基于智能算法的教育知识问答系统设计

随着人工智能的发展成熟,教育知识问答系统的实现成为相关专家共同研究的热门话题.此次研究设计了一种教育知识问答系统算法框架并提出基于BiLSTM+CNN-CRF算法的实体识别模型,通过CNN模块和BiLSTM模块完成局部特征和全局特征的拼接,最终经全连接层和CRF模块完成解码,通过最佳序列标注实现问答系统问句分析.设置超参数中学习率为0.01,dropout为0.1,迭代轮数为50,滤波器数量为6时,实体识别模型中的性能更佳.BiL-STM+CNN-CRF实体识别模型比LSTM-CRF和BiLSTM-CRF两种模型的F1值分别提升3.04％和0.62％,准确率分别提升0.77％和0.73％,召回率分别提升5.18％和0.62％.     

抗拉压具有恒刚度特性的柔顺铰链设计

提出一种抗拉压载荷具有恒刚度特性的柔顺铰链机构.该机构通过利用柔顺机构学原理合理布置平面柔性梁.既实现了抵抗较大拉压载荷引起的柔顺梁的鲁棒性,又兼具较好的移动恒刚度特性.该柔顺铰链可应用于精密XY定位平台或其他复合柔顺机构中.结合柔顺铰链特点利用有限元分析软件2D分析,验证了其在受较大范围拉压载荷下具有上述的力学特性.其设计思想也可用在其他类型具有恒刚度特性的柔顺机构设计中.     

基于深度残差适配网络的通信辐射源个体识别

为解决通信辐射源识别中传统的人工特征提取方法鲁棒性不足和深度学习方法需要大量带标签目标域数据的问题, 提出一种基于深度残差适配网络的通信辐射源个体识别方法。应用深度学习技术实现从源域到目标域上的迁移识别, 只需要将带标签的源域数据和无标签的目标域数据进行训练。原始通信辐射源信号经过预处理后输入网络训练, 将源域和目标域的分布差异和网络的损失函数作为优化目标, 反复迭代得到最终模型。在实际采集的通信辐射源数据集上的实验结果证明了该方法的可行性和有效性。     

基于MEMS传感器的助老型机构人体姿态识别方法

研究一种基于MEMS传感器的助老型机构人体姿态识别方法,通过对老人的坐起、卧起、走路、上下楼梯五个动作识别,验证该识别方法的有效性.将7个传感器模块置于老人的腰部、大腿、胳膊等部位,采用坐标变换的方法,将采集到的相关部位四元数信息转化到腰部坐标系下,并组建标准矩阵,提取标准矩阵的均值、方差等特征值,通过基于阈值的两层识别算法快速判断动作类型,并采用支持向量机融合多种特征值作对比实验.实验表明,使用融合后的特征,平均识别率提高了18.4％.本研究完成了老人日常生活中五个动作的识别.     

基于低秩交叉重构的领域自适应算法

为了解决现有领域在自适应方法中忽略了整个数据域内部结构的信息和源域与目标域之间的差异问题,提出了一种新的基于低秩交叉重构的领域自适应方法.通过对源域和目标域的交叉重构来构造新的源域与目标域,使得同类数据相互交织,缩短了同类数据之间的距离; 通过对重构矩阵施加低秩约束,将2个域的同类数据对齐,以此来充分挖掘源域和目标域同类数据之间的内在结构信息,并利用该结构信息来学习分类器,从而取得更好的跨域识别效果.在5个公开数据集上的实验结果表明:该方法具有较高的跨域识别准确率.     

最大熵和Brill方法结合识别英语BaseNPs

为了进一步提高基本名词短语(BaseNPs)的识别精度,针对最大熵方法和Brill方法各自的特点,提出基于两者相结合的英语基本名词短语识别算法.该算法是在高准确率词性标注的基础上实现的.在训练和测试两个阶段中,均先采用最大熵方法识别基本名词短语,然后将已具有很高精度的识别结果作为初始标注结果运用于Brill方法中.实验结果表明,此联合算法达到了94%的准确率和召回率,充分融合了最大熵方法和Brill方法的优点,可与基于相同训练和测试语料的目前最理想的英语基本名词短语识别结果相比.     

基于结式消去法的并联机构位置解析

目的并联机构位置解析的核心问题是求解一组非线性方程组,为此提出一种消去法使并联机构位置方程降维,以便采用同伦方法求得位置方程全部解。方法从并联机构位置约束方程出发,采取狄克逊结式对位置正解方程进行消元,从而得到机构位置正反解封闭方程;采用同伦方法和利用MATLAB数学软件进行求解。结果利用MATLAB数学软件编制的狄克逊结式消元和同伦算法的数学机械化程序,得到Delta型并联机构位置问题的全部数学解。结论结式消去法为并联机构位置解析提供了十分有效的通用方法,而且可用于解决其他更为复杂的体系。     

基于小波分析的神经网络识别毒剂的研究

为快速、准确地识别毒剂,在分析神经网络识别毒剂基本方法的基础上,建立了带有偏差单元的递归神经网络识别毒剂模型,包括神经网络识别毒剂的学习算法和基于小波分析的毒剂特征提取. 通过剖析神经网络识别毒剂模型,设计了神经网络识别毒剂的软件,实现了神经网络对毒剂的识别. 用沙林模拟数据进行了测试和分析,结果表明,利用与化学传感器相联结的神经网络识别毒剂,是实现毒剂识别自动化、智能化的一种有效方法.     

基于执行器能量消耗的并联机器人优化

并联机器人在执行任务过程中的能量消耗特别严重,为此本文以其3个主动执行器的电能消耗最小化为目标对3-RRR平面并联机器人进行尺度优化。在3-RRR机构运动学分析的基础上推导出机构的逆运动学方程,分析了3-RRR机构常见的4种工作模式。采用粒子群算法确定3-RRR机构的连杆和平台质量的最优值。根据优化结果进行仿真和对比分析,结果表明,在4种工作模式下,优化后执行器的力矩值均较小,消耗的电能得以降低,其中工作模式2的性能最佳,在执行相同的轨迹跟踪任务时,其执行器跟踪误差收敛较快,消耗的能量最少。