中心损失与Softmax损失联合监督下的人脸识别

深度学习在人脸识别领域已经取得了巨大的成就,针对当前大多数卷积神经网络采用Softmax损失函数进行特征分类,增加新的类别样本会减小类间距离的增长趋势,影响网络对特征判别的问题,采用了一种基于中心损失与Softmax损失联合监督的人脸识别算法,来提高网络对特征的识别能力。在Softmax基础上,首先,分别对训练集每个类别在特征空间维护一个类中心,训练过程新增加样本时,网络会约束样本的分类中心距离,从而兼顾了类内聚合与类间分离。其次,引入动量概念,在分类中心更新的时候,通过保留之前的更新方向,同时利用当前批次的梯度微调最终的更新方向,该方法可以在一定程度上增加稳定性,提高网络的学习效率。最后,在人脸识别基准库LFW上的测试实验证明:所提的联合监督算法,在较小的网络训练集上,获得了99.31%的人脸识别精度。     

基于主动转矩分配的电动车车道保持辅助控制方法

 针对高速工况下四轮独立驱/制动电动车的车道偏离问题,提出一种基于主动转矩分配的车道保持辅助控制方法。该方法的辅助控制系统分为3层,顶层控制器根据人-车-路信息实时进行辅助控制决策,并计算车道保持所需的横摆响应;中层控制器基于滑模控制算法,计算横摆响应跟踪所需的附加横摆力矩;底层控制器通过主动转矩分配产生附加横摆力矩,干预车辆行驶轨迹,以达到车道保持的目的。采用CarSim/Simulink联合仿真进行高速单移线实验验证,结果表明,提出的基于主动转矩分配的四轮独立驱/制动电动车车道保持辅助控制方法,具有良好的车辆动力学稳定性,在高附路面和低附路面上均能够有效地干预车辆行驶轨迹,防止车辆偏离车道。     

基于ICA变量分组的集成软测量方法研究

提出了一种基于独立主成分分析（independent component analysis,ICA）变量分组和集成学习的软测量建模方法.该方法首先运用ICA对输入过程变量进行分组,建立多个变量组子空间.然后在各变量组子空间内提取子样本集,降低变量和变量组之间的耦合性,并基于核偏最小二乘法（KPLS）建立预测子模型.最后,采用贝叶斯方法对子模型的输出进行集成,给出最终预测结果.运用该方法对工业橡胶密炼过程的数据进行了预测,并与其它软测量方法的结果进行比较分析,实验结果表明,本文提出的方法具有更好的预测性能.      

一种运动想象脑电信号半监督算法

针对脑机接口中两类左右手运动想象任务,提出一种依据迭代训练次数不断更新训练集样本的半监督算法.使用多重自相关分析算法,选择置信度较高的脑电信号样本并加入初始训练集;分别使用公共平均参考法与共空域模式算法,对样本进行预处理及特征提取;最后使用支持向量机对样本进行测试,根据迭代学习次数按照递进方式移除置信度较低的样本,并利用剩余样本继续训练模型,从而优化特征提取器及分类器参数.通过对标准脑电竞赛数据库BCI IV Dataset Ⅱa中左右手运动想象数据的测试表明,该算法与其他算法相比,在训练样本数目较少的情况下,具有较高的分类正确率.      

视觉概念学习方法研究进展

计算机视觉的核心问题是寻找视觉概念的层次化与结构化表示.以深度学习为代表的连接主义方法能够学习到输入图像数据的分层表示,这个表示具有优异的类内不变性与类间区分性,带来了视觉目标分类问题的突破式进展.而以图像随机语法模型为代表的逻辑主义方法试图基于先验知识和输入图像数据得到视觉概念的层次化与结构化表示,进而实现像人类一样的概念迁移学习,从更一般的意义上解释视觉现象.综述了两类方法各自的一些代表性工作,分析了其主要思路与各自的优缺点.分析认为,两类方法具有明显的互补性,在概率图模型框架下将两类方法综合是未来视觉概念学习的一个重要发展方向.     

半监督学习中非标记数据的利用

同时利用半监督学习中的标记数据与非标记数据,可以提高机器学习的能力.为了利用非标记数据,我们将非标记数据所在的样本空间映射到标记样本空间.讨论如何利用非标记数据构造学习算法,并证明所构造算法的收敛性.     

线上教育兴起的现状、存在问题及发展对策 ——以闽江学院海峡学院闽台合作办学项目为例

立足于线上教育发展现状及存在的问题,以闽江学院海峡学院闽台合作办学项目为例,结合新冠肺炎疫情防控形势,探究闽台合作办学项目线上教育情况.高校教育闽台合作项目在疫情期间采取线上授课方式,可以有效保障教学任务稳步推进,但因此类项目专业种类繁多、授课方式多样、学生赴台交流等因素影响,也给闽台合作办学项目教学与人才培养带来新的...     

基于FPGA的卷积神经网络训练加速器设计

近年来卷积神经网络在图像分类、图像分割等任务中应用广泛.针对基于FPGA(Field Programmable Gate Array)的卷积神经网络训练加速器中存在的权重梯度计算效率低和加法器占用资源多的问题,设计一款高性能的卷积神经网络训练加速器.首先提出一种卷积单引擎架构,在推理卷积硬件架构的基础上增加额外的自累加...     

特大型高铁车站候车厅建筑声环境分析

我国新建的高铁车站候车厅体积巨大,对该类超大体积空间的声场特性缺乏深入研究.文中以一候车厅为例,采用现场测量和声场计算机仿真技术,对该候车厅的室内声场参数进行深入分析和讨论.结果表明:该空间混响时间较长,呈现中频较长(达9.21 s)、低频和高频比中频短的频率特性;在该空间中,语言传输指数与早期衰变时间(500和1 000 Hz倍频带)高度相关,而与混响时间(500和1 000 Hz倍频带)的相关性不大;增加建筑界面的吸声量,声场参数得到显著改善;A声级与声源和接收点距离的对数值高度相关,混响时间(500和1 1000Hz倍频带)与声源和接收点的距离无关.在一定距离范围内,声场参数早期衰变时间(500和1 000Hz倍频带)、清晰度(500和1 000Hz倍频带)、语言传输指数与声源和接收点的距离高度相关.候车空间的分布式扬声器系统与旅客的距离需仔细设计,以满足语言清晰度的要求.