融合注意力机制的混合神经网络文本情感分析模型

以往的文本情感分析模型存在忽略文本边缘信息、池化层破坏文本序列特征的问题,并且特征提取能力与识别关键信息的能力也存在不足。为了进一步提升情感分析的效果,提出了一种基于注意力机制的动态卷积神经网络(Dynamic Convolutional Neural Network,DCNN)与双向门控循环单元(Bi-directional Gated Recurrent Unit,BiGRU)的文本情感分析模型DCNN-BiGRU-Att。首先,利用宽卷积核提取文本边缘特征,采用动态k-max池化保留了文本的相对位置序列特征。其次,构建了DCNN与BiGRU的并行混合结构,避免了部分特征损失问题,并同时保留局部特征与全局上下文信息两种特征,提高了模型的特征提取能力。最后,在特征融合之后引入注意力机制,将注意力机制的作用全局化,提高了模型识别关键信息的能力。将该模型在MR与SST-2两个公开数据集上与多个深度学习模型进行对比,其准确率分别提高了1.27%和1.07%,充分证明了该模型的合理有效性。

大数据环境下基于BIM与CNN的电力工程造价优化算法

针对大数据环境下电力工程造价在精准化、动态化等方面存在的不足,提出了一种基于BIM与CNN的电力工程造价优化算法。利用BIM技术的特点进行电力工程全生命周期的造价管理,实现了造价的动态化管控。并且采用Levenberg-Marquardt规则算法改进卷积神经网络,通过改进后的CNN网络对每个工程环节的造价完成预测,从而优化整个工程的施工方案。结合相关的电力工程造价数据,基于Matlab对所提算法进行实验测试。结果表明,当学习率为0.010时CNN网络的性能最佳,所提算法的预测准确率为94%,并且与造价的真实值最为接近。

基于DCNN算法的非均匀光照图像人脸识别系统研究

人脸识别系统的人脸图像特征识别失误较高,因此文章设计了基于DCNN算法的非均匀光照图像人脸识别系统。硬件方面设计,采用ARM720T处理器与S3C2440芯片。软件方面建立非均匀光照图像人脸识别功能模块,设计软件整体架构。利用动态卷积神经网络(Dynamic Convolution Neural Network,DCNN)算法,设计人脸光照图像特征的识别程序,在非均匀光照条件下仍能有效地识别出人脸特征。测试结果表明,该能够准确识别出人脸特征,人脸系统识别得更加清晰,能够应用于实际生活中。

基于1DCNN和动态路由的滚动轴承故障诊断

实际生产中滚动轴承的工况复杂易变,导致故障诊断准确率较低。针对于此,将多传感器数据融合理论应用于故障诊断领域,提出了一种基于一维卷积与动态路由算法的滚动轴承故障诊断方法。首先,采用快速傅立叶变换将多个传感器收集到的时域振动信号转换为频域频谱;其次,构建多卷积网络从频谱中提取特征并归一化,再利用动态路由算法融合多卷积网络提取的特征来训练模型;最后,将变工况的振动数据导入模型实现故障诊断。实验结果表明,相较于其它典型的智能故障诊断方法,文章提出的方法在变工况条件下具有更高的诊断精度、更好的稳定性和泛化性能。

基于深度卷积网络的微电网经济运行状态评估方法

针对传统微电网经济运行状态评估存在的“源–网–荷–储”设备类型适应度不高、评估效果差的问题,文章提出了基于卷积神经网络算法的微电网经济运行状态评估方法。首先,构建微电网经济运行状态评估分类方法,基于微电网的运行情况、发展规划、运营和经济效能建立微电网经济运行状态评估信息分类,在此基础上,构建微电网经济运行评估指标集,采用朴素贝叶斯算法实现微电网经济运行新增指标的标签识别;其次,构建微电网经济运行状态评估模型,基于深度卷积神经元网络动态调整评估指标权重,形成微电网经济运行状态评估结果;最后,通过实例分析,比较了所提方法与模糊层次分析评估方法的评估效果,验证了所提方法的有效性和实用性。

