一种新的高效Turbo码交织器设计

采用随机分块的方法 ,研究Turbocode交织器的并行编码结构 ,以获得高编码增益。探讨对随机分块方法进行改进 ,当交织器的总长度为N ,将它分为M个子数据块 ,按标准随机交织器的生成方式 ,生成 1个子模块内的交织π ,交织的总次数为N/M次 ,将在各个子数据中同一位置的数据位 ,交织到对应的子数据块之后 ,也让它们具有相同的位置。这样可以在满足同样的S参数条件下 ,将用于查找表所需的存储器的容量减小到原来的 1/M ,并达到相同的误差率要求     

关于两类特殊矩阵快速算法的几点注记

本文讨论了Toeplitz矩阵、Vandermonde矩阵以及两类特殊多项式矩阵乘积的快速算法以及(分块)三角形矩阵的有关计算问题的时间界,所得结果改进和拓广了有关文献的结论。     

两类广义卷积

把定义在半直线 R+=[0,∞)上概率测度的广义卷积推广到了紧空间 +=[0,∞]上.讨论了与连续性、单位元有关的性质.根据单位元的可能性,导出了两类广义卷积,研究了它们之间的关系.比较了本文所用的推广方法与 Urbanik 的推广方法之间的联系.     

基于级联可分离空洞残差U-Net的肝脏肿瘤分割

计算机辅助肝脏肿瘤分割可减少医生工作量,提高手术成功率,因而具有重要的临床诊疗价值。为获得精确的肝脏肿瘤自动分割结果,该文结合医学影像分割领域近年新兴的U-Net模块提出了基于级联可分离空洞残差U-Net（cascaded separable and dilated residualU-Net,CSDResU-Net）的肝脏肿瘤分割方法。CSDResU-Net采用了级联操作,解决了因肿瘤在整幅图像中占比小而造成的肿瘤分割数据不平衡问题;通过在分割网络中整合残差单元、深度可分离卷积和空洞卷积,能够增加卷积核感受野并快速提取更具判别性的肝脏肿瘤图像特征,从而提高肝脏肿瘤分割精度。在国际医学图像计算和计算机辅助干预协会肝脏肿瘤分割数据库上的实验结果表明,CSDResU-Net比基线方法的Dice系数指标提升了1.3%,同时发现空洞率对分割网络的性能表现影响较大。     

紧李群上的卷积

利用紧李群G上一类卷积算子的自伴性和紧性,给出了L^2（G）的一种分解,并利用此分解方式回到了S^1上经典的Fourier分析,将泛函分析、李群、Fourier分析联系起来.     

关于对偶余代数的注记

给出了一个对偶余代数问题的反例．作为反射代数的一个应用,建立了从卷积代数 Ｈｏｍ（ Ｃ, Ａ） 到余代数张量的对偶代数（ Ｃ  Ａ°）  的同构映射     

基于深度学习的反无人机预警神经网络

为解决传统雷达探测设备面对"低小慢"无人机时产生的难检测与易突防问题,通过深度卷积神经网络对空中无人机进行实时识别,提取目标的类别与像空间位置信息;根据无人机像空间位置在时域下的变化趋势,绘制无人机飞行映射轨迹;利用长短期记忆网络对飞行映射轨迹进行预测,获取无人机在未来时域内的预测航迹方向,实现对无人机的预警跟踪、实时检测与轨迹推断。结果表明,所提出的算法中目标识别平均准确率可达到82%,轨迹预测平均准确率可达到80%计算速度可达到24帧/秒,可见能够在地基计算平台下对空中无人机进行实时精确预警,可以有效地防止识别领空内的非合作无人机渗透与突防。     

基于RoBERTa与句法信息的中文影评情感分析

细粒度情感分析是自然语言处理的关键任务之一,针对现有的解决中文影评情感分析的主流方案一般使用Word2Vector等预训练模型生成静态词向量,不能很好地解决一词多义问题,并且采用CNN池化的方式提取文本特征可能造成文本信息损失造成学习不充分,同时未能利用文本中包含的长距离依赖信息和句子中的句法信息。因此,提出了一种新的情感分析模型RoBERTa-PWCN-GTRU。模型使用RoBERTa预训练模型生成动态文本词向量,解决一词多义问题。为充分提取利用文本信息,采用改进的网络DenseDPCNN捕获文本长距离依赖信息,并与Bi-LSTM获取到的全局语义信息以双通道的方式进行特征融合,再融入邻近加权卷积网络(PWCN)获取到的句子句法信息,并引入门控Tanh-Relu单元(GTRU)进行进一步的特征筛选。在构建的中文影评数据集上的实验结果表明,提出的情感分析模型较主流模型在性能上有明显提升,其在中文影评数据集上的准确率达89.67%,F1值达82.51%,通过消融实验进一步验证了模型性能的有效性。模型能够为制片方未来的电影制作和消费者的购票决策提供有用信息,具有一定的实用价值。     

融合注意力空洞卷积和Transformer的矿石图像分割

在金矿研磨过程中,矿石粒度大小对后期黄金冶炼起着至关重要的作用,是一个不可忽略的关键参数。为解决图像分割中多数矿石表面不规则、棱角多,粘连等问题,通过结合注意力与多尺度空洞卷积的Vit Transformer模型研究了矿石图像分割。首先使用ResNet34作为下采样主干,增强对金矿石的特征提取能力;其次采用Transformer模块解决长距离依赖问题,融合复合通道注意力空洞模块提升网络对金矿石边缘特征的提取能力,提高了网络的抗干扰能力并扩大感受野。实验结果表明：本文算法准确率达到95.84%,Dice系数达到94.69%,交并比(IoU)达到90.39%,错误率低至7.83%。与其他算法对比,本文方法精度、Dice系数、IoU更高,可以较好地完成矿石图像分割任务。