简介：为了提高GM(1,1)模型的预测精度,对GM(1,1)模型进行预测,得到残差序列,然后用残差序列建模对原模型进行修正,得到GM(1,1)的残差修正模型,将其应用到扬压力的预测中,结果表明模型精度大大提高.

简介：本文用样条函数对灰色Verhulst模型的残差序列进行插值拟合，然后作用于二阶线性微分方程，并以此修正原模型，得到一种新的预测模型的数值解，提高了拟合的精确度。

简介：探讨了基于结构受力响应敏感点的应变残差的装配式简支梁桥有限元模型修正技术。由灵敏度分析确定结构优化变量,通过敏感点有限元计算应变与实测应变获得应变残差即应变比能残差总和,并表示成优化变量的函数,以残差为零为优化逼近目标,结合零阶及一阶优化方法进行模型修正计算。以一座5片箱梁组成的装配式简支梁桥为研究对象,将实桥应变测试值与优化后值进行对比,证明该方法在保证分析效率的同时,可获得较真实的结构状态,可为结构加固、改造提供依据。

简介：摘要为了更准确地预测工程材料价格走势，本文介绍并比较了两种灰色GM（1，1）残差修正方法，并应用在了圆钢综合、螺纹钢综合及水泥价格的模拟和预测上，结果证明圆钢综合价格模拟仅能采取残差方法一，而残差方法二可以大大提升螺纹钢综合和水泥价格模拟精度。

简介：

简介：通过介绍灰色GM(1,N)模型基本原理和改进措施,提出残差修正GM(1,N)模型。运用残差修正GM(1,N)模型对成都市社会消费品零售额进行预测。平均预测误差为10.66997%,比非残差修正的灰色GM(1,N)模型的平均预测误差14.60739%减小了26.95499%,近期预测误差更小,2017年预测误差仅为1.76773%。研究还发现,对成都市社会消费品零售额影响由大到小的因素为城镇化率、城镇居民人均可支配收入、地区人口数量、农村居民人均纯收入。

简介：摘要本文基于经典的残差网络结构，提出一种改进后的残差模块。该结构可以在不增加网络深度的前提下，提取更多的样本特征，从而提升网络性能。以MNIST手写字体库为训练集，使用tensorflow做为机器学习库，在GPU上训练模型。实验结果表明，改进后的残差模块可以更好的提出网络特征，从而提高预测的准确度。

简介：介绍了铜柱测压系统产生动静差的原因及φ3.5×8.75铜柱动静差的变化规律.根据这一特定的物理现象,采用量纲分析方法简化变量,用正交表进行试验设计,并获得了这一物理过程的无量纲组合量的一般结构形式.借助于实验数据得到了动静差修正经验公式.经实验验证,该修正公式的有效性较好.

简介：为了提高行人检测的准确性,提出一种改进的方向梯度直方图(HOG)算法,首先对图像进行两种方式的HOG特征向量的提取,方形划分和圆形划分方式,并对圆形划分得到的梯度直方图进行权值优化调整,再结合残差网络(ResNet)提取的深度模型特征,最佳特征向量用主成分分析算法(PCA)降维,通过SVM算法对行人进行检测。通过对HOG与ResNet特征融合算法进行仿真,并与其他行人检测算法对比,在提升准确率与降低漏检率上取得了很好效果。

简介：摘要目的研究和搭建人工智能深度学习网络，在两个公开的大脑MRI图像数据集上实现高准确率的MRI脑肿瘤的四分类。材料与方法提出一种多尺度残差网络的MRI脑肿瘤分类模型，实现脑肿瘤的四分类任务。模型包括多尺度输入、改进残差、下采样和双通道池化共四个模块。将Kaggle中正常人和Figshare中肿瘤患者的脑部MRI图像进行数据集组合，对提出的模型进行训练和性能评估，优化网络超参数，提高分类准确率。结果在352张MRI图像上测试模型，仅使用多尺度输入模块时，得到平均分类准确率为96.59%。添加下采样模块后，准确率达到98.58%。对比最大池化、均值池化和双通道池化，准确率分别为96.02%、97.16%、98.58%。多尺度残差网络对脑肿瘤具有很好的分类效果，对胶质瘤、脑膜瘤、垂体瘤和正常无肿瘤图像的分类准确率分别为99.14%、99.14%、99.42%和99.42%。结论MRI是一种典型的检查脑肿瘤的医学成像方法，但放射科专家手工对脑肿瘤进行准确分类极具主观性和不确定性。提出的多尺度残差网络能为脑肿瘤自动分类提供有效的方法，且该网络提高了MRI脑肿瘤分类的准确率，很好地解决了梯度消失问题，提升了模型的泛化能力。

