基于多通道压缩双线性池化的情感-原因句子对提取模型

提出一个基于多通道压缩双线性池化的模型,对文档中的候选情感-原因句子对进行排序。该模型利用图注意力网络提取包含位置信息的情感特定化表示和原因特定化表示,通过局部关系学习模块,进一步学习情感与原因句子之间的局部关系表示,再使用多通道压缩双线性池化来融合学习情感-原因候选句子对表示。最后,对候选句子对进行排序。实验结果表明,与最新模型相比,所提模型在多方面表现更优。

基于通道压缩的原子范数最小化DOA估计算法

针对波达方向(DOA)估计算法的精度以及分辨率受通道数目影响的问题,本文提出了基于通道压缩的原子范数最小化(CC-ANM)无网格DOA估计算法。该算法首先对通道数进行压缩,然后对压缩之后数据的协方差矩阵进行特征值分解,利用分解得到的特征值和特征向量构建新的观测向量,以此来构建单快拍模型下的ANM问题,最后根据半正定规划问题的最优解建立Toeplitz矩阵,通过其Vandermonde分解获得信号DOA参数的估计结果。仿真实验验证了CC-ANM算法在阵元数为20,压缩率为2,信噪比为20 dB,快拍数为200时,估计精度可以达到0.1°以下。对于角度间隔2°以上的信号可以达到100%的测量。对仪器接收入射角度为0°实测数据进行测试,该算法估计精度在0.3°以下,要优于同等条件下的压缩感知类算法。

基于PZT激励同步压缩放电通道的微细电火花加工技术

针对微细电火花加工效率低,排屑困难,放电状态不稳定的问题,基于压电陶瓷(Piezoelectric ceramic,PZT)的逆压电效应,采用火花放电与PZT激励同步脉冲电源,提出PZT激励同步压缩放电通道的微细电火花加工的新方法。对其系统构成和加工原理进行了详细阐述,并结合试验对该加工系统的加工机理进行了分析,试验研究证明采用PZT同步压缩放电通道过程中能够改善放电间隙的状态,提高加工效率和加工质量,促进排屑,进而提高了微细电火花的加工稳定性。利用自行开发的加工系统成功加工出直径67μm的微细孔,加工过程稳定,表明该技术在微细加工方面具有广阔的应用前景。

基于在系统可编程技术的实时多通道语音同步采集压缩卡研究

基于在系统可编程技术,在保证实时采集、编码多通道话音信号的同时,降低了硬件的复杂度,提高了整个系统的集成度和可靠性,改善了系统性能.讨论了在系统可编程技术在开发和应用中的关键技术和可靠性设计.

通道可分离残差网络的图像超分辨率重建

针对现有图像超分辨率重建技术中存在的特征提取方式单一、中间层特征提取不充分等问题,提出了一种通道可分离残差网络。首先,利用多尺度卷积的思想设计出多分支卷积块,充分提取图像的低频信息;其次,利用通道压缩进行降维以精简特征信息,并引入坐标注意力机制对局部融合特征进行增强,通过长短跳跃连接,在加速收敛的同时使得主干网络专注于提取高频特征;最后通过上采样层重建出高分辨率图像。将本算法在Set5、Set14、BSD100和Urban100等4个超分辨率重建领域中公共数据集上进行对比分析,其中在2倍重建任务的Set5数据集上,与DBPN相比,参数量是它的2/5,PSNR和SSIM分别高出0.09 dB和0.0016。实验结果表明,该算法对图像特征充分提取,以较少的参数量实现了与其他大型模型性能相近甚至更好的重建效果。

基于黑匣子的多通道语音压缩编码实现

语音信号的数字化传输,一直是通信的热点之一,随着电子与计算机技术的不断发展,采用低速率语音编码技术进行语音传输已成为可能,并在铁路、电力、军事以及第三代移动通信系统等领域中得到广泛应用。提出了一个基于TI公司的定点DSP芯片TMS320C5416和ITU-TG723.1双速率语音编解码算法标准的多路语音实时记录系统的实现方案。在对算法标准C源代码深入分析的基础上,根据芯片性能特征对算法的实现进行了优化,并给出了最终结果。

