【摘 要】
：
为解决逻辑Petri网不能详尽地描述模型在规定时间点变迁引发和引发完成的时间问题,提出逻辑时延Petri网。首先在普通变迁的基础上引入变迁的引发时间和变迁完成时间形成决策变迁,为每个token定义到达时间和自身时间属性等;其次重新定义引发规则和可达图算法,并针对决策变迁和可达图生成进行算法描述;最后使用逻辑时延Petri网对停车预订系统进行建模,构建可达图分析系统中重分配问题以及车位的利用率等问题
【基金项目】
：
山东省自然科学基金面上项目(ZR2020MF033)。
论文部分内容阅读
为解决逻辑Petri网不能详尽地描述模型在规定时间点变迁引发和引发完成的时间问题,提出逻辑时延Petri网。首先在普通变迁的基础上引入变迁的引发时间和变迁完成时间形成决策变迁,为每个token定义到达时间和自身时间属性等;其次重新定义引发规则和可达图算法,并针对决策变迁和可达图生成进行算法描述;最后使用逻辑时延Petri网对停车预订系统进行建模,构建可达图分析系统中重分配问题以及车位的利用率等问题。在此基础上设计实验验证了逻辑时延Petri网的可行性和智能停车预订系统的优势。
其他文献
当数据规模庞大时,深度学习模型会遇到权重调整耗时,容易陷入局部最优解的问题。为了解决这些问题,宽度学习系统应运而生,宽度学习系统不仅结构简单、训练速度快、准确率高,而且还具有增量学习的优势。介绍了宽度学习系统的产生背景和发展历程,阐述了宽度学习系统的基础理论与实现方法,对比了它与深度网络的异同;介绍了宽度学习系统在图像分类、数值回归、脑电信号处理等应用中的改进算法,分析了这些算法的优势和不足。最后
现有的评审专家推荐过程通常依赖于人工匹配,在进行专家推荐时不能充分捕捉评审项目所属学科与专家研究兴趣之间的语义关联,导致专家推荐的精确性较低。为解决这个问题,提出了一种科研项目同行评议专家学术专长匹配方法。该方法构建学术网络以建立学术实体联系,并设计元路径捕捉学术网络中不同节点间的语义关联;使用随机游走策略获得项目所属学科与专家研究兴趣共现关联的节点序列,并通过网络表示学习模型训练得到具有语义关联
为了能够实时准确对Web软件系统的剩余使用寿命(RUL)进行预测,考虑Web系统健康状态性能指标的时序特性和指标间的相互依赖特性,提出了一种基于自注意力长短期记忆(Self-Attention-LSTM)网络的Web软件系统实时剩余寿命预测方法。首先,搭建加速寿命测试实验平台来收集反映Web软件系统老化趋势的性能指标数据;然后,根据该性能指标数据的时序特性来构建长短期记忆(LSTM)循环神经网络以
现有协同过滤推荐算法中,存在的评分片面、主观性强、评分矩阵稀疏性等因素影响了推荐的精确度,并在推荐中存在隐私泄露等问题。针对上述问题,提出一种基于混合相似度和差分隐私的协同过滤推荐算法。该算法基于多种相似度进行加权计算构造混合相似度,提高推荐精度;以混合相似度作为质心更新和分类条件,利用改进的K-means算法将与目标用户相似度高的用户进行聚类;采用枚举方法在目标用户集中划分子集,并基于混合相似度
针对现有任务分配策略的不足,提出了一种面向延迟接受的移动群智感知多任务分配策略。首先,基于平台和工人的不同需求,提出了一种方法实现任务和工人的双向匹配。其次,考虑到任务的紧急性,设计了一种混合延迟接受算法。最后,为了验证所提策略的性能,将其与两种基准的任务分配方法进行了比较。实验结果表明,所提任务分配策略在提高平台效用和工人满意度方面是有效的。
针对现有虚拟人仿真技术在船舶狭小空间维修作业中存在的效率低下、需要较多人工干预、仿真成本高等问题,提出一种虚拟人姿态混合建模仿真技术。根据狭小空间中人体维修作业的特点,将虚拟人姿态建模分为虚拟人躯干及下肢姿态建模与虚拟人手臂姿态建模两部分。首先,提出一种基于姿态库的狭小空间姿态自动匹配算法,以确定虚拟人在狭小空间中的操作位置与姿态;在此基础上,建立多目标优化模型对手臂姿态进行求解,并实现维修仿真姿
方面级情感分析广泛应用于商品评价、餐饮、电商决策等,该任务的一个核心点是方面词提取。目前常用方法是用观点词来辅助提取方面词对文本进行序列标注,或使用跨度标记法预测方面词开始与结束的位置。这些方法没有考虑到观点词提取、情感极性分类对方面词提取的影响。针对这个问题提出一种用于方面提取的多元关系协作学习模型,利用观点词提取、方面词提取、情感极性分类间的关系建模,在关系中实现多任务的协作学习与联合训练。在
针对当前主流视觉问答(visual question answering,VQA)任务使用区域特征作为图像表示而面临的训练复杂度高、推理速度慢等问题,提出一种基于复合视觉语言的卷积网络(composite visionlinguistic convnet,CVlCN)来对视觉问答任务中的图像进行表征。该方法将图像特征和问题语义通过复合学习表示成复合图文特征,然后从空间和通道上计算复合图文特征的注意
研究如何充分利用海量用户浏览行为数据,构建更加精确的推荐算法和模型,以提高推荐系统性能,是目前个性化推荐领域研究的热点。针对这些问题,首先对用户的浏览行为进行了简要概括表述,给出了基于浏览行为推荐系统的总体框架,回顾总结了基于用户浏览行为的推荐系统的发展历程。对其关键技术和单一浏览行为量化方法与混合浏览行为量化方法进行总结、对比和分析。最后讨论了结合多源异构数据的浏览行为推荐的最新成果,总结了该领
混合图像分割算法所包含的两个部件中,初始分割不能形成低误分割率的过分割区域集,而区域合并存在缺少区域合并标号选择机制,且存在确定区域合并停止时刻的方式常不满足场景需求的不足。针对以上问题,提出一种基于多级区域信息融合的混合图像分割算法(MRIHS)。首先,使用改进的马尔可夫模型平滑超像素块,以形成初始分割区域;其次,在对初始分割区域进行相似性度量并选定待合并区域对后,利用设计出的区域标号选择机制来