基于相关性学习的多任务模型及其应用

多任务学习是一种联合多个任务同时学习来增强模型表示和泛化能力的手段,任务之间的相关性是多任务学习的基本因素.为解决任务差异的内在冲突会损害部分任务的预测的问题,提出一种基于相关性学习层(correlation learning layer,CLL)的多任务学习模型,并将该模型作为新的代理模型应用于贝叶斯优化算法中,以期解决昂贵的优化问题.在传统的多任务学习网络后面增加相关性学习层,使已经完成初步共享学习的任务在该层进行优化共享,令多个任务所学习到的知识充分交互起来.根据不同的基于参数的共享机制,构建带有相关性层的LeNet和径向基函数(radial basis function,RBF)多任务学习模型,在多任务版本的美国国家标准与技术研究所(Mixed National Institute of Standards and Technology,MNIST)数据集和任务相关性可控制的综合数据集上进行实验,验证了所提出的基于相关性层的多任务学习模型的有效性.将所提多任务学习网络作为代理模型应用于贝叶斯优化算法中,不仅能减少模型对目标问题的评价次数,还能成倍地扩充训练数据数量,进而提升模型的性能.

S7-300 PLC在番茄酱杀菌自动控制系统中的应用

番茄酱杀菌温度控制是番茄酱加工生产线中的关键环节。基于西门子S7-300 PLC,研究开发了番茄酱杀菌自动控制系统,利用Step7编程软件设计了杀菌温度PID控制器,并通过组态软件WinCC对控制器进行了模拟仿真,验证了算法的有效性。仿真研究和工程应用表明,该控制方法经济可靠,达到了预期效果,具有一定的推广应用价值。

基于信号特征序列的粒子滤波跟踪算法

为了实现基于无线传感器网络的高精度目标跟踪,提出一种对物理层透明的基于信号特征序列的粒子滤波跟踪算法.采用信号特征序列实现由物理层信号到抽象信号的转变,利用信号特征序列的距离作为粒子滤波权值的更新依据;针对经典粒子滤波算法容易退化、贫化、粒子偏离后验分布等问题,综合运用轨迹预测、遗传交叉、重采样等方法使粒子分布有效的表征目标后验分布;同时,采用多维滤波对数据进行处理改善算法的噪声抑制能力.仿真结果表明算法的各种措施有效地提升了跟踪精度.

基于CUDA技术的卷积神经网络识别算法

针对具有高浮点运算能力的流处理器设备GPU对神经网络的适用性问题,提出卷积神经网络的并行化识别算法,采用计算统一设备架构(CUDA)技术,并定义其上的并行化数据结构,描述计算任务到CUDA的映射机制。实验结果证明,在GTX200硬件架构的GPU上实现的并行识别算法的平均浮点运算能力峰值较CPU上串行算法提高了近60倍,更适用于神经网络的相关应用。

一种结合词性及注意力的句子情感分类方法

针对目前各种基于长短期记忆网络LSTM的句子情感分类方法没有考虑词的词性信息这一问题,将词性与自注意力机制相结合,提出一种面向句子情感分类的神经网络模型PALSTM(Pos and Attention-based LSTM).首先,结合预训练词向量和词性标注工具分别给出句子中词的语义词向量和词性词向量表示,并作为LSTM的输入用于学习词在内容和词性方面的长期依赖关系,有效地弥补了一般LSTM单纯依赖预训练词向量中词的共现信息的不足;接着,利用自注意力机制学习句子中词的位置信息和权重向量,并构造句子的最终语义表示;最后由多层感知器进行分类和输出.实验结果表明,PALSTM在公开语料库Movie Reviews、Internet Movie Database和Stanford Sentiment Treebank二元分类及五元情感上的准确率均比一般的LSTM和注意力LSTM模型有一定的提升.

基于频域的无线网络并行信道竞争机制

现有信道竞争方法在信道资源竞争时存在冲突率高、竞争时间长等缺点,且协调效率较低。为此,提出一种新的并行频域竞争机制。通过利用正交频分复用提供的大量子载波,使信道竞争在频域中完成,为节点配备多根天线,在同一个时隙内声明自身的传输需求与优先级,并侦听其他节点的行为,以此完成并行化竞争。仿真结果表明,与IEEE 802.11协议相比,当无同步误差时,该机制的冲突概率低于1%,竞争时间减少50%~80%,当存在隐含终端或同步误差时,该机制的吞吐量可提高10%~80%。