不同池化模型的卷积神经网络学习性能研究

目的基于卷积神经网络的深度学习算法在图像处理领域正引起广泛关注。为了进一步提高卷积神经网络特征提取的准确度,加快参数收敛速度,优化网络学习性能,通过对比不同的池化模型对学习性能的影响提出一种动态自适应的改进池化算法。方法构建卷积神经网络模型,使用不同的池化模型对网络进行训练,并检验在不同迭代次数下的学习结果。在现有算法准确率不高和收敛速度较慢的情况下,通过使用不同的池化模型对网络进行训练,从而构建一种新的动态自适应池化模型,并研究在不同迭代次数下其对识别准确率和收敛速度的影响。结果通过对比实验发现,使用动态自适应池化算法的卷积神经网络学习性能最优,在手写数字集上的收敛速度最高可以提升18.55%,而模型对图像的误识率最多可以降低20%。结论动态自适应池化算法不但使卷积神经网络对特征的提取更加精确,而且很大程度地提高了收敛速度和模型准确率,从而达到优化网络学习性能的目的。这种模型可以进一步拓展到其他与卷积神经网络相关的深度学习算法。

基于改进强化学习的移动机器人动态避障方法

针对未知环境下移动机器人动态避障存在规划轨迹长、行驶速度慢和鲁棒性差等问题,提出一种基于改进强化学习的移动机器人动态避障方法。移动机器人根据自身速度、目标位置和激光雷达信息直接得到动作信号,实现端到端的控制。基于距离梯度引导和角度梯度引导促使移动机器人向终点方向优化,加快算法的收敛速度;结合卷积神经网络从多维观测数据中提取高质量特征,提升策略训练效果。仿真试验结果表明,在多动态障碍物环境下,所提方法的训练速度提升40%、轨迹长度缩短2.69%以上、平均线速度增加11.87%以上,与现有主流避障方法相比,具有规划轨迹短、行驶速度快、性能稳定等优点,能够实现移动机器人在多障碍物环境下平稳避障。

一种基于动态时间规整的闭环检测算法

闭环检测算法研究中,基于单张图像匹配的算法是研究热点,但是在动态环境下,其无法满足动态检测要求。考虑到单张图像在空间和时间上都有关联性,文章提出了一种基于动态时间规整算法(DTW)的闭环检测算法。该方法通过动态时间规整算法来求解图片序列的相似度,而不再是求解单张图片之间的相似度;同时利用卷积神经网络以提取到更高级、更抽象的图片特征,从而增强了算法的鲁棒性。考虑到匹配序列长度对实验结果造成的影响,文章详细比较了不同序列长度下得到的准召曲线以及接受者操作特征(ROC)曲线,以确定最合适的匹配序列长度,并进行了与主流方法FabMap及SeqSLAM算法的性能对比实验。结果显示,基于DTW的闭环检测算法具有较高的准确率和召回率,并且假阳性概率较低,相较于主流方法FabMap及SeqSLAM算法,其性能更好。

基于多表示动态自适应的不同工况下滚动轴承故障诊断

在对不同工况下的滚动轴承进行故障诊断时,要收集足够多标记的故障样本是非常困难的。为此,以原始振动信号作为神经网络的输入,通过多表示动态自适应(MRDA)算法多表示对齐可迁移的特征、自适应动态的衡量边缘分布和条件分布相对重要性,从而构建了一种新的深度迁移模型,即一维多表示空洞动态自适应迁移网络(1D MRDDATN)。首先,对迁移学习数据分布进行了问题分析,对DDA进行了理论推导;然后,在一维空洞卷积基础上,创建了一维多表示空洞卷积神经网络(1D MRDCNN),并提出了MRDA算法和多表示动态自适应结构(MRDAM),形成了一维多表示空洞动态自适应迁移网络(1D MRDDATN);最后,采用美国凯斯西储大学(CWRU)的滚动轴承数据集进行了实验验证。研究结果表明:与传统的深度迁移学习方法相比,上述方法的平均诊断准确率有所提升,可达到98%以上;MRDA通过多表示对齐来完成不同工况下的跨域分类任务,自适应地捕获不同方面的信息,可以获得更好的性能。

