一种面向微控制器上环境声音分类的DNN压缩方法

环境声音分类(Environmental Sound Classification,ESC)是非语音音频分类任务最重要的课题之一。近年来,深度神经网络(Deep Neural Network,DNN)方法在ESC方面取得了许多进展。然而,DNN是计算和存储密集型的,无法直接部署到基于微控制器(Microcontroller Unit,MCU)的物联网设备上。针对这一问题,本文提出一种用于资源高度受限设备的DNN压缩方法。由于DNN模型参数规模较大无法直接部署,因此提出使用剪枝方法进行大幅压缩,并针对该操作带来的精度损失问题,设计一种基于模型中间层特征信息的知识蒸馏方法。基于STM32F746ZG设备在公开的数据集(UrbanSound8K、ESC-50)上进行测试,实验结果表明,本文方法能够获得高达97%的压缩率,同时保持良好的推理精度和速度。

基于深度学习的旅游领域知识抽取

旅游业是许多国家和地区的重要支柱产业之一,对促进经济增长和就业起到关键作用。其次,旅游是人们之间交流和相互了解的重要途径,有助于促进不同地域、民族和文化之间的交流与融合。因此,文章采用BERT-BiGRU-CRF命名实体识别模型和BERT-TextCNN文本分类模型,对旅游领域文本数据进行了知识抽取。其中,BERT-BiGRU-CRF在旅游实体数据集上的F1值达到了90.69%,BERT-TextCNN在旅游分类数据集上的F1值达到了92.51%,实验效果良好。文章提出的知识抽取方案为旅游领域的知识抽取提供了新方向,同时为基于该领域知识图谱的知识问答、知识检索等应用提供了帮助。

“人工智能基础”课程教学改革与实践

针对“人工智能基础”课程前沿性、实践性、探索性强的特点,尝试教学改革与实践。通过精心安排教学内容,符合认知规律的课堂设计,有机融入前沿案例和课程思政内容,形成了从课前调研到课堂讲授,再到课后反馈和持续改进的良性教学闭环,利用启发式、研讨式和翻转课堂等教学方法激发学生学习热情,提升课程教学效果。

丢弃冗余块的语音识别Transformer解码加速方法

Transformer及其变体因具有强大的上下文建模能力而成为语音识别领域的主流模型,它们能够取得良好的识别结果,但是其中的解码器使用带有冗余信息的全部编码器特征,导致模型的解码速度受到限制。为提高解码器效率,提出一种丢弃冗余空白块的Transformer解码加速方法 DRB。以CTC/AED结构作为语音识别基本框架,利用CTC产生的尖峰序列去除编码特征中连续冗余的空白帧,减小编码输出特征的长度,降低解码器的计算量,从而提高模型的解码速度。采用预训练加微调的方式对使用DRB方法的语音识别模型进行训练,以减小因盲目对齐而产生的额外训练开销。引入Intermediate CTC结构提高模型训练时对编码器的约束能力,减小DRB判断冗余帧的误差,降低DRB方法对模型识别精度造成的损失。在开源数据集AISHELL-1与LibriSpeech上进行实验,结果表明,使用DRB的两阶段重打分非自回归解码方法在2个数据集上均能对解码速度取得58%左右的加速效果,且识别精度几乎没有损失,实现了解码效率的显著提升。

基于KNN算法与φ-OTDR系统的高铁声屏障故障识别方法

提出了一种基于K近邻(K-nearest neighbors,KNN)算法和相位敏感光时域反射(Phase-sensitive optical time domain reflectometry,φ-OTDR)系统的高铁声屏障故障识别方法。设计了V字型光缆敷设方式,能够感知声屏障不同高度吸声板在脉动力冲击下的振动,并利用φ-OTDR系统采集振动信号。对振动信号进行多域特征提取以及K近邻分类后,可以实现对声屏障故障状态识别。实验结果表明,在复杂场景下对于故障点的识别正确率达到了90.9%。该方法为声屏障故障识别提供了一条可行的技术路线,能够减少对专业人员的依赖,对于提升高铁声屏障智能运维水平具有重要意义。

