基于阅读技巧识别和双通道融合机制的机器阅读理解方法

机器阅读理解任务旨在要求系统对给定文章进行理解,然后对给定问题进行回答.先前的工作重点聚焦在问题和文章间的交互信息,忽略了对问题进行更加细粒度的分析(如问题所考察的阅读技巧是什么?).受先前研究的启发,人类对于问题的理解是一个多维度的过程.首先,人类需要理解问题的上下文信息;然后,针对不同类型问题,识别其需要使用的阅读技巧;最后,通过与文章交互回答出问题答案.针对这些问题,提出一种基于阅读技巧识别和双通道融合的机器阅读理解方法,对问题进行更加细致的分析,从而提高模型回答问题的准确性.阅读技巧识别器通过对比学习的方法,能够显式地捕获阅读技巧的语义信息.双通道融合机制将问题与文章的交互信息和阅读技巧的语义信息进行深层次的融合,从而达到辅助系统理解问题和文章的目的.为了验证该模型的效果,在FairytaleQA数据集上进行实验,实验结果表明,该方法实现了在机器阅读理解任务和阅读技巧识别任务上的最好效果.

基于通道融合的Res-CNN-LSTM电网虚假数据注入攻击检测

针对电力系统的网络攻击事件越来越多,信息物理安全问题已经引发电力公司和学术界的高度关注。为了能够正确检测电网虚假数据注入攻击,本文提出一种基于残差神经网络(ResNet)结构的一维卷积神经网络(1DCNN)和长短期记忆(LSTM)网络多通道融合网络模型,简称通道融合的Res-CNN-LSTM网络模型。该神经网络算法利用1DCNN和LSTM对时间序列信息的高效提取能力,将不同通道上提取的信息进行融合,进一步加强了数据特征的提取效果,同时网络模型主体采用残差跳跃连接的结构来解决神经网络在训练过程中的过拟合问题;在IEEE-14和IEEE-118节点测试系统进行模型仿真实验,并对比其他神经网络模型,结果验证了本文所提方法的有效性和准确性。

基于多通道融合技术的徽州嬉鱼灯互动体验设计研究

利用动态捕捉技术和可视化软件复现“嬉鱼灯”元宵活动中的主要场景和活动内容,打破了文化传播中的空间限制,多通道融合技术在非遗传播和传承中的运用让观众与传统文化更加亲近。通过互动技术展现非遗文化让观众本身成为了创作的一部分,这种活态的展现让观众在技术塑造的场景中能够获得更加真实的体验。

基于迁移学习与加权多通道融合的齿轮箱故障诊断

针对齿轮箱单一传感器故障识别精度波动大、数据利用率低、可靠性低及故障诊断模型在多工况下泛化能力不足等问题,提出了一种加权融合多通道数据与深度迁移模型的齿轮箱故障诊断方法。首先,为了充分挖掘齿轮箱多通道数据的信息,提出了基于信息熵加权的多通道融合方法,采用信息熵法计算各通道数据的融合权重,并对各通道的采样数据进行加权融合。其次,利用源域的融合数据对深度迁移模型进行预训练,将预训练得到的模型参数作为目标域模型的初始化参数,同时冻结目标域模型特征提取器的参数,并利用目标域的融合数据对目标域模型分类器的参数进行微调,实现深度迁移模型从源域到目标域的迁移以适应新的目标样本识别任务。最后,齿轮箱多工况迁移诊断试验结果表明,所提方法可有效用于齿轮箱的故障诊断,相比传统迁移学习方法平衡分布自适应算法(balanced distribution adaptation,BDA)、迁移成分分析(transfer component analysis,TCA)、联合分布自适应算法(joint distribution adaptation,JDA)、统计分布和几何空间联合调整算法(joint geometric and statistical alignment,JGSA)、测地线流式核算法(geodesic flow kernel,GFK)及深度迁移学习方法自适应批归一化(adaptive batch normalization,AdaBN)、多核最大均值差异(multi-kernel maximum mean discrepancy,MK-MMD)、深度卷积迁移学习网络(deep convolutional transfer learning network,DCTLN)这8种当前常用方法,具有更高的平均迁移诊断精度和变工况下良好的泛化性能。

基于多通道融合特征网络的文本情感分析

针对现有文本情感分析基础深度学习模块特征提取不够全面,语义表示不准确及训练效率低等问题,提出了基于多通道融合特征网络的文本情感分析模型。首先,采用针对汉字优化的预训练模型ChineseBERT提取文本的动态词向量表征,解决静态词向量存在的无法表示多义词问题,提升词向量语义表征质量;然后,通过多通道融合特征网络全面捕捉文本不同尺度下的语义特征融合向量表示,增强模型对文本深层次情感特征的学习能力;并利用软注意力机制计算每个特征对情感极性类型识别的影响权重,赋予关键特征更高权重,避免无关特征对结果造成干扰;最后,由线性层输出文本情感分类结果。在SMP2020微博疫情相关情绪分类评测数据集、购物评论数据集和酒店评论数据集上进行实验验证,分别取得了76.59%、97.59%和95.72%的F1分数以及76.6%、97.59%和95.73%的准确率,高于近期表现优秀的对比深度学习模型,验证了该模型在文本情感分析任务上的有效性。

