基于多门混合专家网络的情感分析与文本摘要多任务模型

在目前机器学习应用场景中,大多数方法仍然专注于孤立地学习单个任务,即为每个任务建立一个单独的模型。然而许多现实问题需要多模态的方法来解决,因此需要采用多任务模型。目前多门混合专家网络MMoE在多任务领域取得了不错的效果,然而在针对特定领域的学习仍然存在没有专注于独立任务的信息学习、学习任务之间联系能力不足的问题。为此,文中在多门混合网络专家模型上针对情感分析和文本摘要这一特定领域进行了优化,采用基于解码器的架构针对MMoE的架构进行重构;为解决重新设计架构带来的数据格式和流向变化的问题,同时增加针对任务独有信息的学习,设计了新的门控制网络架构;基于情感分析与文本摘要互助理论,提出两种门控制网络权值修改机制,并通过实验选择性能最佳的机制和参数。最后通过改进前后的性能对比和消融实验,证明了在情感分析和文本摘要领域,所提模型有着更优于MMoE的性能,并且每个优化都对模型性能提升有所贡献。

基于门循环神经网络的电力机器人巡检方法

常规的电力机器人巡检方法主要利用激光仿真定位和映射(simulation localization and mapping,SLAM)模型获取巡检静态/动态特征,易受环境特征值变化影响,导致巡检避障故障,因此,需要基于门循环神经网络设计一种全新的电力机器人巡检方法。为此,利用电力线路巡检飞行机器人(flying robot for overhead powerline inspection,FROPI)获取了巡检环境空间先验信息,规划了电力机器人巡检路径,再基于门循环神经网络设计了电力机器人逐级巡检算法,从而实现了有效巡检。实验结果表明,设计的电力机器人巡检方法的巡检效果较好,能实现有效避障,不易发生巡检故障,具有可靠性,有一定的应用价值,为提高电力巡检安全性作出了一定的贡献。

混合控制变量序的三值T门网络化简方法

为获得 T门网络的最佳控制变量顺序 ,对于 n个变量的函数 ,用传统的方法需作 n!次搜索 ,如果考虑混合控制方式 ,则搜索的次数更多 .为了减少搜索次数 ,并尽可能得到更为简单的 T门网络 ,本文通过对真值表分割法的分析 ,并结合 T门网络的特点 ,提出了一种用 T门实现三值逻辑函数的真值表分割法的改进算法 .该算法可实现混合控制变量序的 T门网络的最简或接近最简实现 ,且易于编程和上机操作 .最后还对几种 T门网络化简方法的优劣进行了比较 .

基于阈门网络的逻辑综合问题研究

我们在对阈门网络进行研究的基础上,给出了二级逻辑电路最小化技术应用的一个二级阈门网络综合算法-TLLS。算法通过了Benchmark二级逻辑函数例题的测试。当算法只限定到典型的逻辑门电路时,获得比较好的最小化效果。

三值T门组合网络一种自动综合方法的理论和算法

本文给出三值Ｔ门组合网络的一种自动综合方法的理论和算法．该算法可以使待实现的三值Ｔ门组合网络化简达到最小化或接近最小化，而且易于编程，上机操作．

网络化智能门禁监控系统通信技术

本文将主要讨论用VB6应用在网络化智能门禁监控系统中的通信技术。网络化智能门禁监控系统以微机为基础,用数据通信将微机和下位机(AVR单片机)连在一起实现数据共享,从而对工业过程进行集中监视管理和分散控制。因此,网络化智能门禁监控系统中通信的设计与实现是至关重要的环节。Visual Basic开发语言具有简洁明了、编程效率高、开发周期短的特点,利用VB中的多种通信手段,可实现网络化智能门禁监控系统的多种通信功能。

三值T门组合网络自动综合的理论和算法

利用具有补运算三值格代数系统和三值T代数系统的基本运算和主要性质,提出了基于三值逻辑函数简化不相交积之和形式的三值T门组合网络自动综合的一些理论问题和算法,并给出了应用实例.利用CMOS管电路实现了三值T门模块和应用实例中的三值T门组合网络.HSPICE仿真实验验证了所设计的三值T门组合网络逻辑功能正确,表明该算法是有效的.该方法易实现三值T门组合网络的自动综合.

利用谱方法设计三值T门组合网络Ⅰ:理论

讨论了三值函数的Walsh谱及其谱的一种分解方法。提出了求三值函数的Walsh谱系数的一种快速并行算法。这种算法可在三值函数的真值表阵列上方便地实现。给出了利用谱方法三值T门组合网络设计的一种方法。这种方法可使待设计的三值T门组合网络被化简到最小化或接近最小化,并且容易实现三值T门组合网络的自动综合。

多值T门网络综合

本文采用子函数控制Ｔ门并优先选择第一级控制函数的方法，提出了一种用Ｔ门实现多值逻辑电路的算法，设计实例表明本文提出的算法较传统算法为优。

双注意力门融合网络的水下图像增强方法

针对水下图像存在的对比度下降、细节丢失、颜色失真、全局色彩偏移等问题,提出了一种双注意力门融合网络的水下图像增强方法.该方法采用加入了空间注意力机制的U型网络处理输入图像来生成去除噪声且突出特征细节的置信度图,并利用加入了通道注意力机制的卷积神经网络优化图像特征得到有效纠正了色彩偏移的特征图;最后将置信度图与特征图融合实现图像增强.在合成数据集和真实水下图像数据集上的实验结果表明:与现有方法相比,该方法取得了更优的水下图像增强效果且具有更好的泛化能力.

