网络瓶颈问题分析及解决方案

在网络日益发展的今天,网络对人们的生活和工作提供了越来越多的便利,同时网络能够提供服务的范围也越来越广,以至网络上的数据量也日益增加。但是随之而来的网络变慢的问题也日渐突显,这就是人们常说的网络瓶颈问题。简言之,网络瓶颈指的是影响网络传输性能及稳定性的一些相关因素。1网络瓶颈问题分析常见的网络阻塞有几种可能:1.1资源被占用太多资源被占用太多是引起网络太慢最常见的因素。尤其是网络的核心层设备,其数据流量非常大,使得原有的网络根本无法承担起重任,那么它就会严重制约网络的整体带宽,成为网络的瓶颈。1.2有的计算机被…     

萍乡市GPS控制网实施与数据处理

本文阐述了萍乡市GPS控制网的实施情况;用数据说明了国家三角点与c级网点存在明显的系统误差,得出两者兼容性较差的结论;提出了使用c级网点应注意的事项。     

灰色系统和BP神经网络相结合的矿产资源预测模型

这里介绍了灰色系统和BP神经网络相结合的预测原理,利用BP网络,对改进的GM(1,1)残差修正模型所得预测的结果进行再预测的组合预测模型,并对攀枝花市钒钛磁铁矿的产量进行了预测。计算结果表明,该预测方法是可靠的,并具有较高的预测精度。     

基于改进原型网络的小样本古生物化石识别研究

传统古生物化石鉴定方法多依赖于古生物学家的经验知识,现有的人工智能识别方法需要大量的化石训练样本才能达到较高的准确率。为解决上述问题,在少量化石图像样本情况下准确识别化石,本文尝试使用残差网络和注意力模块相结合的方法,并将其运用于小样本的化石鉴定。首先以残差网络作为模型的特征提取模块,并在残差网络的残差块中嵌入CBAM卷积注意力模块,提高模型对于化石纹理特征的关注,以提取更为全面的深层次化石图像特征,再使用小样本度量学习中的原型网络对提取特征进行原型计算,最后通过多轮次迭代训练得出最佳的化石判别模型。使用本文方法与5种经典的小样本学习方法进行对比实验,实验结果表明本文方法的识别准确率最高,在样本数量为1和5的情况下,准确率达到了86.32%和94.21%,对稀缺样本下的化石识别具有更显著的优势。     

基于改进原型网络的小样本古生物化石识别研究

传统古生物化石鉴定方法多依赖于古生物学家的经验知识,现有的人工智能识别方法需要大量的化石训练样本才能达到较高的准确率。为解决上述问题,在少量化石图像样本情况下准确识别化石,笔者等尝试使用残差网络和注意力模块相结合的方法,并将其运用于小样本的化石鉴定。首先以残差网络作为模型的特征提取模块,并在残差网络的残差块中嵌入CBAM卷积注意力模块,提高模型对于化石纹理特征的关注,以提取更为全面的深层次化石图像特征,再使用小样本度量学习中的原型网络对提取特征进行原型计算,最后通过多轮次迭代训练得出最佳的化石判别模型。使用本文方法与5种经典的小样本学习方法进行对比实验,实验结果表明本文方法的识别准确率最高,在样本数量为1和5的情况下,准确率达到了86.32%和94.21%,对稀缺样本下的化石识别具有更显著的优势。     

基于灰色Verhulst模型的建筑工后沉降预测

根据灰色系统理论、Verhulst模型和建筑工后沉降规律,建立建筑工后沉降灰色Verhulst预测模型,给出模型精度评定方法和残差修正预测模型,并提出非等时距沉降序列的Lagrange多项式等时距插值转换方法。通过工程实例计算分析,取得较好的效果。     

基于残差统计的三类北斗卫星随机模型估计与特性分析

基于北斗卫星的几何观测模型,处理3种型号接收机的4组短基线和零长度基线北斗观测数据,通过与MINQUE方法估计的随机模型进行比较,验证直接利用残差估值计算北斗观测值随机模型的可行性;在此基础上分析北斗卫星观测值高度角相关的精度、交叉相关性、空间相关性和时间相关性;结果表明北斗对地静止轨道(GEO)卫星的观测误差、空间相关性、时间相关性均大于倾斜同步轨道(IGSO)卫星和中轨道(MEO)卫星;北斗卫星的同类型观测值之间均具有较强的交叉相关性,不同类型观测值间的交叉相关性较弱,且随机模型的估计结果受接收机的内部误差和测站的外部误差影响.     

GPS-RTK界址点测量系统性误差改正方法探讨

在GPS-RTK测量界址点时,通过点校正获取坐标转换参数会引起系统性的坐标转换残差;在测定建筑物墙角等界址点时,只能以接收机天线的外缘靠近墙角位置,使得天线中心偏离界址点的实际位置,导致界址点测量偏心差。为此,通过在测区所有已知点上检测其坐标以建立测区的坐标转换残差改正模型,并导出三种基于天线偏心改正的界址点坐标计算及其误差公式,基本消除RTK界址点测量中的系统性误差影响。实际应用表明,该方法原理简单且便于外业施测和编程实现,可提高GPS-RTK界址点测量的精度。     

改进的GM-AR组合模型在地铁沉降预测中的应用

灰色预测模型对沉降的整体趋势有很好地预测结果,时序模型针对随机性的数据进行预测,二者结合一定程度上可提高预测的精度。文中通过改进GM-AR模型并将其应用于地铁沉降预测中,同时与灰色预测模型和GM-AR组合模型的预测精度进行对比分析。结果表明,改进后GM-AR模型可以有较好的预测效果。