决策域分布保持的启发式属性约简方法

在决策粗糙集中,由于引入了概率阈值,属性增加或减少时,正域或者非负域有可能变大、变小或者不变,即属性的增减与决策域(正域或非负域)之间不再具有单调性.分析结果表明,现有的基于整个决策域的属性约简定义可能会改变决策域.为使决策域保持不变,引入了正域分布保持约简与非负域分布保持约简的概念.此外,决策域的非单调性使得属性约简算法必须检查一个属性集合的所有子集.为了简化算法设计,提出了正域和非负域分布条件信息量的定义,并证明其满足单调性,从而为设计决策域分布保持约简的启发式计算方法提供了理论基础.为了进一步获得最小约简,提出一种基于遗传算法的决策域分布保持启发式约简算法,并在两种单调的决策域分布条件信息量基础上构造了新算子,即修正算子,确保遗传算法找到的是约简而不是约简的超集.对比实验从分类正确率与误分类代价两个方面都反映了决策域分布保持约简定义的合理性,并且,所提出的遗传算法在大多数情况下都找到了最小约简.

非接触电容耦合式信号传输方法

为解决旋转运动机构中导电滑环、集流器等接触式电信号传输机构的磨损、信号漂移及可靠性低等问题,提出一种利用电容耦合的非接触信号传输新方法.设计出信号传输结构,分析了其分布参数及等效电路,对信号传输环进行建模仿真,并对参数进行优化.设计出相应的数据收发电路,建立了原型系统并进行了测试.实测的数据传输速率最高可达到400kbit/s,实现了运动部件间的数据实时透明传输,并消除了接触和摩擦,通过扩展可进行多路信号传输.该方法可应用于国防军事、风力发电、医疗等领域取代传统的接触式导电滑环信号传输方法.

电驱动履带车辆带约束广义预测速度控制

电传动履带车辆存在的参数非线性时变性强、惯量大,路面阻力容易受强扰动等特点,采用传统的PI控制容易产生较大的超调,降低暂态控制性能,传统的滑模控制算法难以克服常值扰动,消除稳态误差,易引起输出量剧烈抖振。针对上述问题,设计了广义预测速度控制器,结合电机饱和特性,对控制量进行了约束。仿真实验表明,所设计的控制算法能够克服系统参数非线性时变、路面扰动因素的影响,且跟踪准、响应快、超调小。

基于Ranking Loss的多标签分类集成学习算法

针对目标可以属于多个类别的多标签分类问题,提出了一种基于Ranking Loss最小化的集成学习方法。算法基于Real AdaBoost算法的核心思想,从Ranking Loss定义出发,以Ranking Loss在样本空间最小化为目标,采取迭代的方法训练多个弱分类器,并将这些弱分类器集成起来构成强分类器,强分类器的Ranking Loss随着弱分类器个数的增加而逐渐减少,并给出了算法流程。通过理论分析和实验数据对比验证了提出的多标签分类算法的有效性和稳定性。

基于注意力机制与LSTM的语音情绪识别

针对现有语音情绪识别方法特征提取完整性和准确率较差的问题,将注意力机制和长短时记忆网络(Long short-term memory, LSTM)相结合,提出了一种语音情绪识别模型。该模型首先采用语音信号的梅尔频率倒谱系数(Mel frequency cepstrum coefficient,MFCC)作为LSTM的输入,借助LSTM对频谱序列进行建模,并在LSTM的遗忘门和输入门中做窥孔连接,将单元状态也作为输入数据加入门限层中;然后将LSTM得到的情感特征输入注意力层,计算每一帧语音信号的权重;最后使用权重较高的语音特征来区分不同情绪,完成对语音信号的情绪识别。结果表明:该模型与基础LSTM模型相比,在EMO-DB、CASIA和RAVDESS三种数据集上准确率分别提高2.96%、2.66%和7.06%,召回率和F1值也均有提高。这表明提出的模型语音分类识别性能较强,有效提升了语音情绪识别的准确率。

基于LPC2138的智能遥测模板设计与实现

针对HT2000图形化远动终端交流信号采样模板升级设计的需求,在分析各种交流采样技术的基础上,选用Philips LPC2138作为CPU,ADS8365六通道同时采样系统进行模数转换,并使用锁相环电路获得当前电网频率的倍频信号驱动A/D转换器,实现了交流信号同步采样并完成了该模板的设计.测试和现场运行结果表明,所设计模板的实时性、测量精度和稳定可靠性等关键指标满足相关标准的要求.

