基于改进的MobilenetV3热轧钢带表面缺陷分类

提出一种基于轻量化神经网络MobilenetV3-large改进的热轧钢带表面缺陷分类算法,通过剪枝、大量削减卷积层数、调整通道大小和步长,以及修改对应的网络参数快速降低了参数量.为弥补修改模型带来的准确率下降的问题,将激活函数ReLU更换为Hard-Swish,引入置换注意力机制替换原模型中的通道注意力机制,在进一步降低参数量的同时提高运行效率和分类准确率.在NEU-CLS表面缺陷数据集中的试验结果表明,改进后的算法参数量为0.5 MB,相比原模型降低96.89%,训练图片的时间由19.81 ms/幅降至10.73 ms/幅,平均准确率为99.26%,比改进前提高了5.56%,表明改进后的算法可应用于实时分类.

融合TF-IDF算法和预训练模型的文本数据增强

针对自然语言处理领域的数据增强问题,首次提出了一种基于TF-IDF算法和预训练语言模型BERT融合的文本数据增强方法。首先,改进传统的基于随机策略的词元选择方法,避免对语义起到关键作用的词元进行改写,利用TF-IDF算法提取样本的非核心词,得到替换的目标词元;之后针对现有算法在生成新数据时,依赖输入样本而导致的增强样本多样化受限问题,融合BERT模型预测目标替换词元,并使用预测的结果替换目标词元。实验结果表明,基于TF-IDF和BERT预训练模型融合的文本数据增强算法有效提升深度学习模型的性能达5.8%,优于现有的文本数据增强算法。

面向多模态情感分析的多通道时序卷积融合

多模态情感分析已成为情感计算领域中的热门研究方向,它将基于单模态的情感分析扩展到基于多模态信息交流的环境。词级表示融合是建模跨模态信息交互的关键技术之一,旨在建模不同模态元素之间的相互作用。该任务面临两大挑战:模态元素之间的局部交互和时间维度上的全局交互。现有方法在建模局部交互时,常采用注意力机制刻画模态元素整体特征间的相关性,但忽视了相邻元素及局部特征间的交互作用,计算成本也较高。为解决上述问题,提出一种多通道时序卷积融合(MCTCF)模型,该方法运用二维卷积网络获取多模态元素之间的局部交互。其中,局部连接可捕获相邻元素的关联,多通道卷积可学习多模态元素局部特征之间的融合,权重共享大幅降低了计算量。在得到局部交互后的序列上,时序LSTM网络可进一步建模时间维度上的全局关联。在MOSI和MOSEI数据集上的大量实验证明了MCTCF的有效性与高效性。仅用一个卷积核(三通道,28个权重参数),在许多指标上取得了最先进或具有竞争力的结果。消融研究表明,局部卷积融合和全局时序建模都是提高性能的关键。该研究强化了词级表示融合,降低了计算复杂度。

面向多模态情感分析的低秩跨模态Transformer

多模态情感分析将基于文本的方法扩展到包含视觉和语音信号的多模态环境,已成为情感计算领域的热门研究方向。在预训练-微调的背景下,将预训练语言模型微调到多模态情感分析领域是必要的。然而,微调大规模预训练语言模型仍然很昂贵,而且跨模态交互不足会影响性能。因此,提出低秩跨模态Transformer(LRCMT)来解决这些问题。受大型预训练语言模型在适应不同的自然语言处理下游任务时所呈现的低秩参数更新现象启发,LRCMT在每个冻结层中注入可训练的低秩参数矩阵,这大大减少了可训练参数,同时允许动态单词表示。此外,设计了跨模态交互模块,其中视觉和语音模态在与文本模态交互之前首先相互交互,从而实现更充分的跨模态融合。在多模态情感分析基准数据集上的大量实验表明了LRCMT的有效性和高效性。仅微调约全参数量0.76%的参数,LRCMT实现了与完全微调相当或更高的性能。此外,它还在许多指标上获得了最先进或具有竞争力的结果。消融实验表明,低秩微调与充分的跨模态交互有助于提升LRCMT的性能。总之,本文的工作降低了预训练语言模型在多模态任务上的微调成本,并为高效和有效的跨模态融合提供了思路。