基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法

针对相近色干扰、不同光照条件下玻璃绝缘子颜色特征不明显而无法准确识别的问题,提出一种基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法。首先,提出一种联合分量灰度化算法,通过补偿玻璃绝缘子目标区域的颜色特征实现目标增强;然后,在均匀分块的基础上,采用动态分块阈值进行玻璃绝缘子图像粗分割,并结合玻璃绝缘子的颜色和空间信息等多尺度高维特征,提出一种双尺度分类卷积神经网络算法实现玻璃绝缘子图像细分割;最后,将细分割得到的所有子图像进行合并,实现复杂背景下玻璃绝缘子目标的准确识别。实验结果表明,所提算法能对图像中存在相近色干扰、光照变化影响的玻璃绝缘子目标进行精准识别,且其在Dice参数、杰卡德系数2项识别指标上均达到90%以上,平均识别准确率高达92%。

三维视频跳帧缺帧动态补偿方法仿真

针对传统视频跳帧缺帧补偿方法存在效率低且补偿不完整问题,提出一种基于帧间投影算法的三维视频跳帧缺帧动态补偿方法。使用帧间投影算法使帧间运行转化为两个单独波形,得出参考帧在水平方向与垂直方向运动矢量,并利用逆变转化限制旋转、平移等基础变形,减少后续补偿的干扰向量,分析三维视频补偿需求构建相应深度卷积神经网络,利用训练模块对两种波形进行训练,通过不同方法测定三维视频补偿效率,获取三维视频跳帧缺帧动态补偿完整性。实验结果得出,所提方法在三维视频跳帧、缺帧补偿上效率更高,并且较比传统方法更快。据此可得出结论为所提三维视频跳帧缺帧补偿方法的性能更好。

基于梯度追踪的结构化剪枝算法

针对深度卷积神经网络存在的过参数化问题,提出一种梯度追踪的结构化剪枝算法。在优化器步骤中选择梯度最大的滤波器,将其索引与参数幅值最大的滤波器索引合并,形成一个并集;根据上述并集更新模型参数;使用一种动态的滤波器选择方法,从而获得压缩后的模型。实验结果表明,采用梯度追踪的剪枝算法使用参数信息和梯度信息,能有效地剪除卷积神经网络的冗余参数。最后结论是,上述方法在压缩深度卷积神经网络的同时,能够更好地保持网络精度。

基于Capsule网络的甲骨文构件识别方法

甲骨文作为中国最早的成形文字系统,具有重要的文化和学术价值。研究甲骨文构件和其构形系统是破译未识别的甲骨文的重要方向,但是甲骨文构件的标记工作只能由资深专家来完成,并且需要耗费大量时间和精力。针对这些问题,提出了一种基于Capsule网络和迁移学习的模型OracleNet,可以自动识别并标记甲骨文字形中包含的构件;同时,构建了包含标记的甲骨文字形和构件数据集,用于模型的训练和评估。实验结果显示,OracleNet模型对甲骨文构件的预测精确度达到了60%以上,其中Top5精确度达到了71.56%,验证了模型的有效性。

采用深度学习的DGA域名检测模型比较

针对DGA域名难以检测的问题,构建了一种面向字符的采用深度学习的DGA域名检测模型,模型由字符嵌入层、特征检测层和分类预测层组成。字符嵌入层实现对输入DGA域名的数字编码;特征检测层采用深度学习模型自动提取特征;分类预测层采用全连接网络进行分类预测。为了选取最优的特征提取模型,分析比较了采用Bidirectional机制、Stack机制和Attention机制的LSTM模型与GRU模型,CNN模型,以及将CNN模型分别与LSTM模型和GRU模型相组合的模型。结果表明,与LSTM和GRU模型相比,采用Stack机制、前向Attention机制结合Bidirectional机制的LSTM和GRU模型,CNN模型,CNN模型与LSTM和GRU相组合的模型可提升模型的检测效果,但采用CNN和Bi-GRU组合构建的DGA域名检测模型可获得最优的检测效果。