基于ERP平台的公立医院财务风险预警模型研究

公立医院财务风险预警对医院的财务管理和风险管控有一定的意义,能够对公立医院的发展和财务管理水平的提升起到积极的影响,ERP平台的公立医院财务风险预警模型对医院的材料审批信息、大型医疗设备使用申请信息、药物进销存信息、财务收支批复信息等提供数据支持。作者基于ERP平台数据,设计一套基于内部大数据审计过程的公立医院财务风险预警模型,其中医院投融资现金流风险模型采用杜邦法改进模型,设备投资回收风险与管理过程控制风险采用基于神经网络深度迭代回归分析的回归模型。该方案可以利用较小的算力实现其财务风险的实时评价。

方舱制冷制热功率计算研究

论文首先对方舱的内部热量来源和流向进行了分析研究,给出了方舱制冷制热功耗计算公式,为方舱空调和加热系统的设计提供了理论依据,具有重要的理论和参考价值。

电容耦合连接器及其信号完整性分析

传统的压配模式连接器在每次连接时需要插拔,插入力使引脚遭受磨损和扭折,针对此问题提出了一种电容耦合连接器.该连接器根据AC耦合原理,利用两条传输线相互重叠形成的电容,将发射端信号耦合到接收端,信号传输界面是非接触的,插入力为零,消除了磨损和扭折的现象.通过分析电容耦合连接器物理结构对接收端脉冲波形的影响,提出了连接器尺寸的选择策略与合理的均衡方案以减小符号间干扰,提高了信号的传输速率.仿真结果显示,电容耦合连接器的信号传输速率可达16Gb/s.

基于机器学习的NIR光谱柑橘产地鉴别框架

研究基于机器学习的近红外(Near infrared,NIR)光谱柑橘产地鉴别模型,根据NIR光谱数据的特点,提出了一个完整的产地鉴别通用框架,包括数据预处理、特征选择、模型建立和交叉验证等步骤。在框架下对比多种预处理算法以及多种机器学习算法,基于NIR光谱进行柑橘产地鉴别,得到了较好的识别结果,提高了柑橘产地鉴别的准确性。

流量仪表在石油行业中的合理选型和应用

流量仪表是过程自动化仪表与装置中的重要仪表之一,作为能源计量器具的重要组成部分,被广泛应用于石油、冶金、电力等各个领域,在国民经济中占有重要的地位。为了准确快速地在众多仪表中选择最佳的流量仪表,文中首先介绍流量仪表的类型、工作原理、影响因素及选型标准,然后结合现场工程应用分析了仪表选型的正确步骤,最后总结出仪表选型及应用应该具有系统性、科学性及创新性。

超声波流量计用于原油大流量贸易计量的方案论证

超声波流量计现阶段多应用于天然气贸易计量上,对于原油贸易计量国内还没有相关标准。本文对超声波流量计用于海上平台原油大流量外输贸易计量做了方案的论证:针对海上平台空间有限的特点,对比了标准容积法、基准流量计法、标准体积管法等常用方案,采用标准体积管与基准流量计共同检定的方案,保证了计量精度,减小了流量计的尺寸和重量,降低了维护、运营成本,降低了能耗,满足国内原油贸易计量的要求。

过孔激起反谐振对信号传输的影响

针对过孔激起的平面谐振对传输线传输效果有着严重影响这一问题,提出了一种能够准确预测平面过孔对传输效果影响的方法.将过孔与平面谐振紧密结合,补充了平面模式阻抗抑制法所没有讨论的情况,通过引入线性网络阻抗Z参数模型,可以准确判断不同位置处,激起相同谐振频率的两过孔传输效果是否优于单一过孔.此外,对多种过孔的传输效果进行了分析.仿真结果表明,当考虑平面谐振对传输效果的影响时,电源地平面间应尽量使用通孔;在多层印刷电路板中的信号线上,当过孔造成信号两次换层时,返回路径仅在离平面边沿最近处改变.

基于Cart决策树与boosting方法的股票预测

针对股票预测模型的准确度不够高,存在过拟合及欠拟合等问题,在现有股票预测方法分析的基础上,给出了一种基于Cart决策树与boosting方法的股票预测方法。该方法针对现有预测模型在数据纵向性方面考虑较少,额外增添近10日均价及转手率两个纵向变化指标以提高股票走势预测的准确性;并且以Cart决策树方法为基础,采用boosting级联多棵决策树的方法建立股票模型来解决拟合度问题。预测实验结果表明,该方法对仪器仪表领域的股票预测效果较好,均方误差有所下降。

具时滞的细胞神经网络的全局稳定性的新定理

提出了判定具有时滞的细胞神经网络渐近稳定性的一条新定理 ,可以证明 ,该定理的结论使得直到目前为止的所有全局渐近稳定性定理或推论均为其特例 ,并且证明简单 ,条件判定也较容易实现 .