改进D-Linknet的眼底视网膜血管分割

临床医生可通过观察眼底视网膜血管及其分支对人体是否患有疾病进行早期诊断,但由于视网膜中的血管错综复杂,模型在分割时会出现对微细血管分割精确度不足的问题。为此,提出一种结合残差模块Res2-net以及高效通道注意力机制(efficient channel attention,ECA)的D-Linknet模型。首先,利用Res2-net代替基础模型中的残差模块Res-net以提升每个网络层的感受野;其次,在Res2-net中添加一种结合压缩激励(squeeze and excitation,SE)和门通道(gated channel transformation,GCT)的注意力机制模块,改善处于复杂背景下的血管分割效果和效率;在网络的解码层加入ECA确保模型计算的性能,避免因降维导致的精度下降;最后,融合改进的模型输出图与掩膜图细化分割结果。在公开数据集DRIVE、STARE上进行分割实验,模型准确度(accuracy,AC)分别为97.11%、96.32%,灵敏度(sensitivity,SE)为84.55%、83.92%,曲线下方范围的面积(area under curve,AUC)为0.9873和0.9766,分割效果优于其他模型。实验证明了算法的可行性,为后续研究提供科学依据。

基于多层分块自适应压缩感知的图像编解码方法

压缩感知中,测量矩阵对图像进行单一采样率的压缩采样。传统的测量矩阵虽然能够获得比较好的重构效果,但因采样数目较多,故而资源耗费也较多。为了解决上述问题,提出了多层分块自适应编码算法(multi-layered block adaptive coding algorithm,MLBA)以及多层分块自适应压缩感知编解码方法(multi-layered block adaptive compressed sensing codec method,MLBACS)。MLBACS编解码方法基于MLBA编码算法,能够根据图像局部结构进行不同层数和大小的分块,并自适应分配采样率。仿真结果表明,在同等重构性能的前提下,相对于单一采样率下的压缩感知,MLBACS编解码方法能够不同程度地降低重构图像所需的采样数目。

基于双向多层转换编解码的诗自动生成

中国古诗因其严谨的平仄、押韵结构,精练传神的用词成为文本自动生成领域的挑战问题之一。本文基于双向多层转换编解码的空间向量,结合Attention机制建立了循环神经网络结构的诗自动生成模型。为解决自动生成诗的主题发散性问题,模型在生成每句诗时均增加了关键词约束。此外,为了增强诗句之间的对仗性和语义的连贯性,模型双向多层转换编解码的词嵌入式输入添加了诗句的对齐向量。实验结果表明,相比于以词转换为向量的词嵌入式的诗自动生成模型,本文设计的基于BERT的对齐向量输入模型生成的诗不仅在机器评估和人工评估中性能较优,而且生成诗句相邻句子的相关性也最好。这也进一步说明,当模型的输入向量能充分表达诗词的格式、内容和语义时,双向多层转换编解码的向量表示,即Attention机制+循环神经网络构建的诗生成模型可以生成较接近人工作的诗。

考虑多变量相关性改进的风电场Transformer中长期预测模型

挖掘风电场多变量相关性对提高中长期的预测精度具有积极影响。针对Transformer模型在捕获多变量间相关性方面的不足,提出考虑多变量相关性的多变量中长期预测模型。首先,采用多变量独立嵌入(MIE)对风电场多变量进行独立建模;然后,使用二维概率稀疏注意力(TPSA)提取时间和变量间的特征信息;最后,通过多层式编码器-解码器(MED)将多尺度的特征信息聚合,一次性输出预测结果。算例分析表明,所提模型与LSTM模型、Transformer模型、Informer模型相比,均方误差在各预测时长分别降低了42.58%~66.83%,32.58%~53.49%,14.38%~30.92%,并通过消融实验验证和分析了所提改进的有效性。

实时语音识别系统语言层的改进

该文介绍了在语音识别语言层搜索中为了实时化的需要所做的改进。文章应用词典树技术提高了从拼音到词的查找速度,并且使词典更易动态改动;同时采用多阶段搜索的框架,并在第一阶段搜索中采用一元剪枝和“2.5元”剪枝技术,极大提高了搜索速度。实验表明,在识别率没有受到影响的情况下,识别速度提高了近一倍。

基于深度学习的中文命名实体识别综述

命名实体识别作为信息抽取的核心任务,能够从文本中识别出各类命名实体。近年来,深度学习技术在字词表示、特征提取等方面上的应用,使中文命名实体识别任务取得了较为丰富的研究成果。目前,基于深度学习的中文命名实体识别技术,在特征提取的深度和模型的精确度上已逐渐超过了传统的基于规则的方法、基于特征工程的有监督方法和基于无监督的方法。围绕深度学习的识别框架,将现有基于深度学习的中文命名实体识别方法分嵌入层、编码层和标签解码层三部分进行介绍,并对未来可能的研究方向进行探讨和展望。

集群报警系统的微机控制

本文介绍PIC16C55型单片机在集群报警系统中的应用。电路分三部分组成：主机电路、层间解码器电路、报警控制电路。系统完成报警点循环检测、响声报警、显示报警等功能。

公交专用道条件下公交车辆轨迹的Seq2Seq预测

即使在公交专用道条件下,因受前方车辆、站台通行能力、行人过街等因素影响,由路段上游到下游停车线持续一定时长的公交车辆轨迹仍然表现出较强的不确定性.简单场景下的单一目标时间序列模型难以有效应对不确定性对公交车辆轨迹预测的影响.针对上述问题,提出将车辆通过路段的整体轨迹表示为由多个相对简单的局部时间序列顺序组成的高维时间序列,应用循环神经网络的单层和多层循环编码器-解码器结构建立高维时间序列中局部序列和整体序列的映射关系,从当前时段轨迹序列开始依次循环预测每个局部序列直到获得未来时段的整体序列.在实验验证中,采用杭州市文三路公交线路的实测GPS轨迹数据对2种结构进行训练和测试.结果表明,所提方法优于现有流行的多步循环序列到序列方法,其中多层结构预测结果和复杂场景的泛化性能均优于单层结构.

PIC16C5X系列单片机在楼寓对讲系统中的应用

介绍ＰＩＣ１６Ｃ５５型单片机在楼寓对讲系统中的应用．电路由主机电路，层间解码器电路，手机电路组成．整个系统完成键盘识别，振铃呼叫，摘机对讲，遥控开锁，线路故障自诊断等功能．