结合灰度预测特征与CNNs的信息服务体育成绩预测

针对大数据体育成绩预测存在精度较低的缺陷,提出一种结合灰度预测特征与CNNs的体育成绩预测算法.通过等维动态GOM模型提取灰度特征,并构建CNNs模型完成对体育成绩时间序列的回归与预测.以百米赛跑体育成绩为研究目标,完成了体育达标人数预测和体育成绩预测两个对比实验.结果表明,等维动态GOM模型以及相应的CNNs模型分别在达标人数和成绩预测中获得了最优的预测结果.提出的算法显著优于传统算法,分别在平均精度和极端数据中获得了更好的预测结果.

基于深度学习的恶意DGA域名检测

针对域名产生算法生成的恶意域名,提出基于动态卷积算法的检测方法。基于现有的深度学习检测模型,在检测模型的向量嵌入阶段采用基于字符嵌入的高级词嵌入方法,能够对生僻词语和训练集中不存在的新词进行有效表示,减小嵌入矩阵的规模,降低存储成本。设计动态卷积算法对恶意域名进行检测,动态调整网络参数,有利于在更大范围内提取深层的特征,压缩数据大小,提高运算的速度,能够更有效识别恶意域名。实现了整体检测模型,通过实验验证了该方案的可行性。

基于FPGA的低功耗YOLO加速器设计

为了降低在边缘计算端部署YOLO网络的功耗和硬件资源消耗,基于现场可编程门阵列(FPGA)提出了一种低功耗Tiny YOLOv3网络加速器。在卷积层IP设计中,采用了通道交错方法加速传统卷积计算,使用16位定点数优化数据位宽,同时利用层分组方法来降低数据传输延迟,通过输入输出通道折叠的方法来降低硬件资源的消耗。在系统实现阶段,通过在Vivado SDK中设置不同拓扑参数对Tiny YOLOv3网络进参数配置。实验结果表明,当工作频率为100 MHz时,与Intel CPU以及ARM CPU相比,分别加速了17倍和289倍。与基于GPU及其他FPGA的YOLO实现相比,该系统可以显著降低硬件资源消耗以及功耗。

基于深度学习的集成DGA域名检测方法

针对DGA域名难以有效检测的问题,提出了一种融合深度学习中CNN模型和RNN模型的集成检测模型。集成检测模型由字符嵌入层、特征提取层和分类层三部分组成。字符嵌入层完成对输入字符的自动编码;特征提取层采用CNN模型和RNN模型从空间和时间的角度自动提取输入字符的特征;分类层采用三层全连接神经网络实现对DGA域名的自动预测分类。实验结果表明,集成检测模型与集成CNN模型相比能够有效提高检测效果。

基于深度学习的大学生心理健康咨询系统设计

针对大学生心理健康咨询的必要性,提出一款基于PGCapsNet的大学生心理健康咨询与评估系统,以实现大学生心理健康测评以及在线实时咨询两种功能的同时提高心理健康状态的预测准确率。仿真结果表明,相比于其他模型,使用PGCapsNet模型能够有效提高大学生心理咨询系统在精确率、召回率、F1-measure、准确率等各方面的水平,分别达到了70%、75%、72%、74%,验证了本设计的可行性和优越性。

相关学科与技术

2010 数理科学与基础理论0515411一种基于卷积码的小波域音频水印盲检算法[刊,中]/王让定//计算机应用研究.—2005,22(3).—119-121(132)IELDVD057:9082:28818-573 0515412通过利用 PQR 电源理论对动态电压复位器中补偿电压的计算=A calculation for the compensation voltagesin dynamic voltage restorers by use of PQR power theory[会,英]/Hyosung Kim;Sang-Joon Lee;//Applied Pow-er Electronics Conference and Exposition,2004.APEC’04.Nineteenth Annual IEEE Vol.1.—573-579(A)This paper discusses how to calculate the compensa-tion voltages in dynamic voltage restorers (DVR) by useof PQR power theory.