基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。     

民族高校工商管理专业实践教学体系创新研究

围绕工商管理专业培养具有较强实践能力和高素质管理人才的目标,分析当前实践教学中的误区,通过构建全社会参与的工商管理专业人才实践教学社会网络,建立贯穿大学四年学习全周期的五大实践教学培养体系,对工商管理专业学生进行基础素养实践能力和专业素养实践能力培养,探索工商管理专业人才实践能力培养模式和体系。     

考虑集装箱生命周期的空重箱班轮运输组织优化

为在空箱调运时考虑空箱的维修成本和废弃收益,根据投入使用的时间区分空箱所处的生命阶段.在备选班轮航线和重箱运输需求确定的情况下,构建混合整数规划模型,优化班轮航线网络,重箱运输路径,新造箱的投入地点,老旧空箱的报废地点和各航次使用哪个生命阶段的空箱来执行运输任务.以中国,日韩,东南亚,欧洲和美国五个区域为对象的实证分析结果表明,93%的新造箱在中国投入使用,64%的老旧空箱在欧洲和美国退役,74%的由中国到美国的运输用箱处于高龄阶段或退出阶段.     

构建网络工程专业双语教学课程体系

提出了普通高校网络工程专业构建双语教学课程体系的新思路,针对同一教学对象,渐进地、不间地断实施双语教学,使其贯穿整个本科学习阶段.推动双语教学可持续发展,使其真正成为培养国际化复合型人才的有效手段.     

对皖北地区白酒曲粉中酵母菌的分离筛选

本研究针对皖北地区某酿酒企业提供的中温大曲进行了分离、纯化,采用涂布法、划线法对微生物菌群进行恒温培养并对其中的酵母菌进行形态学和生理学的测定后,得到两株酵母菌F1与F2。将得到的菌株F1、F2转接至液体发酵瓶中摇床培养,在此发酵周期中提取发酵液进行各项生化指标的测定,数据分析后得知F1酵母菌的适宜生长p H范围为4.0~6.0,F2酵母菌在发酵过程中p H值呈现上升趋势;在发酵第3d时,两种酵母菌发酵液中残糖含量开始迅速减少,在实际生产过程中则需要及时填补料液以保证发酵过程的顺利进行,该研究为企业生产提供了有效的数据支撑,具有一定的现实指导意义。     

基于层次任务网络的应急资源协作规划方法

应急响应一般涉及多个部门,各参与部门需要通过合理的协调方法规划应对方案,协同使用应急资源是不同部门间应急行动方案制定的关键.为处理规划过程实时产生的资源冲突,文章提出了基于层次任务网络(hierarchical task network,HTN)的多部门分布式协作任务规划框架,将规划方案行动的生成过程作为需要考虑的协作问题,并通过协作过程与规划过程的嵌套,减少规划无效方案而提高协作效率.其次,探究并设计处理重用性资源的协调机制,使用多种优先级判断规则消解资源使用冲突.进一步,在建立的协作框架和资源协调机制的基础上,提出基于HTN的协作规划算法.最后通过实验案例说明了应急资源协作规划方法的应用,并对本方法的有效性和相对于原有方法的效率优势进行了验证.     

一种虚拟化网络功能启发式动态编排算法

随着信息化的发展,网络业务的种类越来越多,业务的功能越来越强大,网络的基础设施为业务提供动态服务的能力已跟不上业务发展的速度,研究动态部署虚拟化网络功能具有重大意义.在不违反服务水平协议的情况下,研究了虚拟网络功能编排问题,并提出了虚拟网络功能编排的整数线性规划数学模型,接着基于动态编程的启发式算法对模型求解,最后对现实世界网络拓扑进行跟踪模拟.仿真结果表明,所提出的启发式算法可以降低网络运营成本,相关性能优于传统的硬件中间件方法.     

基于卷积神经网络的心律失常分类方法

使用一种组合式心拍分割方法，利用带通滤波对原始心电数据进行降噪处理，实现QRS波群定位和心拍截取；设计7层的一维卷积神经网络（convolutional neural network，CNN）模型，对正常搏动（N）、左束支传导阻滞（L）、右束支传导阻滞（R）、室性早搏(V)4类心拍数据自动分类检测，从而完成4类心律失常的分类。以MIT BIH心律失常数据库47条数据进行训练，结果显示，其准确度为9900%，召回率为9908%；与相关文献的研究方法对比，本方法具有较高识别精度，能有效解决人工对心电图识别的误诊、错诊问题。     

基于改进卷积神经网络的短文本分类模型

基于卷积神经网络, 提出一种基于改进卷积神经网络的短文本分类模型. 首先, 采用不同编码方式将短文本映射到不同空间下的分布式表示, 提取不同粒度的数字特征作为短文本分类模型的多通道输入, 并根据标准知识库提取概念特征作为先验知识, 提高短文本的语义表征能力； 其次, 在全连接层增加自编码学习策略, 在近似恒等的基础上进一步组合数字特征, 模拟数据内部的关联性； 最后, 利用相对熵原理为模型增加稀疏性限制, 降低模型复杂度的同时提高模型的泛化能力. 通过对开源数据集进行短文本分类实验, 验证了模型的有效性.     

基于卷积神经网络和稀疏滤波的调制识别方法

针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神经网络架构,并提出了稀疏滤波预训练的方法。仿真结果表明:相比于经典的基于深度学习的调制识别方法,该方法模型简单,优化量少,且在小样本场景下性能最佳,具有很高应用价值。