基于深度自动编码器的多标签分类研究

在多标签分类的相关研究中,由于现有的基于网络表示学习算法的相关方法只利用了网络中节点之间的邻接领域信息,而没有考虑到节点之间的结构相似性,从而导致分类准确性较低,因此,本文提出一种基于深度自动编码器的多标签分类模型。该方法首先利用轨迹计算算法(Orca)计算不同规模下网络中节点的结构相似性,作为深度自动编码器的输入来改进隐藏层中的向量表示,保留网络的全局结构;然后利用节点的邻接领域信息在模型中进行联合优化,从而能有效地捕捉到网络的高度非线性结构;最后根据隐藏层得到节点的向量表示,利用支持向量机对节点进行多标签分类。验证实验采用3个公开的网络数据集,实验结果表明,与基准方法相比,本文方法在多标签分类任务中能取得更好的效果。     

8Kb／xLD—CELP编码器的研究

描述了一种８Ｋｂ／ｓ的低延迟ＣＥＬＰ编码器。这种编码器采用后向自适应技术，所使用的激励矢量长度很短，使得单向编译码延迟小于５ｍｓ，计算复杂度也由于使用了“形状－增益”码本而得到降低。     

单片微机时钟信号编码器

由于单片微机价廉，并具有在很小的存储空间内汇编出高智能、高效率的产品程序的优点，本文介绍作者使用４位单位微机设计了一款具有多种制式的帧格式输出时间码的智能时钟编码器。     

PLC在热轧带肋钢筋矫直定尺剪切生产线的应用

热轧带肋钢筋矫直、定尺剪切生产线是钢铁公司的重要设备，采用可编程控制器作为其控制系统，提高了生产线的自动化程度，保证了生产线有连续工作的高可靠性，使生产线的生产效率和定尺剪切精度都碹以了要求。本文从可编程控制器的选择和配置、功能和特点，硬件设置和程序编制以及应注意的问题等方面都作了介绍。     

WCDMA系统中Turbo码编译码器交织长度的研究

针对WCDMA系统支持的几种业务速率，通过仿真对交织器的交织长度的选择进行了研究，结果表明在WCDMA系统中可以选择3840和1440作为交织器的长度。     

自适应噪声抵消语声增强的实时后处理算法

对自适应噪声抵消系统中两种噪声相关性较弱的情况，采用相干函数作为频域增益因子，对自适应噪声抵消作进一步处理（或后处理），以改善语声增强效果，提出一种实 时迭代算法取代现有的基于短时傅氏变换的算法，新算法可简化计算且便于与自适应系统一起实时实现，在计算机实验中，后处理算法的有效性得到了验证。     

基于轴角编码器的单轴转台设计

为了获得精确的方位角运动,研制了一台高精度的单轴转台。直流力矩电机作为驱动元件,以光电码盘作为位置反馈元件,采用闭环控制方式,实现了最低稳定转速达到0.01度/秒,位置精度达到10角秒。     

基于去噪自编码器的镜像极限学习机设计

针对极限学习机在高维度、含噪声数据集中需要大量隐含层节点来保证分类性能的问题，设计了镜像极限学习机.该算法使用伪逆法确定输入权值，随机生成输出权值和偏置，在对数据进行分类时，它仅需极少的隐含层节点.为了提升镜像极限学习机的分类性能和抗噪性，将它与去噪自编码器相结合.利用去噪自编码器对输入数据进行特征提取，并将提取到的特征作为镜像极限学习机的输入数据，再进行网络训练.在无噪和含噪声的MNIST，Fashion MNIST，Rectangles和Convex数据集中，将基于去噪自编码器的镜像极限学习机与ELM，PCA-ELM，SAA-2和DAE-ELM作对比实验，结果表明，基于去噪自编码器的镜像极限学习机的综合性能最优，用于分类的网络隐含层节点数最少.     

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.