利用变量节点符号可靠度在迭代过程中的分布特征,提出了一种基于可靠度差值特征的自适应判决多元低密度奇偶校验(Low Density Parity Check, LDPC)译码算法。整个迭代过程划分为两个阶段,针对不同阶段节点可靠度的差值特征分别采用不同...利用变量节点符号可靠度在迭代过程中的分布特征,提出了一种基于可靠度差值特征的自适应判决多元低密度奇偶校验(Low Density Parity Check, LDPC)译码算法。整个迭代过程划分为两个阶段,针对不同阶段节点可靠度的差值特征分别采用不同的判决策略:前期阶段,采用传统的基于最大可靠度的判决策略;后期阶段,根据最大、次大可靠度之间的差值特征,设计自适应的码元符号判决策略。仿真结果表明,所提算法在相当的译码复杂度前提下,能获得0.15~0.4 dB的性能增益。同时,对于列重较小的LDPC码,具有更低的译码错误平层。展开更多
随着人工智能技术的发展和海量司法数据的公开,面向“智慧司法”服务的司法判决预测(legal judgment prediction,LJP)任务受到了学术界和工业界的广泛关注,该任务旨在根据有限的案件事实描述文本来预测案件的罪名、法条和刑期。然而,现...随着人工智能技术的发展和海量司法数据的公开,面向“智慧司法”服务的司法判决预测(legal judgment prediction,LJP)任务受到了学术界和工业界的广泛关注,该任务旨在根据有限的案件事实描述文本来预测案件的罪名、法条和刑期。然而,现有工作缺乏对易混淆司法案件的智能决策的研究,且相关模型通常缺乏可解释性,这会导致模型预测严重依赖领域专家,阻碍LJP在不同法律体系中的应用。为此,提出了一种基于因果图分析的司法判决预测(prediction of legal judgment based on causal graph analysis,CGLJ)方法,首先从非结构化的法律事实描述文本中挖掘要素之间的因果关系,然后采用易混淆罪名聚类的构图方法构建因果图,既考虑了相似事实描述之间的差异,又增强了事实描述和法律法规之间的相互作用,最后将构建好的因果图融入深度神经网络进行联合推理,得到判决预测结果。此外,还对模型预测过程中的因果图推理过程进行了可视化,为判决结果提供了更好的可解释性。在2018中国“法研杯”司法人工智能挑战赛(CAIL2018)司法判决预测数据集上的实验结果表明,该方法相比基线模型取得了更好的效果。展开更多
甚高频数据交换系统(Very high frequency Data Exchange System,VDES)作为新一代船舶通信系统,具有广阔的应用前景。由于卫星相对船舶的高速运动,VDES中上行应用特定消息(Application-specific Message,ASM)链路会产生较大的多普勒频移...甚高频数据交换系统(Very high frequency Data Exchange System,VDES)作为新一代船舶通信系统,具有广阔的应用前景。由于卫星相对船舶的高速运动,VDES中上行应用特定消息(Application-specific Message,ASM)链路会产生较大的多普勒频移,在接收端仅依靠已知训练序列估计的频偏等信道参数无法满足正确解调的性能要求。为此提出一种基于判决反馈的解调方法,通过分段解调,缩短每次解调的数据长度,提高解调时对频偏的容忍度,并利用每段解调的结果作为下一段未解调数据的导频,估计出当前数据中的信道参数。仿真结果表明,所提算法相较于无反馈相干解调算法性能大大提升。在上述研究的基础上,在可编程逻辑器件上实现了对ASM无导频上行链路的正确解调。展开更多
文摘随着人工智能技术的发展和海量司法数据的公开,面向“智慧司法”服务的司法判决预测(legal judgment prediction,LJP)任务受到了学术界和工业界的广泛关注,该任务旨在根据有限的案件事实描述文本来预测案件的罪名、法条和刑期。然而,现有工作缺乏对易混淆司法案件的智能决策的研究,且相关模型通常缺乏可解释性,这会导致模型预测严重依赖领域专家,阻碍LJP在不同法律体系中的应用。为此,提出了一种基于因果图分析的司法判决预测(prediction of legal judgment based on causal graph analysis,CGLJ)方法,首先从非结构化的法律事实描述文本中挖掘要素之间的因果关系,然后采用易混淆罪名聚类的构图方法构建因果图,既考虑了相似事实描述之间的差异,又增强了事实描述和法律法规之间的相互作用,最后将构建好的因果图融入深度神经网络进行联合推理,得到判决预测结果。此外,还对模型预测过程中的因果图推理过程进行了可视化,为判决结果提供了更好的可解释性。在2018中国“法研杯”司法人工智能挑战赛(CAIL2018)司法判决预测数据集上的实验结果表明,该方法相比基线模型取得了更好的效果。
文摘甚高频数据交换系统(Very high frequency Data Exchange System,VDES)作为新一代船舶通信系统,具有广阔的应用前景。由于卫星相对船舶的高速运动,VDES中上行应用特定消息(Application-specific Message,ASM)链路会产生较大的多普勒频移,在接收端仅依靠已知训练序列估计的频偏等信道参数无法满足正确解调的性能要求。为此提出一种基于判决反馈的解调方法,通过分段解调,缩短每次解调的数据长度,提高解调时对频偏的容忍度,并利用每段解调的结果作为下一段未解调数据的导频,估计出当前数据中的信道参数。仿真结果表明,所提算法相较于无反馈相干解调算法性能大大提升。在上述研究的基础上,在可编程逻辑器件上实现了对ASM无导频上行链路的正确解调。