估计模型

摘要： 由于影响因素的变动,导致图书馆借阅量估计结果存在较大误差,因此,设计了一种基于大数据的图书馆借阅量估计模型。将单位周期内图书馆借阅数据进行类目划分,并统计了专业、年龄以及性别3个影响因素对借阅量的作用,以此对因素赋权,将赋权结果作为估计模型的设计依据,结合图书馆的实际资源储备情况,实现对借阅量的估计。实验结果表明,模型对图书馆借阅量的估计值与实际结果之间的整体误差仅为0.55%,单一类目估计误差不超过2.82%。

摘要： 随人工智能产品的体验式增强,手势姿态估计作为一种经典的计算机视觉任务,具有广泛的应用场景。针对目前应用在移动端智能产品都需轻量化的网络模型,本文基于CPM(Convolutional Pose Machine)多阶段人体姿态估计网络,设计出一种轻量级的手势姿态估计模型。基于RHD开源数据集进行对比实验,对比分析了轻量级的CPM手势估计模型在保证精度的同时,可以有效的减小模型参数量,为研发实时移动端手势姿态估计提供了基础。

摘要： 文章对外汇期权市场隐含波动率三种估计模型(三次样条插值方法、SABR模型和Vanna Volga模型)开展人民币外汇期权市场实证分析,结果表明,在流动性相对充分的市场条件下,三种模型均能有效估计波动率;但在流动性欠佳的情况下,三次样条插值方法和Vanna Volga模型存在一定的局限性,而SABR模型则显示了相对的稳定性。

摘要： 航程油耗的非线性复杂特征为合理、准确判断航空运输过程碳排放量进而有效控碳带来了诸多困难。为此,构建了一种基于统计分析阈值的运输过程航段油耗分段线性估计模型。该模型在飞机运输过程航段油耗高阶多项式表达的基础上,以全航程航段油耗核证重要性指标作为统计分析阈值来设定多项式表达线性化分段的依据,从而兼顾科学计算准确性与碳核证实操合理性。实例分析结果表明了方法的有效性。

摘要： 传统的数字系统延时控制过程不能对系统的时间延迟进行准确预测,导致其存在拟合率低、网络传输延时过长和负载率低的问题.为解决上述问题,基于神经网络设计了新的无缓冲数字系统延时控制模型.使用时间戳技术记录采集到的数据包时间,并根据延时预测器预测在线网络延时.采用神经网络SMITH预估结果对无缓冲数字系统延时进行预估补偿,在SMITH估计模型的基础上构建无缓冲数字系统延时控制模型.通过PIP控制算法获得无缓冲数字系统延时控制模型的最优解.实验结果表明,上述模型的拟合率和负载率均较高,且能够有效减少网络传输延时,充分说明了上述模型的有效性.

摘要： 路面附着系数是影响汽车行驶状态估计的重要因素,单一路面附着系数下的汽车行驶状态估计无法适应各种路面工况.针对分布式电动汽车行驶状态与路面附着系数估计问题,研究了一种基于双容积卡尔曼滤波理论的联合估计算法.利用分布式电动汽车多信息源优势,建立3自由度车辆估计模型,将多传感器信号作为估计模型的输入,侧向力通过Dugoff轮胎模型计算获得,设计行驶状态和路面附着双容积联合估计算法.通过典型工况对接路面双移线进行仿真实验,结果表明算法能够实现实时准确估计.

摘要： 路面附着系数是影响汽车行驶状态估计的重要因素,单一路面附着系数下的汽车行驶状态估计无法适应各种路面工况。针对分布式电动汽车行驶状态与路面附着系数估计问题,研究了一种基于双容积卡尔曼滤波理论的联合估计算法。利用分布式电动汽车多信息源优势,建立3自由度车辆估计模型,将多传感器信号作为估计模型的输入,侧向力通过Dugoff轮胎模型计算获得,设计行驶状态和路面附着双容积联合估计算法。通过典型工况对接路面双移线进行仿真实验,结果表明算法能够实现实时准确估计。

摘要： 为解决交直流微电网三阶段状态估计模型收敛速度慢的问题,基于拉格朗日松弛法设计交直流微电网三阶段状态估计模型.通过定义交直流微电网三阶段状态变量,形成约束条件;利用拉格朗日松弛法非线性转换中间变量,得出交直流微电网三阶段状态估计模型目标函数,估计交直流微电网三阶段状态.结合设计应用性实例分析,结果表明,设计的估计模型收敛速度始终快于对照组,模型收敛速度度快,能够解决交直流微电网三阶段状态估计模型收敛速度慢的问题.

