物联网人工智能工程创新实践体系教学研究

物联网人工智能得到越来越多企业重视,也出现了很多应用性细节不能突破创新的问题。为了解决工程实践教学在创新教育方面的不足,设计了工程化创新实践教学体系平台。该平台设计方法主要包括了场景化教学模式、教学方案和硬件设计等。首先,针对工程化教育存在的问题提出创新实践教学框架,包括场景化实践教学模式等内容;然后,详细介绍了智能家居和智能门锁场景实践案例教学方案,包括实践课程内容和实践教学案例;最后,在阿里、庆科云的平台上进行实践教学硬件平台的设计与开发,包括教师教学实训硬件平台、实验室建设规划和实践教学数据存储硬件平台等。该平台为人工智能提供了全新教学方案、大量真实数据和真实项目教学案例,为人工智能教学提供了整体建设思路方法,对于提高大学生实践创新能力具备重要作用。     

光MIMO-OFDM预编码矩阵优化

由于水下非成像光多输入多输出正交频分复用(multiple input multiple output-orthogonal frequency division multiplexing,MIMO-OFDM)通信系统采用强度调制-直接检测的通信方式,缺失频率和相位分量,不同光源的光束在接收端相互叠加,因此其信道相关性强,误码率(bit error rate,BER)高。针对这一问题,提出一种基于非成像光MIMO-OFDM接收信号欧氏距离的预编码算法。假设发送端预知信道状态信息,在满足光信号非负性和总功率受限的约束下求解最优预编码矩阵,通过对不同光源分配不同的功率实现最大化接收信号的最小欧氏距离。系统发送端通过预编码矩阵对信号进行预编码,接收端通过最大似然方法对最大化欧氏距离的接收信号进行解码。仿真结果表明,与基于奇异值分解的光MIMO预编码算法相比,提出的算法在总功率不变的前提下,进一步降低了非成像光MIMO-OFDM系统误码率。     

原始数据压缩对简缩极化SAR极化信息的影响

简缩极化(compact polarimetric,CP)合成孔径雷达(synthetic aperture radar,SAR)是近年发展起来的一种特殊极化SAR,为了降低原始数据率,需要进行数据压缩,压缩误差将影响数据的极化信息。利用仿真数据,在不同信杂比下研究了当前普遍使用的4 bit截取、83分块自适应量化(block adaptive quantization,BAQ)和84 BAQ3种压缩方法引入的极化失真,并比较了简缩极化SAR不同工作模式对压缩噪声的敏感性。定义了一个指标以评价简缩极化SAR数据的极化精度。仿真结果表明,在信杂比远高于40 dB时84 BAQ性能最佳,83 BAQ性能最差,其他信杂比下3种压缩方法性能趋于一致,而π/4模式对压缩噪声的敏感性最强。     

基于规则的依存树库错误自动检测与分析

尝试将依存树转化为短语结构树, 并基于规则的方法自动检测出人工标注结果中的错误。将该方法应用于已经过两遍人工校对的北京大学多视图依存树库, 从50275个句法树中发现1529处错误, 正确率为100%。进一步, 所有错误可以分为3个层次: 分词错误、词性与句法角色不符、句法角色错标。该方法可以有效提高依存树库的质量, 并且适用于各类型的依存树库。     

本体术语学:把术语和知识本体统一起来的范式

术语在现代知识社会中肩负着基础性的作用,现代社会信息技术的应用对术语学理论研究提出新的挑战。信息技术要求术语具有其计算机化的代表物,而旧有的普通术语学理论满足不了现代术语实践的状况;西方的术语学理论家在术语学与信息技术、术语学与知识工程相互碰撞的实践中,构想了“本体术语学”这一术语学理论的新范式,这一构想在具体的术语学实践中产生了积极的成果。文章旨在介绍和分析“本体术语学”的理论渊源和学术成果。     