基于物联网技术的光照试验系统设计

光照强度是环境监测中的重要参数,它对种子培育、动植物生长、药品的物理性能和化学性能有着重要的影响,研制光照试验系统具有较大理论和现实意义。传统的光照强度调节模式常采用晶闸管调节导通角来调节白炽灯光照强度和采用多个节能灯分段调节的方式,上述方式存在不节能或者光照强度调节不连续的弊端。本文提出了基于物联网技术的在线监测光照强度进行闭环控制模拟整流器调节光照强度,试验表明该系统可解决传统光照设备不能同时克服的节能与连续调节的问题。该系统完全可满足光照试验系统的要求,具有一定的推广价值和应用前景。

双结构互补网络的研究

近几年研究发现,互联网运作的数学模型,由原先正态分布的随机模型转变为幂次分布的无尺度模型。无尺度现象导致“带宽瓶颈”、“数字鸿沟”等问题。如何才能从爆炸式增长的互联网信息资源中筛选主流资源?由此提出双结构联网思想:在保留TCP／IP主体结构的基础上,增添一种专门用于传播主流资源的次级结构。采用互联结构与播存结构并存,可以让主流资源通过卫星广播直达全国城乡,克服数字鸿沟,实现“适当的人在适当的时候享用适当的信息”的目标。

基于Raleigh-Ritz的五自由度并联机床刚度分析及仿真

针对软件模拟方法适合某一固定位置的刚度分析,不适合对并联机构的工作空间刚度分析的问题,提出了一种基于raleigh-ritz的五自由度并联机床刚度分析方法。首先利用有限元基本原理对并联机床的机构分析离散出基本单元,然后利用raleigh-ritz方法计算出基本单元的刚度矩阵,装配后得到系统刚度矩阵,最后通过系统刚度矩阵对并联机床的刚度进行了分析,得到了并联机床工作空间内的刚度分布,并利用刚度分析软件进行了仿真实验,对分析结果进行了对比分析,为并联机床的优化设计提供了理论依据。

基于神经网络预测的中央空调故障诊断

随着国内经济的蓬勃发展,中央空调已成为高层建筑不可缺少的重要设备。尽管制造技术的进步和自动监控设备的采用已经大大降低了空调系统的机械损坏,但由于空调系统故障的原因相当多,对故障准确及时的诊断仍然是目前研究的一个难题。如何利用人工智能理论与技术进行准确的故障诊断,已经成为当前国际上的研究热点。针对高层建筑中中央空调的故障诊断问题,本文提出一种基于三层反向传播神经网络的故障预测模型。将所设计的神经网络预测系统应用在高层建筑中的中央空调故障诊断,结果显示:利用该模型能够快速准确的预测故障。

基于射频识别技术的图书馆中心机房管理系统研究

针对图书馆中心机房管理中存在的问题,将射频识别技术引入到图书馆中心机房管理系统中,提高了机房管理的科学性和可靠性。阐述RFID的工作原理,设计和实现了基于RFID技术的图书馆中心机房管理系统。

基于差分进化的制造业移动机器人路径规划方法

移动机器人的路径规划是控制移动机器人行动中的一项重要的研究内容。本文以制造业移动式机器人为例,以多道加工工序中的螺丝安装为任务,提出一种基于差分进化算法的移动式机器人的最优路径规划方法,使得机器人能够在最短时间内完成所有的工序。实验结果显示:在20个加工床的情况下,该方法能够得到满意的结果。

基于极速学习神经网络PID控制的智能伺服系统的设计

PID控制器在智能伺服系统的设计上具有良好的应用前景。目前,神经网络PID控制器在各个控制领域中得到了成功的应用,如BP神经网络PID控制器、RBF神经网络PID控制器等。然而,这些神经网络的学习一般采用最陡梯度下降算法,算法速度太慢,导致在伺服系统中PID控制的实时性太差。本论文以无刷直流伺服马达速度控制作为研究对象,提出一种基于极速学习机(Extreme Learning Machine,ELM)的新型三层前馈神经网络PID控制器。与传统的神经网络函数逼近原理不同,只要神经元激活函数具有可微的形式,输入权值和隐藏层偏置值就能随机的设置,那么ELM神经网络输出层的权值就可以具有解析的计算式,在PID控制中具有较好的实时性。实验结果表明:此PID控制器在性能上可以达到我们所要求的控制要求,相比其他神经网络PID控制器具有更好的实时性。

基于无线网络的信道竞争机制研究

该文主要针对无线网络中多个节点同时竞争使用信道,产生的时间开销大,网络规模扩大时,冲突概率这一问题,提出了基于频域竞争的信道访问机制。首先采用正交频分复用OFDM进行频域竞争,通过产生的竞争向量,生成控制报文。节点在发送控制报文竞争信道的同时,也接收其他节点的控制报文,并进行相关运算,检测所有竞争节点的竞争向量,竞争向量最小且惟一的节点获得信道使用权。

