基于奖励值RNN和A2C模型的音乐生成

我们提出了一个新的方法—基于奖励值RNN的优势演员-评论家算法(R-A2C)来生成音乐。我们的模型首先使用一个带有注意力机制的RNN模型(Recurrent neural network)预处理数据并将此作为先验策略,然后我们将包含先验策略和用户反馈信息的奖励值RNN增加到A2C(Advantage Actor-Critic)模型中,使得任意用户给定的约束与循环网络的风格相结合,以此来鼓励演员生成更符合用户需求的音乐,实验表明我们的模型取得了预期的效果。     

基于多尺度高斯核的分布式正则化回归学习算法

针对工业、信息等领域出现的基于较大规模、非平稳变化复杂数据的回归问题,已有算法在计算成本及拟合效果方面无法同时满足要求.因此,文中提出基于多尺度高斯核的分布式正则化回归学习算法.算法中的假设空间为多个具有不同尺度的高斯核生成的再生核Hilbert空间的和空间.考虑到整个数据集划分的不同互斥子集波动程度不同,建立不同组合系数核函数逼近模型.利用最小二乘正则化方法同时独立求解各逼近模型.最后,通过对所得的各个局部估计子加权合成得到整体逼近模型.在2个模拟数据集和4个真实数据集上的实验表明,文中算法既能保证较优的拟合性能,又能降低运行时间.     

基于三值Walsh插值函数的PSWF重构方法

针对采用二值Walsh函数重构椭圆球面波函数(PSWF)精度不高的问题,通过理论分析的方式,将二值Walsh插值函数推广为三值Walsh插值函数,并依据其完备正交性,提出基于三值Walsh插值函数的PSWF重构方法。在此基础上,对运算量、信号精度、信号性能等进行数值分析。结果表明,相比于二值Walsh函数重构法,在运算量基本持平的基础上,提出的方法能够在相同采样点数量的情况下,使得时域重构信号的精度至少提升5个数量级,且时域正交性较好,频域能量聚集度也有1个数量级的提高。     

基于模型仿真评价小区开放对道路通行的影响

近日,国家发布了不再建设封闭住宅小区的相关意见,引起了关于开放小区能否达到改善交通状况的目的的热议。基于车主在车辆通行过程中会对道路进行选择,构建BPR综合阻抗函数模型,得出各道路行驶时间并将其作为选择标准。考虑非机动车、行人及交叉口延误等实际影响,建立容量限制分配模型,通过仿真,形象说明小区开放不仅可提高区域路网密度和可达性,而且可为城市道路分担交通压力。     

基于径向基网络的WSN跨应用能耗控制方案

针对无线传感网节点资源受限,以及很难更换电池等问题,如何有效降低节点能耗成为研究关键点。现有文献大多针对单一应用单独设计解决方案、单独评价方案效能,而实际上单一节点通常执行多个应用,因此需要研究基于跨应用的最优化能耗控制方案,使用基于神经网络径向基函数的k均值聚类自组织算法估算聚类中心、并使用最小均方差算法调整和修正聚类中心到输出点的权重矩阵以改善收敛速度,最终实现数据融合、设计跨应用资源调度方案,可以实现节点能耗控制。仿真实验结果表明,随着节点运行轮次增加,本文算法的节点能耗显著降低。