简介：通过对国内外关于股价异动相关文献的梳理，发现以往研究成果中对股价异动的判定方法较为繁琐。残差系数法是“事件研究法”和“股价反应程度分析法”的创新结合，它主要应用于判断重大并购事件首次公告之前股价异常波动。实际应用表明，残差系数法简捷、实用。

简介：摘要作为无人机航向误差校正的重要方式，罗差修正法的应用至关重要。其不仅有助于罗差系数的合理计算，更对无人机外业精度把控具有重大影响。本文在阐述航向系统及罗差内涵的基础上，对罗差形成的原因进行分析，并指出无人机航向罗差修正法的具体应用。以期有利于罗差修正法应用水平的提升，进而实现无人机作业精度的有效控制。

简介：摘要：本系统开发完成日期：2023年01月25日，首次发表日期：2023年01月28日

简介：针对区域导航系统卫星轨道预报精度差、在轨卫星故障或者GEO卫星轨道机动后轨道快速恢复等问题,对独立时间同步体制下区域卫星导航系统的广域差分技术进行了深入研究,从非传统力学的角度提出了通过单历元广域差分进行星历误差改正的技术,完善了广域差分星历误差改正体制;并通过协方差矩阵分析了广域差分星历改正数误差传播规律,设计了控制误差传播放大的算法。模拟实验结果证明,在时间同步条件下可以通过发播等效钟差改正数、星历误差改正数实时地为服务区内用户提供高精度的卫星星历和卫星钟差改正参数。星历误差改正参数精度基本不受先验轨道、卫星钟差精度和观测数据累计时间长度的影响;在综合观测误差改正精度为2ns的情况下,可为系统实时提供平均精度优于5m的星历误差改正参数。

简介：摘要XXX001型无人机是一种中程多用途无人机。本文首先对该型号无人机CHC-2型磁航向传感器进行原理分析，然后针对磁航向传感器在长途运输过程中容易被地磁干扰的特性，提出了简洁高效的8航向罗差校正方法，最后详细介绍了该型无人机罗差校正的操作流程。

简介：

简介：载波相位观测值中的周跳进行探测和修复一直是GPS精密定位数据处理中的一个十分重要的问题。主要讨论基于双频探测的电离层残差法,编制了相应程序,并通过实例分析了在不同采样率条件下探测与修复周跳效果,针对其探测盲区提出了解决方案。

简介：摘要：齿轮箱是旋转机械的关键部件，而旋转机械的机械故障约３０％是由齿轮箱发生故障引起的。而对机械设备进行定期的故障诊断之后，可以将事故的发生率减少75%，维修的费用也可以降低２５％～５０％。伴随着深度学习的快速发展，科研人员逐渐将浅层的机器学习方法应用到旋转机械的故障诊断之中，常见的有支持向量机、深度置信网络、循环神经网络和卷积神经网络等故障分类方法或模型。残差网络（Residual Neural Network,ResNet）作为卷积神经网络的一种优异模型，在图像识别领域等二维信息之间应用广泛，本文对其进行改进使其具有良好的抗噪能力，以剔除具体工业环境下噪声的干扰，以利于机械故障诊断。基于此，对改进残差网络的齿轮箱故障诊断进行研究，仅供参考。

简介：摘要：由于传统方法在实际应用中误识率较高，电力告警信号识别效果不佳，提出基于深层残差网络的电力告警信号识别方法。利用无线传感器获取电力信号，对其归一化处理，并利用深层残差网络对电力信号卷积计算，确定电力残差，将其作为依据识别告警信号。经实验证明，设计方法误识率较低，具有良好的电力告警信号识别效果。

简介：摘要：由于传统方法在实际应用中误识率较高，电力告警信号识别效果不佳，提出基于深层残差网络的电力告警信号识别方法。利用无线传感器获取电力信号，对其归一化处理，并利用深层残差网络对电力信号卷积计算，确定电力残差，将其作为依据识别告警信号。经实验证明，设计方法误识率较低，具有良好的电力告警信号识别效果。