摘要： 结合皮卡项目DPF标定经验,建立基于DPF压降的碳载量估计模型,并通过MATLAB软件对模型进行编程,设计出DPF加载过程中碳载量估计的标定工具,研究DPF加载过程中碳载量估计的标定方法.试验验证结果证明,该碳载量估计模型与实际碳载量相比,具有较高的准确性和鲁棒性.

摘要： 高速铁路列车运行控制系统对列车定位精度要求很高.列车每经过一个应答器,定位误差变为0,但列车在远离最近相关应答器的过程中,定位误差会越来越大.为了提高列车在两应答器间的定位精度,工程中常用速度平均法来估算列车的位置,但定位精度受空转和打滑影响较大.针对这一问题,本文首先建立了列车位置计算的数学模型,然后应用最小二乘法(LSE)建立了高速铁路列车位置的估计模型,并利用武汉-广州高铁线路数据和无线消息数据对模型参数进行辨识.最后应用估计模型估计列车的位置,并与实际数据对比.结果表明最小二乘法比速度平均法位置估计误差更小,结果更可靠.

摘要： 针对航空公司对于飞机燃油消耗的控制,考虑到现有燃油估计方式的缺陷,本文提出一种基于T-S模糊神经网络的飞机燃油消耗估计模型.通过提取特定航班的若干次实际飞行QAR数据中关键参数,作为输入训练网络.针对不同航段关键影响因素不同,实行航路分阶段建模.对于核心的学习算法部分,前件网络参数采用改进的衰减记忆全局关联函数和学习率自适应调整相结合的梯度下降算法,后件网络采用改进的遗传算法.实验数据表明:对于非线性的燃油估计问题,本文方法在改善估计精度方面效果明显.

摘要： 分析了视频在易错信道传输的差错扩散特性，结合基于像素递归和基于信道仿真的传 输失真估计模型的优点，提出一种基于信道仿真的视频传输失真估算模型，该模型首先利用若 干信道仿真器仿真计算出某个特定丢包率下的信道失真，然后利用丢包率和信道失真的关系计 算出其他丢包率下的信道失真。仿真实验验证了提出模型在信道失真估计中不会产生误差积 累，在不增加过多计算复杂度的情况下，不同序列平均信道估计误差为9.4%，在各种丢包率 下都比较稳定，具有较高的估计精度和较快的估计速度。

摘要： 路网OD描述一段时间内道路网络内交通小区之间的交通需求总量大小,是制定交通规划和管控方案的重要基础.现有路网OD估计方法大都基于车辆自动识别数据和定点检测数据,对数据覆盖范围和质量要求较高,未能充分挖掘利用车辆轨迹数据所提供的丰富交通流信息.因此,本文提出了一种基于车辆轨迹与定点检测器数据的OD估计模型.该模型将估计路段行程时间与检测路段行程时间绝对误差最小添作优化函数的扩展项,并以各目标量的相对误差为约束,在保证计算速度的基础上,同时获得了可靠的OD矩阵、路段流量与路段行程时间估计值.为了验证模型的有效性,本文利用上海陆家嘴区域微观交通仿真模型,对不同车辆轨迹渗透率和采样频率组合场景下模型的估计精度进行了分析.结果表明,模型在保持OD矩阵估计精度的基础上,大幅提升了路段流量的估计精度,同时获得了稳定可靠的路段行程时间估计值.另外,本模型在路网平均渗透率为12～15％,采样频率为1次/5～10秒时具有最佳效益.

摘要： 多波束测深系统具有高精度、高效率、宽覆盖测量的特点.简要介绍了多波束覆盖区域模型发展现状和多波束的原理以及多波束探测覆盖区域的主要影响因素,提出了基于椭圆的多波束覆盖区域估计模型,模拟仿真了海底多波束覆盖区域,对多波束海底全覆盖的研究具有一定的参考意义.

