基于深度时空三维卷积神经网络的短时犯罪预测研究

细粒度时空尺度下的犯罪预测对理解犯罪发生、指导安全防范、部署治安巡逻警力等工作具有重要意义。针对现阶段时空细粒度条件下的犯罪预测面临犯罪数据稀疏,时空特征难以充分捕获的问题,采用深度时空三维卷积神经网络(ST-3DNet)对时空特征进行充分捕捉,构建出适用于犯罪数据的时空细粒度预测模型。基于美国洛杉矶真实犯罪数据集做了大量实验,结果表明：(1)随滤波器个数、时间特征长度和ResUnit层数的改变,ST-3DNet的预测RMSE值在0.308—0.342之间波动,MAE值在0.083—0.136之间波动,且RMSE和MAE值大多是反相关的;(2)ST-3DNet和深度时空残差网络(ST-ResNet)进行对照,ST-3DNet预测MAE值明显优于ST-ResNet, RMSE最小值也优于ST-ResNet,而ST-ResNet则在预测性能稳定性上更有优势,其受参数变化的影响较小,鲁棒性较优;(3)通过提升周周期组件网络深度和减少网格空白区域,可使ST-3DNet在预测性能优于同参数配置的ST-ResNet的前提下,预测性能稳定性明显提升,达到甚至优于ST-ResNet的预测性能稳定性水平...     

BP机遥控爆炸装置起爆方式剖析

通过对寻呼通信信息传输流程及BP机遥控爆炸信息传输流程的分析,对BP机遥控爆炸装置起爆信号导 出方式和爆方式的研究,剖析了实际办案中遇到的几种BP机遥控爆炸装置的起爆原理。     

基于卷积神经网络的X射线安检图像充电宝锂电池的识别算法

近年来,X射线图像中复杂背景下充电宝锂电池的识别理论与技术成为安检领域关注的新焦点。研究使用基于卷积神经网络的目标识别模型对大量带有充电宝锂电池的X射线图像进行学习,得到X射线图像中的充电宝锂电池识别模型。然后,对模型的训练过程进行了详细的讨论并给出了优化方案和结果。最后,经过大规模的测试证明了该模型具有较好的泛化能力。     

基于神经网络组合模型的物联网产业发展预测研究

在制定物联网产业发展战略及相关政策时,对物联网产业规模的统计和预测的精准度有着较高的要求,但目前在此方面的研究甚少。针对物联网产业发展和数据的特点,选取BP和RBF神经网络以及BP-RBF神经网络组合模型来对物联网产值进行预测,对三种方式的检测结果进行比较,选取组合模型预测出我国物联网产业2012-2020年的产值,并根据预测结果对我国物联网产业发展进行了阶段划分。     

乡村青少年城镇化的教育路径研究

人口城镇化是乡村振兴战略的内在要求，当前，子女教育进城为先导的家庭城乡游移现象普遍，乡村青少年在城市接受教育年龄愈加提早，其城镇化理想的时代特征亟待研究。学校教育是整个社会系统的一个子系统，是促进城乡人口循环流动的主桥梁。在县域进行定向抽样问卷调查，对回收的618份有效问卷进行交叉列表、BP神经网络分析，乡村青少年城镇化相关结论有三：（1）主流倾向是大中城市，其次是县城，乡镇少人问津，且选择意向为农村、乡镇、县城和大中城市的比例呈蘑菇状分布；（2）学校教育是实现城镇化的主要路径，其中选择普高教育者大中城市生活倾向尤其明显，选择职业教育者县城生活意愿突出，但仍有一些人选择外出务工实现城镇化；（3）家庭中父亲的工作和学历，通过父母教育期望的中介作用，影响着子女的教育选择，进而对子女城镇化空间选择产生影响。在此基础上，从社会关系结构和地理空间角度探讨城镇化中“市”的认识误区，从乡村教育分流和规划布局的角度反思“县”教育行政的理解偏差。