基于深度神经网络的高环境 适应性水声通信系统研究

深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性.     

语录

在传统贸易受到疫情等因素较大冲击时,跨境电商发挥了灵活高效的优势,迅速地调整自身的物流通道和销售市场,能够更灵活地把中国的商品尤其是一些生活必需品和疫情下急需的医疗物资在全球销售。——中国国际电子商务中心研究院院长李鸣涛企业单枪匹马发展的日子已经成为过去,零售生态正全面进入资源互通、优势互补、发展互利的共生时代。未来十年,苏宁主要干三件事:聚焦零售主业,加大开放赋能;“云网万店”融资,提速“零售服务商”升级;加大激励,夯实新十年人才供应链。     

一种从融合颜色信息和深度信息的PNG文件中提取点云数据的方法

使用微软Kinect体感设备对物体三维信息构建时会产生大量的场景彩色信息和深度信息,可在Open CV框架下将Kinect视场下的信息保存为两张PNG格式的RGB图和深度图,为后续的物体三维构建提供原始的数据信息,这种方法使用比较繁琐。针对此问题提出了一种将颜色信息和深度信息融和到一张PNG文件中,隐藏深度信息到Alpha通道并在OpenFrame Works平台下实现了提取三维点云数据的方法。     

梯形微通道气液分相强化换热实验研究

针对微通道换热器强化沸腾换热,提出分段式梯形换热结构,该结构可实现气泡在表面张力驱动下间断性流向通道两侧,保持中间加热区为液体,实现气液分相流动,进而强化沸腾换热性能。采用无水乙醇为工质,实验研究直肋和梯形结构铜基表面在热流密度为160~320 kW/m²和工质流量为0.4~2.0 g/s时壁温、换热系数等参数变化规律。结果表明：在饱和沸腾区,梯形分相结构可有效实现气液分离,进而降低壁面温度,大幅提高换热系数；如在25 mm位置处,5段结构换热系数比平行结构换热系数提高了60.4%；在单相加热区,换热面积为主要影响因素,直肋结构换热系数略大,但换热系数比饱和沸腾时小一个数量级。平均换热系数分析得到5段结构微通道比平行结构微通道提高了53.8%,可见分段式结构可实现气液分相流动,有效提高沸腾换热的平均换热系数,增强整体换热能力。     

基于自注意力机制的科技术语自动提取技术研究

科技术语提取是科技术语自动处理的重要环节,对后续的机器翻译、信息检索、QA问答等任务有重要意义。传统的人工科技术语提取方法耗费大量的人力成本。而一种自动提取科技术语方法是将术语提取转化为序列标注问题,通过监督学习方法训练出标注模型,但是面临缺乏大规模科技术语标注语料库的问题。文章引入远程监督的方法来产生大规模训练标注语料。另外又提出基于自注意力机制的Bi-LSTM的模型架构来提高科技术语提取结果。发现新模型在发现新的科技术语的能力上远远优于传统机器学习模型(CRF)。     

基于井间动态连通性模型的注采参数优化方法

水驱油田开发过程中,由于储层非均质性以及注采参数与井网不匹配,造成优势通道发育,注入水低效无效循环严重.为了对注采井间各方向优势通道进行定量描述,基于物质平衡理论与叠加原理,在考虑井底流压变化的基础上,建立了油藏井间动态连通性反演模型——阻容模型,并运用人工蜂群算法进行求解,通过模型求解得到了不同注采井间的连通系数,经验证该系数合理表征了油藏井间动态连通程度.针对优势通道发育造成注水井在各注采方向上水驱不均衡、剩余油饱和度分布差异较大的问题,基于最优化理论,以当前各生产井含水率条件下生产井总产油量最大为目标函数,结合油水井动态生产数据,建立一种基于井间动态连通性模型的注采参数优化方法,并利用优化算法对该模型进行求解.实例应用表明:利用本文方法优化注采参数后,含水率得到明显控制,注入水驱替效率明显提高,并且本文方法仅需要油水井的动态生产资料,简单实用,对矿场具有较高的应用价值.     

基于多层次动态门控推理网络的文本蕴含识别

现有的文本蕴含模型通常计算一次词级别注意力得到两段文本在不同层面的交互特征,但对于文本不同层面的理解,不同重要词的注意力应该是不同的,并且一次词级注意力推理仅能捕捉到文本对局部特征.针对这个问题,提出一种多层次动态门控推理网络,该网络结合了词级别信息的细粒度推理和句子级别门控机制来动态捕捉文本对的语义信息,并采用不同注意力计算方式提取文本对不同层面的语义特征,共同推理文本对的蕴含关系.本文在两个文本蕴含数据集上均做了实验,相较于基准模型和现有主流模型,准确率提升了0.4%～1.7%,通过消融分析,进一步验证了本文模型各部分结构的有效性.     

正字法在错误记忆通道效应中的作用

采用DRM(Deese/Roediger Mc Dermott paradigm)范式,探讨汉语错误再认的影响因素.实验采用混合实验设计,并分为想象组和控制组,共54名被试参加实验,每组27名.每名被试在学习阶段进行视听两种不同呈现通道的实验,其中想象组要求被试对所呈现的词语进行正字法的判断任务,而控制组不进行该任务.测验阶段为词语再认测试,为视觉呈现.结果表明,汉语错误记忆存在通道效应,视觉通道条件下的错误记忆高于听觉通道.当在想象组中听觉通道加入正字法编码任务后,这种通道效应消失.说明正字法是编码是影响汉语错误再认的重要因素,但是其影响与国外研究不同,可能与汉语自身的语言特性和加工特点有关.