编码和提取过程中日语汉字和假名的差异比较

 为了解明中国人日语学习者记忆日语汉字和假名词汇时所关联的脑神经机制,本研究比较了日语汉字和假名在编码和提取过程中所诱发的ERP成分的差异。在学习阶段,汉字和假名条件的各ERPs成分的波幅-潜时之间存在着显著性差异,汉字条件的P300和N400的波幅都显著大于假名条件,潜时也比假名条件出现得更早,这些结果说明汉字的编码加工比假名更快更深刻。在提取阶段,相对于旧假名,旧汉字诱发了低波幅·短持续时间的FN400和高波幅·短持续时间的LPC(晚期阳性慢波)。这些结果显示了旧汉字的熟悉性效果更大,旧汉字能被更快更好地回忆起来。而且它们的编码和提取具有明显的半球优异性特征,说明了与汉字和假名的记忆相关联的脑神经机制不同。本文认为,由于假名的记忆加工比汉字复杂,增加了假名的记忆负荷,导致记忆成绩比汉字差,解明汉字和假名的记忆特征对日语学习具有重要的指导作用。     

一种GAF-CNN行星齿轮箱故障诊断方法

为将深度学习识别2D图像的优势应用于行星齿轮箱故障诊断,提出一种格拉姆角场-卷积神经网络行星齿轮箱故障诊断模型.利用格拉姆角场中的格拉姆角差场和格拉姆角和场两种方法,将行星齿轮箱振动信号转化为2D图像,提取图像特征并输入优化后的卷积神经网络模型,最终获得理想的识别精度.通过研究网络参数、不同网络层对故障诊断模型的影响,构建模型的最优组合.试验和对比结果表明,格拉姆角差场卷积神经网络比格拉姆角和场卷积神经网络具有更高的识别精度,在行星齿轮箱故障诊断方面的效果优于其他智能算法.      

基于相位编码的量子蚁群算法

针对蚁群算法只适用于离散优化问题的局限性和收敛速度慢的问题, 提出一种适合连续优化的量子蚁群算法. 该方法直接采用量子位的相位对蚂蚁编码. 首先基于信息素强度和可见度构造的选择概率, 选择蚂蚁的前进目标; 然后采用量子旋转门更新描述蚂蚁位置的量子比特, 完成蚂蚁移动; 采用Pauli-Z 门实现蚂蚁的变异增加位置的多样性; 最后根据移动后的新位置完成蚁群信息素强度和可见度的更新. 由于优化过程统一在空间[0,2π]ⁿ 进行, 而与具体问题无关, 因此, 对不同尺度空间的优化问题具有良好的适应性. 以函数极值优化和聚类优化为例, 仿真结果表明该方法的搜索能力和优化效率明显优于普通蚁群算法和标准遗传算法.     

基于GSI靶标与立体视觉的双目相机结构参数标定

针对大视场双目相机结构参数标定问题,提出了一种基于GSI靶标的标定方法。相机的内参数已知,利用同名编码点在双相机像面上成像点及双目视觉测量原理,解算出双目相机的相对方位。该方法无需移动靶标,只需要双目相机同时对靶标平面拍摄一次,简单方便。     

分配注意对短时记忆编码和提取的影响

以大学生为被试,采用分配注意范式探讨了短时记忆编码和提取所需的注意资源。研究发现：与集中注意相比,编码阶段进行第二作业导致记忆成绩显著降低,而提取阶段进行第二作业则对记忆成绩没有影响。自由回忆和顺序回忆的结果一致。本研究表明,短时记忆编码是需要较多注意资源的控制加工,而短时记忆提取则是相对无需注意资源的自动加工。这与当前关于长时记忆的研究结果类似,而与早期以第二作业成绩为测量指标的短时记忆研究结果有所不同。     

反射调制通用超高频射频识别系统测试平台

该文对超高频射频识别系统的反射调制机制进行研究,提出一种基于反射调制技术识别的测试平台方案。该平台可对调制、编码和防碰撞机制进行编程修改的通用性测试。文中分别对标签端和处理部分的供电、信号检波、反射负载、进行了设计和阻抗匹配计算,设计并实现了读卡器端和基带处理部分的射频端。理论分析和实验验证表明,该测试平台适合于不同协议的射频识别和低速无线通讯系统的试验。     

抗MP3编码的音频水印频域嵌入方案

基于MP3编码中所应用的心理声学模型和感知熵(PE),对音频信号中PE值大于1 800的帧进行数字水印嵌入.嵌入在频域中进行,通过叠加一个加权的随机复序列嵌入水印信息.在接收端,采用频域相关法能可靠提取嵌入数据,仅用到少量系统参数而不需要原始信号.实验表明该水印具有很好的隐蔽性,对于MP3编码表现出优良的稳健性.     

由PG(n,q) 构造的一类Cartesian认证码

设P为域GF(q)上的n(n≥3)维射影空间PG(n,q)中的一个点,L是PG(n,q)中过P的一条线。取包含L的超平面组成的集合为信源集S,与L的交为{P}的超平面组成的集合为编码规则集E。与L的交为{P}的n-2-子空间组成的集合为信息集M。对任意π1∈S,π2∈E,定义f(π1,π2)=π1∩π2,得到一类Cartesian认证码,并计算了这个码的参数。假设编码规则按照一种均匀概率分布被选取,则成功模仿攻击的概率PI和成功替换攻击的概率PS也被计算。     

基于数据编解码的时空交通流预测方法

针对路网的拓扑信息不完整而无法实现时空结合交通流预测的情况，提出了一种基于时间序列预测模型联合数据编解码机制的预测方法。对路网内路段交通流数据进行编码得到路网信息的链状结构，以此获取路网结构中的拓扑信息；通过时序模型对链状结构进行交通流预测，完成对链状结构的时序特征提取；最终，通过解码方法得到路网的时空交通流预测结果。采用GPS数据，选取不同路网进行对比实验，引入数据编解码的时空交通流预测方法与时间序列模型进行比较，并且与基线模型HA和ARIMA展开了对比实验。实验结果表明：深度学习模型引入数据编解码机制后，模型性能明显提升；引入数据编解码机制的深度学习模型的性能比基线模型的性能更优越。该方法仅仅使用简单的时间序列深度网络再联合数据的编解码机制即可实现时空结合的交通流预测。     

基于眼动实验的飞机座舱界面字符编码分析

驾驶舱是飞机的命令中枢，驾驶舱显示界面的信息设计质量直接影响到飞行任务的完成，大多数飞行相关信息都以字符形式展现在飞机座舱界面上。为探究飞行员对不同字符编码元素的识别效率，通过飞机座舱界面字符编码、眼动追踪法及行为绩效评估法研究了飞机座舱界面字符大小、笔画宽度、字符间距对飞行员认知效率的影响。结果表明：从行为数据来看，字符字高6.5 mm的字符反应时最短。从眼动实验数据来看，字符字高6.5 mm的字符注视时间最短、注视百分比最小、使受试者瞳孔直径最小；从行为数据来看，字符笔画宽度400W3C的字符反应时最短。从眼动实验数据来看，字符笔画宽度400W3C的字符注视时间最短、注视百分比最小、使受试者瞳孔直径最小；从行为数据来看，字间距100的字符反应时最短。从眼动实验数据来看，字间距100的字符注视时间最短、注视百分比最小、字间距0的字符使受试者瞳孔直径最小。可见不同字符编码识别效率不同，字高6.5 mm、笔画宽度400W3C、字间距100的字符编码识别效率最高，该结论可用于飞机座舱界面的设计中。