Information flow among neural networks with Bayesian estimation

Estimating the interaction among neural networks is an interesting issue in neuroscience. Some methods have been proposed to estimate the coupling strength among neural networks; however, few estimations of the coupling direction (information flow) among neural networks have been attempted. It is known that Bayesian estimator is based on a priori knowledge and a probability of event occurrence. In this paper, a new method is proposed to estimate coupling directions among neural networks with conditional mutual information that is estimated by Bayesian estimation. First, this method is applied to analyze the simulated EEG series generated by a nonlinear lumped-parameter model. In comparison with the conditional mutual information with Shannon entropy, it is found that this method is more successful in estimating the coupling direction, and is insensitive to the length of EEG series. Therefore, this method is suitable to analyze a short time series in practice. Second, we demonstrate how this method can be applied to the analysis of human intracranial epileptic electroencephalogram (EEG) recordings, and to indicate the coupling directions among neural networks. Therefore, this method helps to elucidate the epileptic focus localization.     

自感与互感的定义及耦合系数的讨论

提出了一种自感系数和互感系数的定义方法，有利于理解它们的静态定义与动态定义的区别与联系，同时对线圈串接时的常见错误进行了讨论。     

耦合线圈的互感、等效自感与磁能

讨论并分析了两个耦合线圈的关系式M2 ≤L1 L2 与完全耦合的条件 ,串、并联时的等效自感与磁能以及它们随互感系数变化的规律     

一种基于最大互信息/进化计算混合结构的语音识别方法

传统的最大互信息训练中一般采用梯度方法，这就使得所得模型往往只是一个局部最优模型。文中将最大互信息（MMI）和演化计算（EC）相结合，引入到隐马尔柯夫模型(HMM）的训练中去。各模型集用个体表示，个体的适应值采用模型的最大互信息。这样借助于进化计算的全局搜索及种群的特点，得到了基于最大互信息估计的HMM模型的更优解。实验结果表明，用该方法训练所得的系统识别率高于传统的基于梯度的最大互信息估计方法训练所得的系统。     

翻译中的关联

语用学的发展给翻译带来新的研究角度。关联理论的关联原则从话语的语境效果及认知努力研究语言的相关性，因而在翻译理解中起着重要作用。同时，这一原理为翻译评判也提供了一个新的依据。     

探究英语成语

本文通过对一些英语成语的形成进行认真地研究，从而提出了对英语成语成语的概念、范围及分类的看法，旨在帮助人们更好地理解和翻译英语成语，以便更准确熟练地使用之。     

线天线阵单元间距对互耦的影响

采用矩量法严格计算和分析了天线阵单元间的互阻抗随间距的变化关系，分析了互耦对Chebyshev八单元天线阵方向图的影响。给出了精确计算任意电流元之间的互阻抗公式，绘制了互阻抗随间距的变化曲线和考虑互耦效应的Chebyshev八单元天线阵方向图，给出了天线阵单元间距的一个参考值。     

基于网络文本的汉语多词表达抽取方法

多词表达(multiword expressions, MWEs)是自然语言中一类固定或半固定搭配的语言单元,特别在网络文本中,多词表达频繁出现,给分词和后续文本理解带来了巨大挑战,因此,面向网络文本提出了一种双层抽取策略来实现多词表达的识别。第一层次,利用基于左右熵联合增强互信息的算法来实现多词表达的初步抽取;第二层次,在第一层次获得的多词表达候选列表的基础上,利用SVM分类器,构建上下文和词向量特征,进行多词表达与非多词表达的分类,实现多词表达候选列表的进一步过滤。经过实验测试,在5 000条微博语料上,第一层次获得的多词表达的F值为84.92%,第二层次多词表达识别的F值为89.58%,相比于基线系统,性能有很大的提升。实验结果表明,双层抽取策略能够实现网络多词表达的有效抽取,并能有效改善分词结果。     

自然语言交流中语言风格的机器学习模型

语言风格数据挖掘尚没有较完整的基础理论支持,为此,给出了半群的通用性质的一个语言问题型表述,建立了语言交流模型。给出“语言风格”的定义,用抽象代数方法分析了语言交流模型结构及语言交流理解行为β与语言知识同余关系ρ之间的包含关系,抛弃了β、确定ρ为语言风格中更为基本的因素,同时分析ρ具有稳定性、底层性——即“无可替代性”,从而证明ρ为语言风格特征、ρ将是语言风格机器识别的对象。最后预测该机器学习方法可应用于刑侦中的语言风格识别,比如网上匿名身份识别、手机短信SMI、网上虚拟主持人等。     

一类具相互干扰的离散Leslie系统正周期解的存在性

考虑一类具相互干扰的离散L eslie系统,利用拓扑度方法,获得了该系统正周期解存在的充分条件。