摘要：大气PM_(2.5)浓度是一种具有较强时序特征的数据,故目前关于PM_(2.5)浓度的预测多选择RNN、LSTM等序列模型进行。但由于RNN、LSTM等模型对不同时刻输入的数据都采用相同的权重进行计算,不符合类脑设计,造成PM2:5浓度预报准确率较低。针对以上问题,提出一种基于Adam注意力机制的PM_(2.5)预测方法(AT-RNN和AT-LSTM),该方法首先通过Adam算法寻找RNN或LSTM的最优参数并在Encoder阶段引入注意力机制,将注意力权重分配给具有时间序列特征的输入,再进行Decoder解析和预测。通过实验,对比了BP、RNN、LSTM和AT-RNN、AT-LSTM预测合肥市PM2:5浓度的效果。结果表明,基于Adam注意力模型的预测方法准确率优于其它方法,证明该方法在污染物预测中的有效性。

摘要：采用一种计算简单快速的LBP特征与SVM进行决策表情分类的方式实现了人脸表情判别在视频方面的应用。首先获取视频流中的图像并进行预处理以减小环境等外部因素对后续处理的影响。其次,使用LBP算子检测人脸并返回人脸区域。然后,使用一系列标定好的人脸图片作为训练集,通过多级级联的回归树模型训练人脸68个关键点模型,预测并标记人脸68个关键点,分别记录下每种表情的人脸特征点的位置信息即表情特征。最后,利用SVM训练表情识别模型,对于基本的7种表情即生气、厌烦、恐惧、开心、平常、伤心、惊讶进行分类。系统界面友好,操作简单,功能完善,性能优越。