基于门循环单元神经网络模型的煤层底板突水动态预测

在煤层底板突水理论及现场实测数据分析基础上,建立了煤层底板突水影响因素突水指标,并通过Wrapper评价策略的特征选择,筛选出了影响煤矿底板突水的主控因素。在对动态的煤层底板突水门循环单元神经网络模型进行训练并完成构建之后,将其与三种静态神经网络预测模型进行比较。结果表明:煤层底板突水门循环神经网络模型预测的准确率在训练、验证及测试阶段都高于静态神经网络预测模型,能够很好地完成煤层底板突水预测,提高煤矿生产安全。

应用门循环神经网络的变电站智能记录分析装置信息配置方法

为了节约人力资源,提高智能变电站二次设备数据输出端口地址信息在智能记录分析装置中的配置效率,提出了基于门循环单元神经网络的智能变电站二次设备端口地址信息的自动配置方法。首先,根据变电站二次设备端口描述文本的特点进行文本预处理;然后,利用word2vec模型对文本进行词向量表示及语义关联分析;最后,设计了基于门循环单元神经网络模型的文本分类器,并利用此模型对端口描述文本进行分类映射实验。实验结果表明,基于门循环单元神经网络模型的二次设备端口信息配置方法准确率高、速度快,能够适用于二次设备端口信息的自动化配置。

地铁列车客室侧门系统网络开门功能改造分析

对深圳地铁罗宝线续建工程26列车客室侧门系统网络开门功能现有设计存在的问题进行了深入分析,并结合实际,有针对性地提出了改进方案,完善了该项功能。

应用门循环神经网络的电力铁塔机器人攀爬速度自动化控制方法

电力铁塔机器人攀爬速度一直难以控制,速度过快,机器人容易失去稳定性,导致其从高空掉落下来;速度过慢,则降低巡检效率。针对上述问题,提出一种应用门循环神经网络的电力铁塔机器人攀爬速度自动化控制方法。该方法通过门循环神经网络求取机器人预期攀爬速度,利用激光测速传感器采集机器人实际攀爬速度。计算预期与实际之间的差值,以此为输入,通过构建的模糊PID控制器计算控制量,实现电力铁塔机器人攀爬速度自动化控制。结果表明:与滑模控制、鲁棒控制、PID控制三种方法相比,所研究方法应用下,杰卡德系数更大,说明该方法控制下机器人攀爬速度更接近预期,控制精度更高。

基于灰色关联及量子门节点神经网络的时间序列预测

为了有效地解决时间序列的波动性、随机性,以及处理难度大等造成的预测不稳定、预测误差大等问题,提出了结合灰色关联分析与量子门节点神经网络的时间序列预测模型。首先,通过灰色关联分析计算时间序列的主特征值与各影响因子的关联度并根据关联度值进行排序,删除低于关联度阈值的影响因子所对应的原始序列并更新时间序列,以降低待处理的数据量。然后,将更新后的时间序列作为输入,采用基于梯度下降算法的量子门节点神经网络,合理分配训练与测试数据,深入学习时间序列的变化规律,得到预测结果和预测误差。实验结果表明,该组合模型所得到的预测误差的稳定性和精度均优于传统的单一时间序列预测模型,为时间序列预测以及其他预测提供了一种新的思路和方法。

无线网络前端设备社区安防系统研究

针对有线社区安防系统存在的问题,研究并提出了无线网络前端设备社区安防系统结构,并实现了无线网络门禁终端设备.首先以SoC微处理器C8051F126为门禁控制器主CPU,CC2480为ZigBee网络处理器,C8051F002为Wiegand接口转换处理器,设计了ZigBee无线网络门禁终端设备;然后采用C语言及ZigBee协议栈应用编程接口(API)对门禁编程;最后制作了原理样机.通过试验、调试和修改,实现了门禁的主要功能.

基于天气模式识别与时空图神经网络的新能源发电功率预测

区域光伏功率预测有助于调度人员科学、合理地制定调度方案,但现有研究方法没有充分考虑功率输出的时间相关性和云移动造成的影响。为此,提出了一种基于天气条件识别的区域光伏功率时空图神经网络预测方法。考虑了光伏电站之间随天气条件的变化而变化的影响因素,并根据云层覆盖情况将历史光伏发电数据分为三类,根据不同类别设置不同的邻接矩阵。在时空图卷积网络(spatio-temporal graph convolutional network,STGCN)模型的基础上建立了三个子模型,分别通过图卷积神经网络捕捉空间相关性和门卷积神经网络捕捉时间相关性。最后,应用实际数据进行了仿真,并与图神经网络模型、长短期记忆网络模型和STGCN模型进行比较。结果表明,采用STGCN分类模型的方法在功率预测精度上有显著提高。

基于偏正结构表示的加工命名实体识别方法

制造企业积累大量的零件加工经验多以文本形式存在,如何从文本中挖掘出高质量的零件加工知识是个尚待解决的问题。针对待识别实体存在的偏正结构特征,导致实体边界界定模糊的问题,提出一种多网络协调的中文命名实体识别方法。在BERT生成字向量的过程中,通过领域自适应方法,提高字向量对工艺实体的表征能力,同时,在BiLSTM-CRF模型中引入注意力机制和多门控制的混合专家网络捕获上下文特征与实体信息。实验表明,较于当前主流的命名实体识别模型,该文提出的方法对机械零件加工实体识别的F1值达到80.15%,取得优于其他模型的最好性能。