融合多尺度CNN与双向LSTM的唐卡问句分类模型

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度CNN与双向LSTM融合的唐卡问句分类模型,本模型将数据的全局特征与局部特征进行融合实现唐卡问句分类任务,全局特征反映数据的本质特点,局部特征关注数据中易被忽视的部分,将二者以拼接的方式融合以丰富句子的特征表示。通过在Thangka数据集与THUCNews数据集上进行实验,结果表明,本模型相较于Bert模型在精确度上略优,在训练时间上缩短了1/20,运算推理时间缩短了1/3。在公开数据集上的实验表明,本模型在文本分类任务上也表现出了较好的适用性和有效性。     

基于多尺度特征混合注意力的连续帧深度估计

目的 估计获取拍摄物体到相机之间距离的深度信息是单目视觉 SLAM 中获取深度信息的方法,针对无监督单目深度估计算法出现精度不足以及误差较大的问题,提出基于多尺度特征融合的混合注意力机制的连续帧深度估计网络。 方法 通过深度估计和位姿估计的两种编码器解码器结构分别得到深度信息和 6 自由度的位姿信息,深度信息和位姿信息进行图像重建与原图损失计算输出深度信息,深度估计解码器编码器结构构成 U 型网络,位姿估计网络和深度估计网络使用同一个编码器,通过位姿估计解码器输出位姿信息;在编码器中使用混合注意力机制 CBAM 网络结合 ResNet 网络提取四个不同尺度的特征图,为了提升估计的深度信息轮廓细节在提取的每个不同尺度的特征中再进行分配可学习权重系数提取局部和全局特征再和原始特征进行融合。 结果 在 KITTI 数据集上进行训练同时进行误差以及精度评估,最后还进行了测试,与经典的 monodepth2 单目方法相比误差评估指标相对误差、均方根误差和对数均方根误差分别降低 0. 034、0. 129 和 0. 002,自制测试图片证明了网络的泛化性。 结论使用混合注意力机制结合的 ResNet 网络提取多尺度特征,同时在提取的特征上进行多尺度特征融合提升了深度估计效果,改善了轮廓细节。     

动态投资组合风险控制策略

从股市上采集的大量股票收益率数据表明,前后相邻的股票收益率数据呈现出一定程度的依赖关系,即前期收益率呈现出大的波动幅度,紧接着后期收益率也呈现出大的波动幅度,这样的波动特点被称之为"波动聚集性","风险传染性",在金融计量上,通常用收益率的方差来定量刻画收益率的波动幅度的大小和相应收益率风险的大小,因此本文选用能准确拟合金融资产收益率方差的GARCH模型来刻画金融资产收益率的这种"风险传染性",在此基础上应用协同持续思想构建了投资组合的风险优化控制模型,并求得了相应最优投资组合权重.选取6支股票作了实证检验.检验结果表明,按该模型配王的投资组合收益率长期被控制在较小的风险范围,在统计上亦表现出较高的夏普比.     

静态最优期货价差套利头寸比例估计

采用均值-方差期望效用函数,推导了在给定风险条件下,期望收益最大的最优价差套利头寸比例,并且引入常方差(双变量向量自回归和双变量协整模型)来估计方差一协方差矩阵,采用2000年1月至2006年4月上海和LME铜期货合约日收盘价进行了实证检验,结果表明:不同时间窗长度下,双变量协整的计算结果比向量自回归的计算结果平均收益较高而风险较小,而这两者都比1:1的价差套利头寸比例和直接统计的计算结果要好.计算结果也表明:采用日收益计算出的价差套利头寸比例在不同时间窗条件下也具有相当的稳定性和可靠性.     

电路原理图的加权网络分析

对电子电路进行复杂网络分析时,为了很好地体现有些元器件的重要性,本文引入了节点间连边加权的概念.以具体电子电路原理图为例,找出各个元器件之间的连接关系,建立网络的拓扑结构,生成一个加权网络,得出了网络的统计参数,给出了节点连接度的概率分布函数曲线.结果显示这种加权分析方法能更好地体现出电子电路系统的特点.     

基于运动信息和相位一致性的运动目标提取

提出一种新的时空结合的运动目标分割方法。该算法首先在累积帧差图像上使用改进的高阶统计(HOS)算法检测出运动区域,用最大连通区域表示初始运动目标模板,利用基于Log-Gabor复小波变换的相位一致性边缘检测算法提取出每一帧的单边缘信息,结合初始运动模板与空域边缘图像得到更精确的运动目标模板,最后结合原图像分割出运动对象。实验结果表明该算法能从对比度较小和噪声较大的视频序列中精确地提取出运动目标,且不受光照变化的影响。     

基于非负矩阵分解新的人脸识别方法

非负矩阵分解是一个新的特征提取方法,基于非矩阵分解的理论,提出了具有正交性的投影轴的计算方法和具有统计不相关性的投影轴的计算方法。与原非负矩阵分解方法,提出的方法在某种程度上是降低了特征矢量之间的统计相关性,并且提高识别率。通过在ORL人脸库和YALE人脸库上进行实验,结果表明提出的两种特征提取方法在识别率方面整体上好于原非负矩阵分解特征提取(NMF)方法,甚至超过主成分分析(PCA)法。     

非平衡和平衡统计系综的一个统一框架

提出通过子动力学方程(简称SKE)来建立一个非平衡统计系综体系。利用所构建的理论框架来研究在弱相互作用和强相互作用的情况下的自旋玻色子模型,从而很容易的得到正则系统的约简密度算子。也讨论了一种建立在安德森模型上的强关联量子网络。     

SIFT特征匹配算法改进研究

为了适应于景象匹配导航及制导等实时性要求较高的领域,对SIFT特征匹配算法进行改进,提出了基于D^2OG特征点检测算子的改进的SIFT特征匹配算法。改进算法用D^2OG金字塔的过零点检测代替DOG金字塔的极值点检测提取尺度不变特征点,巧妙简化高斯金字塔的结构,降低了算法复杂度和时间代价。以标准测试图库中大量不同几何和灰度畸变图像为基础的仿真实验表明,基于D^2OG特征点检测算子的改进的SIFT特征匹配算法在保持原算法鲁棒性和精度的前提下,较大的提高了算法实时性。

Abstract：

An improved Scale Invariant Feature Transform algorithm was proposed based on D^2OG interest point detector for better real time performance in the application of scene matching navigation and so on. In order to detect the scale invariant interest point, a D^2OG pyramid is built and extreme detection in the DOG pyramid was replaced by zero detection in the D^2OG pyramid, which simplified the structure of DOG pyramid, so as to lower the complexity of algorithm, lessen the running time. Numerous experiments were carried out on standard testing images under various shooting conditions such as geometric distortion, illumination variation and so on. The result shows that the method has a big progress in the real time performance compared to the original one, with equally robustness and precision.