PZT激励同步压缩放电通道微细电火花加工工艺参数对加工结果的影响

提出了压电陶瓷(piezoelectric ceramic transducer,PZT)激励同步压缩放电通道微细电火花加工,目的在于改善微细电火花加工的放电环境。介绍了PZT激励同步压缩放电通道微细电火花加工原理,研究了开路电压、脉冲宽度、脉冲频率和峰值电流对其电极损耗和材料去除率的影响,并与不采用压缩通道方法的微细电火花加工进行了对比。结果表明:同等条件下,采用PZT激励同步压缩放电通道技术,提高了加工过程的稳定性和材料去除率,降低了电极损耗率,有效改善了放电环境。

一种多通道语音采集压缩的驱动程序设计

针对多通道、大数据量的语音数据,介绍了一种采用TMS320C6205芯片的多通道语音采集压缩卡。通过自定义实时信号来进行多卡管理,运用内存映射技术解决大数据量的读写。本文在简述语音采集压缩卡的硬件体系结构的基础上,重点阐述了驱动程序中多卡管理和内存映射的实现。

时空稀疏贝叶斯的多通道降噪方法及在机械故障诊断中的应用

压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL)算法能极大地提高信号稀疏分解的精度,提出了一种改进的基于时空稀疏贝叶斯(Spatio-Temporal Sparse Bayesian Learning,STSBL)的多通道信号降噪算法。首先给出了多通道压缩感知理论模型,然后通过自适应过完备字典求取信号的稀疏基矩阵,最后提出基于STSBL的多通道理论模型获取多通道稀疏系数矩阵,从而实现多通道机械故障信号的有效降噪以及特征成分的精确重构。分别通过数值仿真实验和实测风力发电机轴承内圈故障信号进行分析,结果表明提出的方法有很好的降噪效果,同时能成功地提取信号的故障特征信息。

一种基于多通道WDRC算法的护耳语音处理加速器

长时间的大声聆听增加了人们出现不可逆听力受损的风险.为更好预防因长时间大声聆听而造成的听力受损问题,本文基于优化的多通道宽动态范围压缩(WDRC)算法实现了一种主动护耳的护耳语音处理加速器.相比于传统WDRC算法,该加速器将输入音频声压级作为WDRC算法的输入参数,并对输入音频进行压缩处理.输入语音按照梅尔尺度被分为16个通道.在每一个通道内响度过大的输入语音会被压缩,压缩处理后的语音信号经综合滤波器组合成,ΔΣ调制器处理后以脉冲密度调制(PDM)的形式输出.测试结果显示对于不同频段较高声压级的语音输入产生了较好的声压级控制效果,实现了对输出语音声压级的实时控制.

基于非对称混洗卷积神经网络的苹果叶部病害分割

针对苹果叶部病害由于数据集类间样本不均衡和拍摄角度、光照变化等实际成像与环境因素造成的精度低和泛化能力差的问题,本文提出了一种新型的非对称混洗卷积神经网络ASNet。首先,通过在ResNeXt骨干网络中添加改进的scSE注意力机制模块增强网络提取的特征;其次,针对多数叶片病害特征分布相对分散的问题,使用非对称混洗卷积模块代替原始的残差模块来扩大卷积核的感受野和增强特征提取能力,从而提升模型的分割精度和泛化能力;最后,在非对称混洗卷积模块中使用通道压缩和通道混洗的方式弥补了分组卷积造成的通道间关联性不足的缺陷,降低了由于叶部病害类间不均衡导致的传统网络模型精度偏低的问题。在COCO数据集评价指标下,实验结果表明,相比于骨干网络为ResNeXt-50的原始Mask R-CNN模型,本文模型的平均分割精度达到96.8%,提升了5.2个百分点,模型权重文件减小为321 MB,减小了170 MB。对实地采集和AI Challanger农作物病害分割挑战赛的240幅苹果叶片图像进行测试,结果表明,本文模型ASNet对苹果黑腐病、锈病与黑星病3种病害和健康叶片的平均分割精度达到94.7%。

