基于改进的长短期记忆网络的调制识别算法

自动调制分类技术是无线通信技术中的一个重要研究领域,卷积神经网络以及长短期记忆网络(Long Short-Term Memory,LSTM)两种深度学习模型在基于特征的自动调制分类技术中得到了广泛的应用.然而在实际应用中这两种模型都存在着一些问题,卷积神经网络模型在处理长时间依赖序列的分类任务时的准确率不佳,LSTM模...     

车载信息系统与驾驶安全研究综述

作为新的技术和经济增长点,微型电子计算机、无线电通讯、卫星导航等新技术、新设备和新方法已开始广泛应用于汽车工业中.汽车的信息化进程正在逐步加速.但根据多资源理论,以显示查看和信息输入为主要形式的车载信息系统应用任务会分散驾驶员在行驶过程中最重要的视觉注意力,与主要驾驶任务在视觉和认知等多种有限资源形成竞争,从而影响驾驶安全.研究发现,车载信息系统使用任务造成的注视次数和注视时间与汽车的碰撞危险有直接关系,并降低了驾驶员对关键交通事件的探测识别能力和对车辆的控制能力.因此,车载信息系统在行车中的安全性设计非常重要,其研究要点包括人机交互方式、驾驶员行为特征等,研究方法则包括实际道路测试、仿真环境测试、简单实验室测试等.     

大脑皮层-肌肉交互作用与注意力关系的实验研究

为探索注意力因素对大脑皮层与肌肉交互作用的影响,5名健康受试者被要求完成两种任务。在任务1时,受试者通过右手食指、拇指对捏维持2N的恒定力;在任务2时,为了分散受试者右手运动控制的注意力,除需完成任务1中右手动作外,还要通过左手食指外展保持一个大小随机的恒定力。实验过程中同步采集受试者脑电和肌电信号,并将皮层-肌肉耦合,即将脑电与肌电信号的频域相干作为表征大脑皮层与肌肉交互作用强弱的指标。结果显示,任务2与任务1相比,所有受试者其右手肌电信号与左侧大脑脑电信号的皮层-肌肉耦合强度显著降低。此结果表明,注意力可影响大脑皮层与肌肉的交互作用,且注意力越集中,大脑皮层与肌肉交互作用越强。这一结论对于是否将注意力因素引入到神经损伤患者的运动功能康复中具有一定指导作用。     

基于视觉注意力和深度随机配置网络的高速公路团雾认知

团雾生成区域的气象环境较为复杂,对团雾的检测效率和精度有较大影响。针对这一问题,探索了一种基于视觉注意力和深度随机配置网络的高速公路团雾系统模型。首先,采用图像通道转换和高斯模糊滤波对输入图像预处理,构建归一化高质量的高速路面样本图像集合。其次,基于视觉注意力机制的构建团雾图像深度特征空间,以多层次差异化表征团雾气象特征信息。最后,基于深度随机网络构造团雾等级分类器,以获取快速高准确率分类模型。为验证方法的有效性,使用行车记录仪高速行驶图像样本构建训练及测试样本空间,并将此方法与其他模型方法进行对比实验。实验结果表明,此方法在模型认知精度和计算速度综合评价方面具有较大优势,能够有效适用于高速行驶过程的团雾气象预测预警。     

基于依存语义注意力的词对上下位关系识别

针对现有上下位关系识别方法未能充分挖掘利用词对共现句中上下位关系语义的问题,提出一种基于依存语义注意力的词对上下位关系识别方法．利用词对共现句最短依存路径的路径向量训练Softmax分类器进行上下位关系识别,引入依存语义注意力机制,构建最短依存路径的注意力权重向量和路径评价函数,更细粒度挖掘和表示不同词和不同路径对上下位关系语义的不同贡献,从而更充分利用精细语义特征实现更准确的上下位关系识别．结果表明：相比HypeNet和NPM等代表性方法,本方法在中文和英文实验数据集上的识别准确率分别可提高2.0%和1.3%,且识别性能更稳定．     

基于Transformer的电网企业文件密级分类系统

为解决依靠保密人员对文件的密级进行人工标注,其准确性依赖相关人员的业务素质,容易造成标密不准的问题,建立一种基于Transformer模型的企业文件密级分类系统。该系统能自动提取文本密级信息的特征表达,对企业秘密文件做出智能辅助定密的决策。在国网吉林省电力有限公司内部核心商密文件、普通商密文件和非秘密文件构建的数据集上对提出的模型进行了实验验证,准确率为97.37%,召回率为98.67%,表明模型达到了较高的识别效果,因此该系统能有效防止秘密文件的泄露。     

基于中心点和双重注意力机制的无人机高分辨率图像小目标检测算法

无人机拍摄的图像具有分辨率高、视野大以及目标小的特点,而现有的目标检测方法对小目标特征的提取能力不足.为此,首先采用以中心点表示目标的检测网络CenterNet,引入可变形双重注意力机制,以提高对小目标的特征表达能力;然后针对原始非极大值抑制难以处理嵌套型冗余框的问题,在冗余检测剔除过程中提出了广义非极大值抑制方法;最...     

融合视觉特征和语义关系特征的视觉故事生成方法

现有视觉故事生成方法没有考虑不同图像之间高层视觉特征和语义关系特征的深层关联、忽视对图像序列主题的挖掘。提出一种既考虑了整个图像序列的主题又考虑不同图像之间视觉特征和语义关系特征相关性的融合视觉特征和语义关系特征的视觉故事生成方法。该方法利用自编码器挖掘图像序列的主题特征,通过主题特征总结由图像中实体推理出的语义关系特征,然后利用相互注意力融合高层视觉特征和语义关系特征。实验表明,该方法可以生成更具一致性和表现力的故事,并在机器评价指标上取得了比现有方法更好的结果。     

一种轻量级文本蕴含模型

现有主流文本蕴含模型大多采用循环神经网络编码,并采用各种注意力推理机制或辅以手工提取的特征来提升蕴含关系识别准确率,由于复杂的网络结构和RNNs网络串行机制导致这些模型训练和推理速度较慢.本文提出轻量级文本蕴含模型,采用自注意力编码器编码文本向量,点积注意力交互两段文本,再采用卷积神经网络对交互特征推理,整个结构可根据不同数据的推理难度叠加不同模块数量.在多个文本蕴含数据集实验表明,本文模型在保持较高识别准确率情况下仅用一个块参数仅为665K,模型推理速度相比其他主流文本蕴含模型至少提升一倍.     

基于点云语义分割算法的下颌角截骨面设计

下颌角截骨手术是近年来较为热门的颅面整形手术.现阶段,下颌角截骨的术前方案设计通常由具有一定年资的医生完成,过程繁琐且耗时较长.为了提高截骨手术术前规划效率,提出一种基于点云语义分割网络的下颌角截骨面设计方法.对颅骨电子计算机断层扫描(CT)数据进行三维重建和表面点采样,将下颌骨三维模型转换为点云数据,然后通过基于Transformer的点云语义分割网络预测下颌骨点云中的截骨区域,最后根据点云分割结果计算出下颌角截骨平面.所提网络主要包括两个部分：一是基于注意力机制的本地特征提取层,用于提取细粒度局部结构信息;二是基于Transformer的非本地特征提取层,用于提取点云的全局上下文信息.在构建的下颌骨语义分割数据集上,将所提算法与其他点云语义分割算法进行比较.结果表明：所提算法能实现最佳的下颌角截骨区域预测,优于目前常见的点云语义分割算法.