首页期刊导航|重庆大学学报
期刊信息/Journal information
重庆大学学报
重庆大学
重庆大学学报

重庆大学

孙才新

月刊

1000-582X

cdxbz@cqu.edu.cn

023-65102302,65111217,65112126

400044

重庆市沙坪坝正街174号

重庆大学学报/Journal Journal of Chongqing University(Natural Science Edition)CSCD北大核心CSTPCDEI
查看更多>>本刊是教育部主管重庆大学主办的自然科学综合性学术刊物，编委会主任为校长李晓红教授（博导），主编为孙才新院士，主要刊发校内外教师、专职科院人员、博士和硕士研究生的论文，特别是国家“863”课题资助，国家自然科学基金资助的论文。
正式出版
收录年代

    参数优化变分模态分解与LSTM的电力物资需求预测

    向洪伟曹馨雨张丽娟周楚婷...
    127-138页
    查看更多>>摘要：国家电网物资采购管理水平不断提高，线上采购流程逐步完善，但仍存在由于采购计划预估不准导致招投标过程中，供应商利用招投标总标包机制进行价格博弈而造成电网公司采购成本增加，因此，建立准确有效的电力物资需求预测模型具有重要意义。针对电力物资序列的非稳定性、波动性和间歇性特点，提出一种基于参数优化变分模态分解(variational mode decomposition，VMD)与长短时记忆神经网络(long short-term memory，LSTM)的电力物资需求预测方法，选取国网电商专区平台的典型电力物资，采用鲸鱼优化算法(whale optimization algorithm，WOA)参数优化的VMD对原始序列进行模态分解，将分解获得的各模态分量分别构建LSTM模型，最后将各模态的预测值叠加重构为电力物资的预测值。实验结果表明:所提电力物资需求预测方法较LSTM、EMD-LSTM、VMD-LSTM、PSO-VMD-LSTM、SSA-VMD-LSTM有更高的准确率，对电网物资采购预测具有一定实际意义。

    电力物资长短期记忆神经网络变分模态分解鲸鱼优化算法时间序列

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    面向自动驾驶的多模态信息融合动态目标识别

    张明容喻皓吕辉姜立标...
    139-156页
    查看更多>>摘要：研究提出一种面向自动驾驶的多模态信息融合的目标识别方法，旨在解决自动驾驶环境下车辆和行人检测问题。该方法首先对ResNet50网络进行改进，引入基于空间注意力机制和混合空洞卷积，通过选择核卷积替换部分卷积层，使网络能够根据特征尺寸动态调整感受野的大小;然后，卷积层中使用锯齿状混合空洞卷积，捕获多尺度上下文信息，提高网络特征提取能力。改用GIoU损失函数替代YOLOv3中的定位损失函数，GIoU损失函数在实际应用中具有较好操作性;最后，提出了基于数据融合的人车目标分类识别算法，有效提高目标检测的准确率。实验结果表明，该方法与OFTNet、VoxelNet 和FasterRCNN网络相比，在mAP指标白天提升幅度最高可达0。05，晚上可达0。09，收敛效果好。

    自动驾驶ResNet50YOLOv3数据融合注意力机制损失函数

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据