基于互补问题描述单边接触的空间机器人动力学建模与数值仿真

针对弹簧-阻尼(spring-damp, SD)并联模型描述机器人接触作业时需要耗时调节刚度、阻尼系数, 并在接触末端额外安装力传感器等缺陷, 基于互补问题, 描述空间机械臂末端与目标的单边接触, 推导具有紧凑数学形式的空间机器人接触动力学模型。采用 Lemke 算法设计动力学模型的数值计算方法, 并通过数学仿真验证动力学模型的有效性。     

大数据时代的车牌汉字识别

在大数据时代, 交通信息成为网络数据量最大的数据来源之一, 智能交通成为必然需求. 车牌识别是智能交通的基础, 可广泛应用于车库管理、交通监控等工程中, 然而识别的准确率还有待加强, 已有算法对于字母、数字的识别准确率都非常高, 而对于中国特有的汉字识别却效果不佳. 提出用受限玻尔兹曼机组成的深信度网络算法来识别车牌字符, 大大提升了汉字识别的准确率, 使准确率达到99.44%.     

上海大气中气相和颗粒相羰基化合物研究

 为探究大气中羰基化合物的质量浓度水平及变化规律, 利用滤膜系统(FP)同时采集大气中颗粒相和气相羰基化合物, FP系统由3 层47 mm 滤膜组成, 其中, 第1 层滤膜用于收集颗粒相羰基化合物, 第2 层和第3 层滤膜涂布五氟苄基羟胺(PFBHA)衍生剂, 用于收集气相羰基化合物。PFBHA 的涂布量为12 μmol、采样流速4 L/min, 每个样品采集4 h。采集后的样品用正己烷提取。利用该方法对上海市大气中的羰基化合物进行研究, 结合气相色谱/质谱仪(GC/MS), 分析大气中羰基化合物浓度的日变化、季节变化以及气相-颗粒相分配规律。研究结果表明:1)上海市大气中15 种目标化合物均能检测到, 包括13 种单羰基化合物和2 种二羰基化合物;2)上海大气中羰基化合物具有明显的日变化和季节变化, 气相羰基化合物的浓度在中午达到最大值, 颗粒相则相反;夏季羰基化合物的总质量浓度((33.8±15.9)μg/m³)显著高于冬季和春季(分别为(10.5±5.0)和(14.0±7.0)μg/m³);3)羰基化合物的气粒分配规律表现为与温度呈正相关、与相对湿度呈负相关。本研究表明, FP 系统可替代AD-FP(环形溶蚀器-滤膜系统)同时采集大气中气相和颗粒相中的羰基化合物, 易于携带, 为羰基化合物的野外观测提供便利。     

多模型标签多伯努利机动目标跟踪算法

针对标准标签多伯努利(labeled-multi-Bernoulli, LMB)算法只考虑了单个运动模型的问题,提出了一种适用于跳转马尔科夫系统的多模型标签多伯努利(multiple model-LMB, MM-LMB)算法。首先对目标状态进行扩展,将多模型思想引入LMB算法得到了新的预测和更新方程,并给出了算法的序贯蒙特卡罗实现。仿真实验表明,MM-LMB算法能对多机动目标进行有效跟踪,在复杂探测环境下跟踪精度优于多模型概率假设密度(multiple model probability hypothesis density, MM-PHD)算法和多模型势平衡多目标多伯努利(multiple model cardinality balanced multi-target multi-Bernoulli, MM-CBMeMBer)算法;所提算法计算量当目标相距较远时低于MM-PHD和MM-CBMeMBer,目标聚集时增长速度快于对比算法。     

试论术语学的建构是一种“科学研究纲领”的思想——兼评“交流(交际)术语学”在术语学发展中的作用

20世纪90年代至今,虽然传统术语学思想受到多方质疑,但当今全球化的术语学理论和实践并没有到消极的“十字路口”。与之相反,术语学建设变得更加稳健和朝气蓬勃。文章从科学哲学的角度,论述西方学者提出的“术语学是一种科学研究纲领”的思想,并对交流(交际)术语学在术语学发展中的作用做粗浅评价。