结合模拟退火与规则约简的模糊系统优化方法

从数据中学习模糊系统是其智能建模的重要方法之一,针对目前模糊系统建模及优化方法对于学习后的模糊系统的规则数以及结构优化关注不足而影响了其精度和可解释性的问题,提出了一种结合模拟退火与基于支持度约简规则的模糊系统优化方法。该方法通过支持度约简系统冗余规则进而提高模糊系统的可解释性;同时利用模拟退火算法优化模糊系统的隶属度函数参数进一步提高模糊系统的精度。针对回归任务,与BP（Back Propagation）神经网络、径向基（Radial Basis Function,RBF）神经网络以及经典的模糊算法WM（Wang-Mendel）在不同领域的3个经典数据集上进行实验比较,实验结果表明：该算法在预测方面取得了更高的精度;与WM算法相比,所提算法中规则数明显减少,进一步提高了系统的可解释性。     

基于注意力机制和分时图卷积的公交客流预测

实际公交路网通常为复杂的非线性时变系统,难以有效构建线路间的时空间依赖关系.因此,文中提出基于注意力机制和分时图卷积的公交客流预测模型,提升公交客流量预测的准确性.首先通过长短期记忆网络提取历史数据中的时间特征,并利用通道注意力模块加权特征.再使用分时图卷积方法分析不同时段下公交线路间的空间依赖性,根据预测时段选择不同的关系矩阵,通过图卷积的方式完成对非欧关系的建模.最后,融合提取的时空间特征与外部因素(天气、节假日信息等)的特征表示,得到最终的预测结果.在真实公交数据上的实验表明,文中模型可提升预测精度,加快学习速率.     

深度学习在控制领域的研究现状与展望

深度学习在特征提取与模型拟合方面显示了其潜力和优势. 对于存在高维数据的控制系统, 引入深度学习具有一定的意义. 近年来, 已有一些研究关注深度学习在控制领域的应用. 本文介绍了深度学习在控制领域的研究方向和现状, 包括控制目标识别、状态特征提取、系统参数辨识和控制策略计算. 并对相关的深度控制以及自适应动态规划与平行控制的方法和思想进行了描述. 总结了深度学习在控制领域研究中的主要作用和存在的问题, 展望了未来值得研究的方向.     

一种基于同心圆环电极的压电传声器

传声器作为一种常见的声电信号能量转换器已广泛应用于各行各业。压电传声器因具有防水、防尘、功耗低及高信噪比等优点而应用广泛。为了提高传声器中压电传声器在低压下的灵敏度,该文设计了一种基于同心圆环电极的压电传声器。对圆形压电片表面的全涂覆电极进行离散化设计,分离出4对独立电极。根据理论分析及COMSOL仿真模型设计发现,4对电极输出端的串联级联可使传声器的输出端电压提高3倍以上。     

基于人工交通系统的路网交通运行状况评估的计算实验

在给定城市土地利用和道路交通网络的情况下,研究了如何利用人工交通系统平台评估交通系统运行状况的问题。首先介绍了人工交通系统的构成模块及其功能,接着给出了利用该系统评估路网交通运行状况的具体应用实例,用高峰期拥堵路段所占比例、路网中存在的最大车辆数等指标反映路网交通运行状况,为交通管理部门制定交通发展规划提供决策支持。     

基于社会网络视角的交通仿真和计算实验研究文献分析

交通仿真和计算实验作为交通科学问题研究和工程应用实践中的重要方法和手段, 受到越来越多的关注.本文从社会网络角度, 分析了2000年～2012年来, ISI Web of Science (WoS) 收录的关于交通仿真及计算实验研究的文献. 本文工作分为三部分: 首先, 分析了近13年来该领域每年论文的发表趋势; 其次, 引入社会网络, 从论文数量、影响力、合作关系和知识传播度四个方面考察了关键学者, 并给出了其合作关系聚类图; 最后, 仍然从上述四个方面考察了本领域内关键的研究机构. 结果表明: 该领域的研究成果和研究机构增长迅速; 学者之间的合作关系非常广泛且极为复杂; 合作的广泛程度与知识传播度并无明显的相关性; 研究机构层面的合作呈现分散状态, 且合作单位数量较少.     

社会交通中的社会信号分析与感知

近年来, 智能便携设备和移动互联网的迅速发展促使网络空间中积累了海量的数据信息, 从而影响了众多领域的研究与发展. 本文针对在以社会信号为主的数据对交通领域的影响下产生的跨学科领域?社会交通, 从数据及相应技术方法和研究应用方面对物理和网络空间信息的感知、挖掘、分析与利用的研究成果进行综述, 并分析、总结与展望该领域的未来研究趋势.