基于卷积神经网络自编码器结构的空时分组传输方案

为提高现有端到端通信系统的泛化能力和可靠性，提出了一种基于卷积神经网络的空时分组码（Space-Time Block Coding，STBC）多输入多输出通信系统物理层方案。该方案将通信系统物理层表述、调制和解调过程联合起来形成端到端自编码器系统，引入多层一维卷积层，分别构建发射机和接收机，并扩展为多天线模式。为进一步提高系统可靠性，合理规划网络结构和参数，联合信号的调制和编码方案，优化了系统模型。仿真实验表明，针对瑞利相关衰落下多输入多输出（Multiple-Input Multiple-Output，MIMO）信道应用场景，训练模型可以实现传统STBC系统的误码性能，两发两收系统在发送端相关系数为0和0.9时分别优于传统系统0.5 dB和1 dB。此外，经过优化后的系统可获得采用卷积编码的性能改善效果，其两发两收不同工作方式优于传统1/2码率卷积编码STBC系统1~3 dB。     

“北斗”救生终端海上自适应功率退避算法

受海况、浸水、结冰、对星等因素影响，飞行员海上遇险后报位可靠性较低，工作时长较短。为此，提出一种自适应功率退避方法，在对报位影响因素分析基础上，利用深度神经网络，通过对经纬度、高度、俯仰角、方向、加速度、速度、浸水、信号、电量等多维度数据进行学习，拟合出覆冰、浪涌、液面等信号特征与环境特征联想模型，自适应控制信号发射时机，实现功耗的有效控制。试验表明，该方法将通信成功率及工作时长分别由36.3%、6.0 h提升至73.3%、8.6 h。     

基于神经网络的开化县森林碳储量空间估计

本研究以浙江省开化县为研究对象,用2004年全县境内76个森林资源清查样地数据及同年Landsat TM遥感影像,将归一化植被指数NDVI、IND53和归一化绿色植被指数GNDVI融入BP神经网络,对开化县境内森林碳储量进行预测。结果显示:开化县平均碳密度为37.616Mg/hm~2,碳密度最大值为144.691Mg/hm~2,碳密度最小值为0.000Mg/hm~2,标准差为26.685Mg/hm~2。森林碳密度较高区域主要集中在西北和东部,整体呈现出沿东北方向的两边密集、中间稀疏的状态。     

基于卷积神经网络的京杭大运河遥感影像水质分类算法研究

京杭大运河是世界上最古老最长的运河,并且近年来作为南水北调工程的东线,其水环境安全对沿岸城市具有重要意义。近几年京杭大运河的水污染情况日益引起关注,但在大面积的运河上缺乏具有空间连续监测的监测结果。文章建立小型水质遥感影像样本数据库并设计能够挖掘不同水质信息的卷积神经网络模型来实现对运河水质的快速分类。文章模型的验证精度达到88.0%,测试精度达到84.6%,具有一定的时空普适性,为管理部门提高水环境管理效率提供辅助作用。     

市场情绪对股票走势的影响分析及预测

为探究投资者情绪对股票走势的影响,利用R软件的爬虫技术将人们对股票市场的看法抓取下来,将文本中的隐含情绪分为积极、消极及中性3种类别,并依此构建情绪得分作为市场情绪量化的结果.利用单位根检验等方法对上证指数与投资者情绪的因果关系进行探究并建立VAR模型.为更好地判断市场情绪对股票走势的影响程度,分别构建加入情绪得分前后的BP神经网络模型对上证指数收益率进行预测,比较两个模型的优劣,从而发现当股票预测模型加入市场情绪指标后误差更小,预测更为准确.     

深度学习技术在海关风险甄别中的应用研究

随着互联网的高速发展和人工智能时代的到来,越来越多从前必须由人脑完成的工作能够利用计算机技术来完成,而深度学习的出现更解决了传统机器学习算法在计算机视觉领域、自然语言处理领域表现不佳的问题,使机器也能够拥有准确感知图像和语音的能力。人脸识别是深度学习网络最常见的应用场景之一,具有自然、直接、方便的特点,且不需要检测对象配合,因此非常适合用于公共安全领域的风险检测。研究充分结合海关实际需求,搭建基于深度学习技术的人脸识别模型,提供对通关旅客进行实时风险甄别的解决方案,以及海关通关风险防控场景的理论参考,为后续深度学习技术在海关业务的研究提供支撑。     

基于GA-BP神经网络的通信卫星效能评估模型研究

卫星通信作为未来联合行动的重要通信手段,其运用效能对联合行动的影响重大.该研究以通信卫星运用效能研究为切入点,通过对关键问题进行树状分解,建立了包含35个指标的通信卫星运用效能评估指标体系,基于GA-BP(Genetic Algorithm-Back Propagation)神经网络方法,构建了通信卫星运用效能评估模型.通过实际卫星工作过程中产生的数据对所建立的模型进行了验证,证明了该模型能够有效地评估通信卫星的运用效能.