针对电力SDH通信网故障定位准确率不高的问题,提出一种基于DNN的SDH通信网故障定位方法。首先对采集到的SDH通信网运维数据进行预处理,得到可用于DNN模型训练的告警样本集;其次构建不同隐藏层层数、不同学习率、不同激活函数的DNN故障定位模型;最后将训练好的DNN模型运用到SDH通信网运维定位中,并与传统的CNN、GA、AA、FA等模型进行对比。结果表明,基于DNN的SDH通信网运维故障定位模型能够更加及时、准确地定位电力通信网故障,定位准确率达到95.43%以上。

针对目前视线定位方法在驾驶员头部姿态和光照变化时,易出现定位精度低的问题,提出了一种残差网络辅助的驾驶员视线定位方法。首先在基础的残差网络模型上,改进残差网络结构来控制参数数量,采用激活函数FReLU代替ReLU,解决负值消失的问题;其次构建数据集,预训练检测模型,利用模型对驾驶员进行人脸检测,在人脸检测基础上使用dlib库提取面部特征点并计算头部姿态;最后根据头部姿态和虹膜中心位置信息融合确定视线方向。实验结果表明该方法降低了头部运动姿态和光照变化对视线定位精度的影响,能够实现头部活动范围直径在22cm内的视线定位,视线定位误差为0.7°。