离焦写入线宽的动态高斯模型

为提高集成光学器件中的多线宽制作效率,提出了基于激光直接写入技术的离焦加工模式,即加工时激光束的聚焦点不落在胶层表面而是在其前方或后方;同时还建立了基于多个加工参量的线宽数学模型。此线宽模型首先假定激光束经物镜变换后,在像方任意离焦面上的能量仍保持高斯分布,其次还考虑了光束动态扫描引起的光斑线度对曝光能量分布的影响,故称其为动态高斯模型。此线宽模型涉及光功率、基片离焦量、光束扫描速度、胶层曝光能量阈值等加工参量。对线宽模型的验证在自行研发的极坐标型激光图形发生器上进行,实验表明:相对于不考虑光斑运动的静态高斯模型,动态高斯模型更为符合实验结果。

基于Gaussian Copula-贝叶斯动态模型的桥梁构件时变可靠性分析

针对桥梁构件的各控制监测点之间存在失效非线性相关性的问题。首先考虑到非线性相关性对桥梁构件可靠性的影响,采用贝叶斯动态模型(BDMs),建立监测数据的动态预测模型;再结合Copula理论建立Gaussian Copula-BDMs,进而计算桥梁构件时变可靠性,同时与不考虑桥梁构件各控制监测点失效相关性得到的可靠性进行比较分析;最后通过算例验证所建模型与方法的合理性。本研究成果将为多元结构体系的可靠性分析提供参考。

面向仓库监控的改进式动态物体检测系统的设计

采用混合高斯模型算法,以实现背景前景的分离,并利用前景目标的二值化图像计算其轮廓特性,对超过阈值的目标物体进行预警,同时系统为实现良好的可移植性及较快的硬件处理速率,采用软件分层的体系来实现动态物体检测,底层通过V4L2接口实现硬件视频帧的采集,顶层调用opencv视觉库实现混合高斯模型下的前景提取。最后系统实现良好的人机交互界面的设计。

基于变分持续贝叶斯元学习的推荐算法

元学习方法近年被引入推荐系统以缓解冷启动问题。现有元学习算法只能提高算法处理一组静态分布的数据集(任务)的能力。当面对多个服从非平稳分布的数据集时,现有模型往往会出现负知识转移以及灾难性遗忘问题,导致算法推荐性能大幅下降。探索了基于变分持续贝叶斯元学习(Variational Continuous Bayesian Meta-Learning, VC-BML)的推荐算法。首先,算法假设元参数服从动态混合高斯模型,使其具有更大的参数空间,提高了模型适应不同任务的能力,缓解了负知识转移问题。然后,VC-BML的任务集群数量由中国餐馆过程(Chinese Restaurant Process, CRP)来灵活确定,使得模型在不同的混合分量中存储不同任务分布的知识,并在类似任务出现时调用这些知识,有助于缓解传统算法中的灾难性遗忘问题。为了估计模型参数的后验概率,算法采用了一种更稳健的结构化变分推理方法来近似后验值,以避免遗忘知识。最后,VC-BML在4个非平稳分布的数据集上的表现均优于基准算法。与基于点估计的基准算法相比,VC-BML提高了模型的稳健型,有助于缓解灾难性遗忘问题。

中国手语手势词识别的一种快速方法

选取Cyberglove型号数据手套作为手语输入设备 ,采用DGMM (DynamicGaus sianMixtureModel)作为手势词识别技术 ,提出了基于相对熵的搜索策略 ,并将其应用于基于半连续DGMM的手势词识别中以提高手势词识别速度。实验结果表明 ,采用搜索策略后手势词识别效果与原来相当 ,而识别速度提高了近 1 5倍。

基于学习的群体动画生成技术研究

为了降低群体动画中生成大量自然而又相似的人体运动的难度和复杂性,研究了一种基于学习的群体动画生成技术。该技术首先通过建立基于高斯过程隐变量模型和隐空间动态模型的运动姿势学习模型,将高维运动姿势映射到低维隐空间中,并在低维隐空间对相邻姿势的动态演化进行建模;然后通过对已有运动数据的学习来获得组成该运动的姿势的概率分布,再通过隐空间中的动态预测和Hybrid Monte Carlo采样来得到符合给定概率分布的隐轨迹;最后通过姿势重构来得到与原运动非常相似但又不同的一系列自然的运动,以产生群体动画,从而避开了传统的基于几何和物理约束的逆运动方法固有的困难和复杂性。

一种基于非参数估计的电能质量分析方法

针对电能质量监测装置的长时间运行,不可避免地会造成变电站内部元件老化或环境干扰,导致电能质量监测产生不确定性的问题,在研究了测量误差及不确定性分析基础上,文中提出了一种基于分参数粒子滤波算法估计电能质量。该算法分为两部分:自适应引导滤波算法和自适应高斯滤波算法,前者假定预测误差服从任意的假设分布,而后者假设预测误差服从高斯分布。仿真阶段,通过与传统粒子滤波估计算法对比,验证了文中所提方法在处理高不确定度的恶劣环境具有一定优势。