结合深度学习和边缘计算的作业人员专注性检测方法

在生产作业过程中,作业人员注意力不集中是生产事故发生的主要诱因。针对现有的专注性研究方法过于依赖高性能计算设备,存在部署困难和隐私数据泄露等问题,提出一种结合深度学习和边缘计算的作业人员专注性检测方法。首先,利用YOLOv5算法对使用手机、抽烟和喝水3种常见的分心行为进行实时检测;然后,采用轻量化人脸关键点检测网络和Perclos算法对作业人员的疲劳程度进行评估,并对疲劳状态进行预警;最后,采用基于通道剪枝的压缩算法将分心行为检测网络和疲劳行为检测网络部署于低功耗的便携式边缘计算设备,避免作业人员隐私和商业数据泄露的风险。实验结果表明,该方法对疲劳行为和分心行为的检测准确率分别达98.6%和99.8%,满足实际的部署需求。

典型二元高超声速进气道设计方法研究

综合了一系列典型二元高超声速进气道的设计和性能估算方法,给出了可行的设计原则.在满足流量、增压以及工作范围(起动性能和反压承受能力)的条件下,给出了进气道进口、外压波系、内压缩通道、唇罩及隔离段的设计方法.采用此方法,以H=22800 m、Ma0=6为设计点,完成了一高超声速进气道的初步设计,并估算得到了进气道性能参数、进气道的起动马赫数和反压承受能力,对比CFD计算结果,误差不大.通过该方法得到的进气道具有结构简单、流量系数大、压缩损失小的特点,不通过优化即可得到性能较为良好的模型.

典型几何和流动参数对高超声速进气道性能的影响

用N-S方程模拟了一系列典型二元高超声速进气道内压缩通道及隔离段模型,模拟发现内压缩通道及隔离段增压比、温升比和总压恢复系数等性能参数主要受面积收缩比、内压缩通道收缩角、隔离段长高比等几何参数以及内压缩通道进口马赫数、密度、附面层厚度等流动参数的影响。内收缩比和内收缩通道收缩角的增大都会使压缩增强;隔离段内沿程平均温升比、马赫数和总压恢复系数曲线则均接近平行直线。内压缩通道进口马赫数的增大也会使压缩增强,但较小的进口马赫数可能引起分离,进而增大增压比;而进口密度增大使附面层变薄,对气流的压缩减弱;进口附面层厚度对沿程平均温升比、增压比以及马赫数的影响近似线性。

改进的M2det内窥镜息肉检测方法

结直肠癌是一种致命的疾病,作为息肉的肠腺瘤被认为是结直肠癌的主要病因,因此在临床诊断中发现肠息肉是一项至关重要的任务。息肉检测通常由医生操作内窥镜来实现,由于肠道环境复杂,息肉影像数据量大,小尺度息肉不易辨识,息肉检查过程除了极其依赖医生经验之外,工作压力和强度也给医生带来了极大的负担,因此需要借助计算机辅助诊断技术来检测息肉,该技术可以有效地处理大量的息肉影像数据、发现早期息肉、提高息肉检测的准确率。目前的一些方法对小型息肉存在漏检,因此提出了一种改进的M2det方法用于息肉检测,通过FFMs模块融合主干网络特征,使图像特征得到了充分利用,在SFAM模块中增加scSENet注意力机制,保留了有效特征,抑制无用特征,采用Focal loss计算分类损失,解决了正负样本不平衡问题。大量实验表明,该方法可以有效地检测出息肉且优于前沿的息肉检测方法,在CVC15数据集上mAP、F1-score、F2-score分别提升到了98.25%、97.30%、97.98%。