基于OpenCV的网上报名系统照片审核功能的设计

OpenCV是人工智能领域使用非常广泛的一个开源软件库。本文介绍了在linux操作系统当中,Java Web结合OpenCV的一种应用方式,该应用旨在对人才招聘网上报名系统当中的上传照片进行审核,以降低人工审核的工作量。介绍了相关程序的设计过程,以及OpenCV在应用当中遇到的一些问题和解决方法。该OpenCV应用方式对于非Java Web的报名网站也具有指导意义。

茶色素染液pH值对羊毛织物染色效果及抗菌性的影响

用铁观音茶提取液作为天然染料,分别在pH值为3.5、5.5(茶提取液本身pH值)、7.5、9.5的条件下对羊毛织物进行直接染色,并对染色后羊毛织物的抗菌性能进行研究。结果表明:染液pH值对染色后羊毛织物的K/S值和色光均有较大影响,当染液pH值为5.5时,织物的K/S值最大;染色羊毛织物具有良好的耐摩擦和耐洗色牢度,但耐日晒牢度较差,对光照表现出深色效应,随着染液pH值的升高,织物光照变色效应减弱;当染液pH值为5.5时,染色羊毛织物对大肠杆菌和金黄色葡萄球菌的抑菌率最高,分别为98.9%和93.2%;染液酸碱度的提高均会降低染色羊毛织物的抗菌性能,其中碱性染液对其抗菌性的降低作用最为明显。

基于高动态范围图像中光晕分析的光照方向测算算法

针对增强现实(AR)系统中复杂场景的光照一致性问题,运用高动态范围(HDR)图像处理技术对标识物图像进行分析,提出一种基于HDR图像中光晕分析的光照方向测算算法。为了提高虚拟物体的沉浸感和真实性,在研究和分析现有的光照恢复算法的基础上,利用二次曲线对的投影不变性原理进行相机标定;为了获得更加详尽的光照信息,使用HDR技术对标识物图像进行处理,提高了测算精确度;参照Lambert光照模型对图像中的光照信息进行分析,将拍摄角度进行分类,实现了对传统测算光源方向算法的改进,可测算出位于摄影球反射范围外的部分光源的方向,扩大了测算范围。设计了针对单一点光源的视角1和视角2测算验证实验,并进行了分析。实验验证表明,所提方法简单易行,具有较强的鲁棒性,能够实现在标识物部分遮挡的情况下,测算出位于摄影球反射范围外部分光源的方向。

语义校对系统中的句子语义骨架模糊匹配算法

本文给出了用句子语义骨架表示句子语义的具体方法和表示形式 .在语义校对系统中建立了这种形式的知识库 ,每一个知识条代表描述同一个事件的不同句子的共同特征 .采用模糊匹配方法计算语句的相似程度 .

基于轻量化SSD的车辆及行人检测网络

近年来,基于深度学习的目标检测算法发展迅速.但是由于深度网络规模过大,导致其还不能在嵌入式平台上进行广泛应用.本文针对SSD(Single Shot Multi-box Detector)模型的规模进行优化,引入了轻量化卷积神经网络MobileNetv2,对比了SSD和其轻量化版本SSDLite的网络结构,在此基础上提出了基于轻量化SSD的车辆及行人检测模型LVP-DN(Lightweight Vehicle and Pedestrian Detection Network).首先,通过MobilNetv2替代VGG作为基础网络进行特征提取.然后,用轻量化的SSD版本SSDLite替代SSD,从而达到减少模型大小、加快检测速度的目的.进一步通过优化默认候选框的比例,提高了网络对行人的检测精度.最后,在KITTI和PASCAL VOC数据集上分别对比了不同基础网络、输入图像尺寸及是否使用预训练模型这3个因素对网络性能的影响.实验结果表明,相比其他流行的目标检测模型,本文所提出的车辆及行人检测模型在精度、速度和模型大小等评价标准上取得了较好的效果.

RSA加密算法在网络监听中的应用

信息在网络传输过程中存在被监听的安全隐患,保护信息免受监听技术威胁的常见方法是对信息进行加密,目前最理想的加密算法是RSA算法。文章论述了网络监听原理,检测方法及其防范措施,对RSA算法进行详细地描述并编程实现。通过理论和实验结果分析,RSA算法保证了信息的保密性和完整性,能有效防止信息被监听。