多阶段特征蒸馏加权的轻量级图像超分辨率网络

针对在轻量化网络中提取底层特征感受野不足以及缺乏对局部关键特征强化的问题,提出一种多阶段特征蒸馏加权的轻量级图像超分辨率网络LMSWN。首先,通过类金字塔模块扩大对浅层特征提取时的感受野,融合不同尺度的特征信息,丰富网络的信息流;其次,设计多阶段残差蒸馏加权模块用于增强方形卷积提取局部关键特征的能力,以恢复更多细节信息提高重建性能,同时将通道分离与1×1卷积结合共同实现对特征的逐级蒸馏,减少网络参数量;最后,引入2个自适应参数对多阶段残差蒸馏加权模块的2条支路特征进行联合学习,提升对不同层次特征信息的关注度,进一步增强网络的表征能力。实验结果表明,在Set 5、Set 14、BSD 100、Urban 100和Manga 109这5个基准测试集上的实验充分验证了所提网络的有效性,其性能超过了当前主流轻量级网络。

基于多门混合专家网络的情感分析与文本摘要多任务模型

在目前机器学习应用场景中,大多数方法仍然专注于孤立地学习单个任务,即为每个任务建立一个单独的模型。然而许多现实问题需要多模态的方法来解决,因此需要采用多任务模型。目前多门混合专家网络MMoE在多任务领域取得了不错的效果,然而在针对特定领域的学习仍然存在没有专注于独立任务的信息学习、学习任务之间联系能力不足的问题。为此,文中在多门混合网络专家模型上针对情感分析和文本摘要这一特定领域进行了优化,采用基于解码器的架构针对MMoE的架构进行重构;为解决重新设计架构带来的数据格式和流向变化的问题,同时增加针对任务独有信息的学习,设计了新的门控制网络架构;基于情感分析与文本摘要互助理论,提出两种门控制网络权值修改机制,并通过实验选择性能最佳的机制和参数。最后通过改进前后的性能对比和消融实验,证明了在情感分析和文本摘要领域,所提模型有着更优于MMoE的性能,并且每个优化都对模型性能提升有所贡献。

带有半渐进式分层提取机制的轻量化多任务模型

多任务学习目前广泛被应用于各大领域,然而大部分效果较佳的模型都有着复杂的网络层级和架构,导致这些多任务学习模型很难被应用于资源有限的设备上,例如:经费有限但是人口基数大的国家或地区进行人口普查预测、便携设备的翻译等任务。为解决这一问题,提出半渐进式分层提取的轻量化多任务模型。模型首先通过对顶层任务独有的专家模块进行剪枝,将原先负责提取每个独立任务深层信息的工作交由每个任务的塔层模块进行。这一做法使得模型既能轻量化,同时也保留了将任务共享参数和任务独有参数分离及分层次提取信息的特点。为了弥补剪枝后模型性能及准确率上的下降,参考不确定性对损失加权的思想,引入动态联合损失进行优化,使得模型可以不断预测任务之间重要性对每个任务的损失进行权值调整。同时,也对部分超参数进行调优。通过模型在公共数据集UCI人口普查-收入数据集上的评估,最终证明模型有着与轻量化之前不分上下的性能。

双向式CBR学习算法研究

文中在反馈式CBR算法的基础上针对多个使用群体提出了一种新的双向式CBR算法,把使用者信息和实例信息相分离而成为使用者实例库和应用实例库,通过对使用者实例库的搜索来重用已有的针对不同用户的搜索策略、改编策略和存储策略,从而使对应用实例库的搜索的速度和精度、改编的满意度和存储结构的合理性达到最优化。通过一个实际CBR系统的验证,具有很好的收敛速度和精度,同时具有很高的自学习性。

