基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

矿山复杂巷道网络组件式三维建模方法

煤矿复杂巷道(曲线巷道、交汇巷道、变断面巷道)建模是巷道三维建模的难点.现有方法在基于导线测量数据重建复杂巷道网络、尤其是矿山常见的曲线交汇巷道仍存在不足.提出了一种巷道组件式三维建模方法.该方法针对煤矿巷道典型导线测量数据，通过巷道中心线建模、巷道双边线建模、巷道组件三维建模三个步骤，自动构建复杂巷道网络三维模型.实验结果表明，提出的方法鲁棒性好，建模时间随数据量增长呈线性稳定增长.建立的巷道网络三维模型可为智慧矿山建设中的空间、几何、力学等多种分析提供支持.     

道德治理视阈下的学术不端检测是与非

学术不端检测系统的应用与推广,对于净化学术环境有重要作用。然而事物皆是利与弊的统一体,开展学术不端检测也是如此。我们既要看到学术不端检测的"是",同时又要客观分析学术不端检测中的"非",对出现的突出问题要深刻分析,并通过道德治理的方式来消除这些问题。确保充分发挥学术不端检测应有的作用,共同优化学术环境,营造出良好的学术氛围。     

南京长江第四大桥钢箱梁铺装层温度影响系数分析

为了减少现有的钢桥面铺装层车辙深度预估的误差,提出基于长期实测数据的钢桥面铺装车辙评估模型的温度影响系数计算公式。首先对南京长江第四大桥的实测温度概率统计后采用双高斯函数表征其分布;在此基础上修正了现有车辙评估模型中的温度影响系数公式,并利用车辙实测数据对车辙评估模型计算值进行验证。研究结果表明:钢箱梁复合浇筑式铺装层温度可通过双高斯分布描述其概率分布;计入温度影响系数的车辙深度与实际车辙值之间误差较小,相对误差为15.2%。     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。     

世界大国的民众基础——评《中国,如何自我表达》

<正>《中国,如何自我表达》周鑫宇/著2014年3月版人民出版社世界大国不仅需要强大的政治、经济、军事实力,而且也需要与之相称的社会基础,这其中,公民国际化素质是个非常重要的指标,简言之,就是作为一个世界大国的公民,能否流畅地与世界他国公民进行观念价值的深度沟通。中国正在成长为一世界大国,中国该如何更好地认识外部世界,更好地与外部世界沟通,是中国公共外交面临的一大难题。周鑫宇博士的这本《中国,如何自我表达》直面该问题,     

应力应变法在底板破坏深度测试中的应用

文中针对轩岗矿区刘家梁煤矿受底板下伏奥陶系灰岩岩溶裂隙水威胁的情况,指出当前底板突水防治成为矿井防治水的主要工作任务,需要探查回采工作对底板的破坏程度。通过采用应力应变法进行底板破坏深度测试,利用混凝土的破坏时产生的极限应变作为判断底板岩层破坏深度的依据,得到综放开采条件下采场底板破坏深度为13 m,为合理评价带压开采条件下8416工作面底板突水提供了可靠的数据支撑。