简介:目的:通过对志愿者观看3D影片之后的脑电信号进行主成分分析,选取最能代表立体视觉疲劳度的主成分,运用BP神经网络对疲劳等级进行建模,提高对疲劳度等级的预测准确度。方法:采集15名志愿者观看五部不同3D影片前后的脑电信号,先对脑电信号进行疲劳度分级并选取特征通道;再对特征通道的脑电信号进行主成分分析选取影响最大的特征主成分,利用BP神经网络进行建模,根据建立的模型对立体视觉引起的疲劳等级进行预测,将预测结果与已知的疲劳等级进行对比。结果:根据文献中的疲劳等级将实验结果分成三个等级;据累计贡献率超过90%选取的前四个主成分建立的预测模型,准确度达95.4%。结论:运用主成分分析和BP神经网络的方法对立体视觉疲劳度进行预测,预测准确度较高,与直接根据脑电特征参数建立模型的方式相比简便和准确,这一方法对立体视觉引起的疲劳度分级及预测提供了新的思路。
简介:摘要:随着大数据时代的到来和计算机能力的提升,传统的目标检测方法难以处理庞大的图像数据以及无法满足人们对目标检测精度和速度上的要求,而卷积神经网络具有强大的特征学习能力,突破了传统目标检测方法的瓶颈,基于卷积神经网络的图像目标检测技术在诸多领域掀起了新的应用热潮。首先,文中介绍了卷积神经网络在目标检测任务上的优越性;其次,梳理了基于卷积神经网络的图像目标检测在医学、工业、农业领域中的典型应用,并对其中几种典型卷积神经网络的结构进行归纳总结分析;最后,讨论了目标检测的应用方面仍然存在的问题,并对基于卷积神经网络的图像目标检测应用的未来研究发展方向进行展望。
简介:摘要:煤炭是不可再生资源,随着开采量的日渐增大,表层资源越来越少,煤矿开采也逐步从传统的地面开采转变为深部开采。相关数据研究测算表明,我国各大煤矿产区每年的开采深度下降10~20m,虽然可以满足我国工业领域发展的资源需求,但也增加了煤矿的瓦斯压力,导致每年增加的压力达到了0.1~0.3MPa。煤矿开采深度日渐加大,地质构造越发复杂,煤矿灾害的发生率也在不断提升,越来越多的大型煤矿转变为高瓦斯煤矿,导致煤矿瓦斯治理难度不断提升。这些问题始终未获得有效的解决,对煤矿开采的效率和质量造成了严重影响,为企业的安全生产带来了一系列的巨大隐患。因此,加强瓦斯治理理论研究,制订针对性的防治措施,已经迫在眉睫。
简介:神经毒气是化学战武库中的主要成员,已经在实际战争中得到使用。例如,在两伊战争及伊拉克与反叛的库尔德少数民族的战斗中,就使用了神经毒气塔崩(Tabun)。近年来,一种称为沙林(Sarin)的神经毒气被用来对付手无寸铁的广大民众,在松本和东京引起严重的人员伤亡事件。这是首次在非战争状态下被恐怖分子利用的化学武器。有关神经毒气方面的信息不多,广大民众对此均感生疏,象本文这样系统地介绍神经毒气的文章将对公众有所帮助。本文将首先对有毒气体作一简单介绍,然后叙述神经毒气的各有关方面,包括神经毒气的化学结构,制造原理,毒性机理,中毒治疗,检测方法及去污技术等有关内容。
简介:针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).