用随机一致性采样(RANdom SAmple Consensus,RANSAC)算法对点云进行初配准,剔除部分错误匹配点,获得初始变换矩阵;最后采用改进的迭代最近点(Iterative Closet Point,ICP)算法进行精配准,获得点云间的最终变换矩阵,实现位姿估计.实验结果表明:该方法有效地提高了大规模点云配准效率,得到了较精确的位姿估计信息.     

水雷气动不平衡式发射轴向受力优化分析

基于水雷气动不平衡式发射内弹道数学模型,建立了轴向受力和出管速度的泛函表达式,以基本可行解为基准,对可行解区间进行了仿真计算,通过将轴向受力和出管速度函数在基本可行解处一阶泰勒展开,并采用分段函数表示可行解各分量的变化律,从而将非线性问题转化为线性规划问题,运用单纯形法进行优化求解,得到了最优发射条件.     

双级气缸式弹射装置内弹道分析

在使用双缸提拉式弹射装置发射战术导弹时,考虑到机动性等因素,在导弹发射筒长一定的情况下,针对如何提高导弹出筒速度和保证导弹的最大过载不超过允许值,提出了一种新型弹射器设计方案,并进行了初步的设计及内弹道计算。     

基于循环谱相关的雷达信号脉内分析改进算法

针对传统的雷达信号脉内特征分析算法存在的局限,提出了一种基于循环谱相关的雷达信号脉内特征分析的改进算法。该算法将传统的循环谱估计方法进行了改进,能对雷达信号脉内调制方式进行识别并提取脉内特征参数,然后结合改进的小波变换的优点,对识别出的相位编码信号进行相位突变点的提取,最后输出至完善的脉冲描述字中。改进的算法能够在较低计算量的同时保证较好的脉内特征参数的估算精度。仿真结果表明,在较低信噪比下,该算法仍然具有较好的性能。     

内隐学习对我国数学教学的启示

内隐学习的研究成果对我国的数学教学具有很强的启示意义,主要表现在:内隐学习揭示了数学知识的大量贮存将产生积累效应的特点,它可以有效地实现数学教学中的隐性目标,对数学概念的形成也有着巨大的影响。对学生数学学习的作用不容忽视。