论文部分内容阅读
HBT关联与QCD相变探测
【机 构】
：
湖州师范学院
【出 处】
：
第十四届全国中高能核物理大会
【发表日期】
：
2011年10期
其他文献
城市交通时间序列模式识别主要基于距离计算和特征提取两种方法,但前者结果受到时间序列非线性特征的影响,后者难以提取多时间段Shapelet子序列。为准确识别城市交通指数数据模式,提出了基于卷积神经网络对交通时间序列数据进行模式识别的方法。首先将时间序列数据预处理成N维矩阵,确定神经网络模型的输入数据;然后通过反复训练特征网络提取输入层的特征信息,确定交通指数的模式类型;最后利用Softmax分类器进
伴随着时代的持续性发展,电梯的安装、调试工艺技术在建筑行业中的应用越发普遍和重要.因为电梯的使用功能特殊性,在安装期间必须确保高精度以及高质量水平.对此,为了进一步
理解并准确预测行人的移动轨迹,对提高自动驾驶技术的水平,减少交通事故的发生有重要的意义。针对现有轨迹预测方法预测精度不高,对行人交互信息利用不充分等问题,提出了一种结合自注意力机制和结伴行为特征的行人轨迹预测模型,该模型考虑了每个行人的运动信息及其与周围行人的交互作用,使用循环神经网络和图卷积网络分别对行人的行走状态和行人间的交互进行建模。在图卷积网络中,定义图的节点表示行人的运动信息,图的边表示