摘要：传统磁性目标运动估计效果依赖于目标的初始状态信息,为克服这一缺陷,建立磁性运动目标三分量投影模型,并据此生成磁性舰船运动目标在运动速度、航向、信噪比等参数变化情况下的10类目标的训练数据集、验证数据集以及测试数据集。设计多通道卷积神经网络,对目标的正横距离和运动速度进行估计,并比较和分析了不同的学习方式和激活函数对网络性能的影响。结果表明:Adam+tanh组合方式的估计性能要优于其他组合方式,而且对磁性目标运动参数的估计效果比较精确,此方法相较于卡尔曼滤波、粒子滤波等估计算法的优越性在于运算复杂度低以及参数估计不需要目标初始状态信息。

摘要：针对现有基于深度神经网络的工业过程故障诊断方法存在网络结构设计烦琐及参数寻优耗时等问题,提出了一种基于网络结构搜索的工业过程自动故障诊断方法(automatic fault diagnosis, AutoFD),该方法采用AutoFD网络结构搜索算法,来自动完成卷积神经网络的网络结构设计和网络参数寻优。在此基础上,首先通过在原始数据上施加操作生成新通道;接着利用表现预测加速获取通道适应性排序的过程;然后依据通道适应性排序,通过表现预测来快速选取最优卷积通道数;最终根据最优卷积通道来搜索表现最优的多通道卷积神经网络模型用于工业过程自动故障诊断。采用田纳西—伊斯曼(Tennessee Eastman, TE)工业过程和数值系统对提出方法进行验证,结果表明该方法可以实现网络结构自动设计及网络参数的自动寻优,并且具有优良的故障诊断性能。

摘要：海量数据属性复杂、影响整合效果,传统数据整合方法缺少对图形数据的预处理,不完整的编码影响数据整合与共享效果。研究统一编码下房屋建筑图形数据多通道整合方法。预处理房屋建筑图形数据,补充与更新统一编码,构建模糊集合挖掘房屋建筑图形数据特征,通过构建图形特征的多通道卷积神经网络模型,实现对图形数据的多通道交互控制与整合。实验结果表明,与传统方法相比,文中方法生成的空间数据整合效果图更完整,传统方法生成的效果图存在部分缺失。人为完善统一编码后,评价不同方法整合数据过程中共享数据的能力,发现文中方法的数据共享能力评价结果优于传统方法,可见所提方法更具备使用意义。

摘要：针对雾霾天气下成像设备获取的图像质量较低导致交通标志难以识别这一现象,笔者提出了先去除雾霾后进行识别的办法。对雾霾图像首先通过深度学习算法IRCNN进行去雾霾处理,然后提出一种多通道卷积神经网络(Multi-channel CNN)模型对去雾霾后的图像进行识别。研究结果表明:IRCNN方法可有效去除雾霾,Multi-channel CNN模型识别效果好,设计的Multi-channel CNN模型的识别率在本次实验的数据集上达到100%,具有很好的泛化性和适应性。