摘要： 针对无源传感器组网探测与定位中双站被动测向测时差定位系统误差估计的问题，通过对其定位原理的分析和推导构建了系统误差估计模型，并从理论上分析了应用序贯最小二乘估计的算法，给出了利用该算法估计系统误差的详细步骤。最后建立了仿真环境，通过Monte Carlo实验仿真分析了该算法的收敛性与估计精度，并对定位系统误差配准前与配准后的目标航迹进行了比较。理论分析和仿真试验表明：序贯最小二乘估计能够准确有效地估计出两站被动测向测时差定位系统误差。

摘要： 针对电站实时数据中普遍存在不良数据的情况，提出一种基于支持向量回归的不良数据检测方法。该方法利用支持向量回归估计模型不倾向于消除个别大的回归误差，而是从整体上考虑回归曲线的平滑程度的特点，通过比较回归估计值与实测值之间的残差来识别测量数据中的不良数据。以某300MW机组的主蒸汽流量为具体对象，给出了该方法的算例和检测结果，计算结果表明该方法能有效地实现不良数据的定位与分离，为提高电站性能计算的精确性奠定基础。

摘要： 本文将多模型思想与强跟踪滤波器相结合，在多模型自适应估计和扩展多模型自适应估计方法的基础上，提出了一种基于强跟踪多模型估计器的故障检测和诊断方法。该方法改进了多模型自适应估计方法的不足之处，具有较好的鲁棒性和较强的自适应能力。它适用于非线性系统，能在线快速地检测出故障，并能较准确地估计出故障的大小。通过对各种舵面故障的仿真，验证了该算法的有效性。

摘要： 本文将多模型思想与强跟踪滤波器相结合，在多模型自适应估计和扩展多模型自适应估计方法的基础上，提出了一种基于强跟踪多模型估计器的故障检测和诊断方法。该方法改进了多模型自适应估计方法的不足之处，具有较好的鲁棒性和较强的自适应能力。它适用于非线性系统，能在线快速地检测出故障，并能较准确地估计出故障的大小。通过对各种舵面故障的仿真，验证了该算法的有效性。

摘要： 主要目标在于提供能够解决前述问题的分层隐变量模型估计设备、分层隐变量模型估计方法、供应量预测设备、供应量预测方法、以及记录介质。分层隐结构设置单元82设置分层隐结构，该分层隐结构为其中隐变量由树结构表示并且表示概率模型的成分位于树结构的最低层的节点处的结构。变分概率计算单元81计算路径隐变量的变分概率，该路径隐变量为在分层隐结构中的将根节点链接到目标节点的路径中包括的隐变量。成分优化单元83针对计算出的变分概率而优化成分中的每个成分。门函数优化单元84基于节点中的隐变量的变分概率来优化门函数模型，该门函数模型为用于根据分层隐结构的节点中的多变量数据来确定分支方向的模型。

摘要： 关于混合模型的模型选择问题，本发明关于模型候选的数目，基于适当的标准执行高速模型选择，所述模型候选的数目随着要混合的数目和类型的增多呈指数增大。一种混合模型估计装置包括：数据输入单元，所述数据输入单元输入要估计的混合模型的数据、估计数据的混合模型所需的混合数目的候选值、以及配置混合模型的分量的类型和参数；处理单元，所述处理单元根据候选值设置混合数目，针对设置的混合数目来计算针对随机变量的隐变量的变异概率，所述随机变量是数据的混合模型估计的目标，并通过使用计算的隐变量的变异概率优化分量的类型及其参数以便最大化针对混合模型的每个分量分离的模型后验概率的下限，来估计优化混合模型；以及模型估计结果输出单元，所述模型估计结果输出单元输出由处理单元获得的模型估计结果。

摘要： 一种模型估计设备(100)包括：隐藏变量变分概率计算处理单元(104)，用于获得隐藏变量模型中的参数并且通过这些参数的使用来计算受约束隐藏变量变分概率作为与先前给定的分布接近的隐藏变量后验概率；模型参数优化处理单元(105)，用于通过受约束隐藏变量变分概率的使用来优化隐藏变量模型的参数；以及最优性确定处理单元(106)，用于确定使用被优化的参数的边际化对数似然函数是否被收敛，其中在确定边际化对数似然函数被收敛时，用于边际化对数似然函数的受约束隐藏变量变分概率和参数被输出。

摘要： 关于混合模型的模型选择问题，本发明关于模型候选的数目，基于适当的标准执行高速模型选择，所述模型候选的数目随着要混合的数目和类型的增多呈指数增大。一种混合模型估计装置包括：数据输入单元，所述数据输入单元输入要估计的混合模型的数据、估计数据的混合模型所需的混合数目的候选值、以及配置混合模型的分量的类型和参数；处理单元，所述处理单元根据候选值设置混合数目，针对设置的混合数目来计算针对随机变量的隐变量的变异概率，所述随机变量是数据的混合模型估计的目标，并通过使用计算的隐变量的变异概率优化分量的类型及其参数以便最大化针对混合模型的每个分量分离的模型后验概率的下限，来估计优化混合模型；以及模型估计结果输出单元，所述模型估计结果输出单元输出由处理单元获得的模型估计结果。