基于FLEXSIM的通用弹药配送中心仿真研究

通用弹药配送,是指在平时或战时状态下开展的军事物流活动。首先讨论了建立军事物流中心的必要性,分析了弹药配送中心的工作流程和概念模型,基于FLEXSIM建立了弹药配送系统仿真模型,重点研究配送中心的最大存储和订货条件(最小库存)对配送中心成本的影响。这对于配送中心的规划建设具有十分重要的参考价值。

二分图的无关分解及其在覆盖问题中的应用

为了解决大容量存贮器制造过程中因缺陷而造成成品率低的问题，或并行阵列中的容错重组问题，一般采用冗余修复的方法，该问题可以归结为对二分图的覆盖，且该问题属于NP完全问题．本文提出一个新的二分图无关分解方法．运用这一方法，可将一个二分图分解为多个互不关联的子图，然后分别在各子图中对缺陷进行覆盖，从而使该问题复杂度降低，提高修复速度．

工作流技术在通用弹药供应保障中的应用

针对未来信息化战争对通用弹药供应保障的效率提出的更高要求,对工作流技术和通用弹药供应保障研究现状进行分析,建立将工作流技术应用到通用弹药供应保障中的生命周期图,并研究生命周期的每一环节。应用工作流技术对于通用弹药供应保障势必产生巨大的军事效益。

基于C/S与B/S的高校科研管理信息系统的设计与实现

分析了B/S和C/S模式混合使用的优越性,讨论了基于该模式下的高校科研管理信息系统的设计方案和系统特点以及系统实施过程中的关键技术。

双向图覆盖的启发式离散度求解

为了解决大容量存贮器制造过程中因各种原因造成的成品率低的问题，或并行阵列中的容错重组问题，一般采用冗余修复的方法．该问题一般被归结为双向图的覆盖问题，且其复杂度被证明为ＮＰ．为加快求解速度，可以采用启发式算法求解．本文提出一种新的启发式算法求解，可以降低该问题的复杂度，提高修复效率．

纳西象形文Web植入技术

描述纳西象形文的Web植入技术,属于纳西象形文应用项目之一。纳西象形文的Web植入技术主要采用WEFT生成字体数据库,通过CSS2嵌入到纳西象形文Web页面中,从而使网络客户无需下载字体也可正常浏览纳西象形文字网页。

网上购物车的数据库技术实现策略

介绍了常用的两种网上购物车技术实现方案 ,提出了一种采用数据库技术实现网上购物车的新方法 ,并给出了设计思想及具体实现策略。

基于JavaBean组件技术控制系统组态

当前的工控系统应用中存在诸如软件系统的可靠性、扩充性以及组态软件的移植性等问题，针对这些问题，讨论了将软件组件技术及ＪａｖａＢｅａｎ应用于工控组态系统，并就实例详细介绍了基于ＪａｖａＢｅａｎ组件技术的工控组态系统的开发步骤及设计过程．

控制组态系统基于Java的B/S结构设计

该文针对分布式控制系统开放性的要求,提出采用基于Java的Browser／Server模式设计控制组态系统,并介绍了组态系统中B／S的工作方式以及在控制组态系统中的应用.

管理信息系统通用报表窗口类的设计

报表生成功能是管理信息系统(MIS)中必不可少的、重要的组成部分。该文针对MIS中报表的特点与共性,研制开发了一个高度通用的、可继承的报表窗口类,该窗口具有通用性强、使用方便等特点。

Web上基于Java的工控组态系统结构设计

针对分布式控制系统的开放式要求，通过对组态系统功能要求及其实现的根本问题的分析，结合Ｗｅｂ 的功能及应用，提出了一种新的开放式工控组态系统体系结构，并重点就现有这种结构的主要技术———Ｊａｖａ作了分析设计。

CBR——一种新型的人工智能推理方法

介绍了CBR(Case Base Reasoning)的历史背景、现状和发展趋势,详细阐述了基本原理和相对于RBR(Rule Base Reasoning)的优势,并从应用的角度分析了CBR循环中所要解决的关键问题,及其一些解决方案、发展趋势和它们在各个领域中的应用。