基于语料库统计的“音-形”激活概率及加工机制

为了了解心理词典中语音与汉字的联结情况以及从音到形的加工机制,研究首先计算出了基于语料库统计的"音-形"激活概率(某个音节激活其对应汉字的概率),并通过一个听写实验来验证这种激活概率是否反映实际加工中的激活情况。结果证明基于语料统计得到的"音-形"激活概率基本可以预测实际的"音-形"激活情况,表现为:"音-形"激活概率越高的汉字被激活的概率和强度越高,并且有明显的优势字效应;该统计概率具有可独立于其他影响因素的预测功能。

非对称分布差错模型下特征分析器混叠概率研究

本文讨论了使用非对称分布差错模型准确计算特征分析器混叠概率的一种新颖的方法,通过对混叠过程的分析,构造了由两个相同的特征分析器组成的一个虚拟特征分析器,其中一个特征分析器被参考电路的输出序列驱动,另一个被有故障的被测电路的输出序列驱动,根据所得到虚拟特征分析器对应的马尔可夫链的状态概率分布,就可以准确计算对于任意测试输入序列长度的特征分析器的混叠概率。研究了线性和非线性特征分析器的混叠概率的动态特性。分析了故障激活概率对混叠概率的重要影响。与独立分布差错模型相比,非对称分布差错模型在混叠概率的建模、准确计算和分析中能提供更全面的信息。最后,给出了应用实例,验证了文中方法的可行性和有效性。

基于覆盖效率的蜂窝网络协作节能优化算法

为了提高无线蜂窝网络的覆盖效率,根据未来蜂窝系统多用户、多业务、多载波、多协议的动态特性,研究基站覆盖效率和能量效率的性能特性,分析覆盖冗余度、业务强度在时间域和空间域上的动态分布,建议一种基于覆盖效率的蜂窝网络协作节能优化算法.该算法根据获得的信息使基站按照特定概率在休眠和激活模式之间动态切换,通过邻基站间的协作对基站激活概率进行优化.仿真表明,该算法能够以较低的复杂度获得显著的性能提升.

一种新的基于光滑L_0范数的受限玻尔兹曼机

受限玻尔兹曼机(Restricted Boltzmann machines,RBM)是一种有效的特征提取器,它是深度信念网络的基本组成模块。为了进一步提升RBM的数据表示性能,受人类大脑视觉稀疏表示启发,提出一种新的稀疏RBM,即SmoothRBM。它通过添加一个光滑L_0范数的正则项来直接约束隐层单元的总体激活概率,可以根据不同的学习任务学习到不同的稀疏水平。MNIST数据集上的相关实验表明,SmoothRBM模型与当前的一些优秀模型相比,可以更有效的提取数据集中的特征信息,学习到更稀疏和更具判别力的表示形式。

基于Petri网故障诊断及在工程机械中的应用

针对传统模糊Petri网在故障诊断应用中的不足之处,提出了一种新的故障诊断模糊Petri网模型(FD-FPN),变迁激活概率元素的引入,使反向推理中冲突消解问题的解决更加合理。在此基础上,提出了基于变迁激活概率矩阵的反向推理算法,正向与反向推理方法的结合可以实现故障因果的相互验证,使故障诊断过程更加科学,结论更符合事实。最后,结合故障诊断实例的应用,证明了文中提出方法的合理性和有效性,且运算简单,便于计算机实现。