摘要： 主要目标在于提供能够解决前述问题的分层隐变量模型估计设备、分层隐变量模型估计方法、供应量预测设备、供应量预测方法、以及记录介质。分层隐结构设置单元82设置分层隐结构，该分层隐结构为其中隐变量由树结构表示并且表示概率模型的成分位于树结构的最低层的节点处的结构。变分概率计算单元81计算路径隐变量的变分概率，该路径隐变量为在分层隐结构中的将根节点链接到目标节点的路径中包括的隐变量。成分优化单元83针对计算出的变分概率而优化成分中的每个成分。门函数优化单元84基于节点中的隐变量的变分概率来优化门函数模型，该门函数模型为用于根据分层隐结构的节点中的多变量数据来确定分支方向的模型。

摘要： 自身位置估计模型学习装置(10)包括：取得部(30)，其按时间序列取得在动态环境中从自身位置估计对象的视点拍摄到的局部图像以及从俯瞰自身位置估计对象的位置拍摄到的与所述局部图像同步的俯瞰图像；以及学习部(32)，其对以按时间序列取得的局部图像以及俯瞰图像为输入而输出自身位置估计对象的位置的自身位置估计模型进行学习。

摘要： 脑网络的活动估计系统(1)包括：获取从受验者(S)同时测量出的脑电波的测量数据(121)和功能性磁共振图像法的测量数据(122)的单元；单元(152)，其构建将脑电波的测量数据作为输入数据的特征估计模型(10)，并且决定用于规定该特征估计模型的参数；单元(154)，其基于在提供了脑电波的测量数据作为输入数据的情况下计算出的各模块的输出值，来计算每个模块的特征量；单元(158)，其基于功能性磁共振图像法的测量数据，来计算每个脑网络的图像特征量；以及单元(160)，其通过评价每个模块的特征量与每个脑网络的图像特征量之间的相关性，来决定多个模块中的表现特定的脑网络的活动的一个或多个模块。

摘要： 本发明提供估计模型制作装置、估计模型制作方法以及存储介质。估计模型制作装置具有：处理后图像获取部，其获取与被进行了膜处理的基板的表面有关的图像信息即处理后图像；基底图像获取部，其获取与被进行膜处理前的处理前基板的表面有关的图像信息即处理前图像；灰度值估计模型制作部，其制作根据处理前图像中包含的与基板的表面的颜色有关信息来估计处理后图像中包含的与基板的表面的颜色有关的信息的颜色变化估计模型；以及相关性估计模型制作部，其制作求出处理后图像中包含的与基板的表面的颜色有关的信息同由颜色变化估计模型估计出的结果之差并估计该差与进行膜处理所得到的对象膜的形状特性值之间的相关性的相关性估计模型。

摘要： 本申请公开了一种人体姿态估计模型、模型训练方法及人体姿态估计方法，训练方法包括将当前帧图像的上一帧图像输入预设前序特征模型，通过预设前序特征模型确定上一帧图的前序特征图；将前序特征图及当前帧图像输入待训练人体姿态估计模型，得到预测特征图；基于预测特征图及真值特征图对待训练人体姿态估计模型进行训练，得到人体姿态估计模型。本实施例通过采用基于单帧图像帧训练得到的预设前序特征模型对人体姿态估计进行监督，可以利用单帧图像帧的数据丰富性特点，同时将当前帧图像以及上一帧图像的前序特征图作为人体姿态估计模型的输入项，可以学习到相邻图像帧间的时空信息，提高了训练得到的人体姿态估计模型的模型性能。

摘要： 一种用于确定估计电池模块中的温度的温度估计模型的方法包括：关于基于所有各个参数集的模型，计算根据初步验证简档的测量温度与估计温度之间的差的第一误差；使用第一误差和第一阈值以便提取第一参数集；使用基于第一参数集的模型以便计算最大误差，该最大误差是温度中的误差中的最大误差；通过使用第二阈值、第一误差、加权值来提取第二参数集；通过使用第二参数集来计算第二误差；以及如果第二误差小于第三阈值，则将基于第二参数集的模型确定为温度估计模型。