基于智慧课堂的高校英语教学模式创新研究——以多通道融合交互模式为例

智慧课堂是教育与互联网深度融合的产物。多通道融合交互模式下的高校英语教学以现代教育技术为媒介,以促进学生语言运用能力提升为目标,依托远程教学,立足课程建设,采用多样化的交互手段,将全程育人、全员育人、全方位育人贯穿始终。高校英语教学模式创新需关注学科内涵发展,厘清英语教学的目标导向和价值导向,通过多通道融合交互的方式,探索高校英语教学的特色发展之路。

基于双通道融合网络的电力故障报修分类模型

针对目前电力故障报修工单分类准确率不高,而静态词向量无法表示多义词,以及传统深度学习模型提取特征不够全面等问题,提出了基于双通道融合网络的电力故障报修分类模型(RoBERTa-BA-MCNN)。RoBERTa预训练模型通过参考上下文语境,得到词的动态语义表示,解决一词多义问题。由BiSRU-Attention模块提取文本上下文序列特征,而多尺度卷积神经网络(MCNN)模型捕获多尺度语句级别的局部特征,将双通道特征拼接融合,得到更为全面的高维特征。在真实电力故障报修数据上进行实验,结果表明,RoBERTa-BA-MCNN模型准确率达到了95.67%,高于实验对比的其他模型。

基于多通道融合和组稀疏编码的视频去雪算法

大雪天气严重降低成像设备所采集视频的能见度,视频去雪算法可以恢复降雪视频的质量.为了去除降雪视频中的雪花,提出一种新的多通道融合和组稀疏编码去雪算法.针对视频的每一个色彩通道中存在的雪花成分进行去除,提出了一种全新的基于低秩矩阵分解的多通道融合背景建模方法,用于恢复干净的背景.为了检测雪花和运动前景,将运动成分中的雪花和运动前景分离以保留运动前景部分,提出了一种基于L0正则化的阈值化方法检测运动物体并分离雪花像素.最后,对被细小雪花遮挡的前景物体采用基于空间适应奇异值阈值的组稀疏编码进行去雪花处理,得到干净的前景.将干净的背景视频和干净的前景视频合成为一段完整的去雪后的视频.

基于色彩通道融合的火焰图像分割

提出了基于色彩通道融合的回转窑火焰图像分割方法。由彩色火焰图像的红绿通道、红蓝通道和绿蓝通道构成三幅新的图像 ,分别从中提取训练样本集 ,对三个神经网络进行训练。神经网络收敛后 ,各自对相应的图像进行分割 ,会得到三种不同的结果。采用均值、中值、模糊逻辑和神经网络四种方法将其进行融合 ,会得到很高的分割准确率。实验结果表明该方法是可行的。

多通道融合算法和软件平台的实现

针对多通道用户界面的核心问题——多通道融合 ,分析了多通道输入流的特点 ,针对多通道任务的特点 ,把多通道输入区分为动作输入和参数输入 .提出了任务注册的概念 ,并由此实现了以多通道任务管理器为核心的融合平台 。

基于多通道融合的连续手写识别纠错方法

在基于识别的界面中,用户的满意度不但由识别准确度决定,而且还受识别错误的纠正过程的影响.提出一种基于多通道融合的连续手写笔迹识别错误的纠正方法.该方法允许用户通过口述书写内容纠正手写识别中的字符提取和识别的错误.该纠错方法的核心是一种多通道融合算法.该算法通过利用语音输入约束最优手写识别结果的搜索,可纠正手写字符的切分错和识别错.实验评估结果表明,该融合算法能够有效纠正错误,计算效率高.与另外两种手写识别错误纠正方法相比,该方法具有更高的纠错效率.

基于四极化通道融合的海面漂浮微弱目标特征检测

海杂波背景下的微弱漂浮目标检测是雷达目标检测的热点和难点问题。由于海杂波背景下的微弱漂浮目标的回波能量低和多普勒频率通常位于主杂波区,传统的自适应类相参积累检测方法无法有效检测该类目标。基于特征类的目标检测方法是解决海面漂浮目标检测问题的有效途径。本文首先分别提取四个极化通道的三种时域和频域特征(相对平均振幅、相对多普勒峰高和向量熵),然后在极化通道维度上进行融合,获得四极化通道融合特征。最后,在三维特征空间中使用快速凸包学习算法来确定海杂波的判决区域,从而完成检测。实测海杂波数据实验验证了新方法的有效性,并表明其具有优良的检测性能。

基于多通道融合的遥感影像电子学噪声去除方法

"高分七号"(GF-7)卫星遥感影像由于受成像系统中多种因素的干扰,在进行相对辐射校正后,部分影像中仍会残留随机电子学噪声。文章在分析电子学噪声特性的基础上,结合目前的融合以及空间域去噪方法,提出一种基于多通道融合的遥感影像电子学噪声去除算法。该算法从影像融合的技术优点出发,将不含电子学噪声的邻近通道的高频信息和含电子学噪声通道的低频信息结合,生成新的影像代替原本含电子学噪声的通道信息,这样不仅能够保留原通道的光谱特性,也能有效的抑制原通道信息中的电子学噪声;最后,采用GF-7卫星数据作为试验对象验证新算法的有效性,试验结果表明,该方法不仅有效去除了随机电子学噪声,而且原始影像的光谱和纹理信息保留度均优于90%,能够满足影像的后续使用要求。

基于噪声模型和通道融合的彩色图像隐写分析

彩色图像的隐写分析大多在单信号通道进行,弱化或忽略了彩色图像不同颜色通道的相关性.通过分析彩色图像隐写噪声模型,提出了基于噪声模型和通道融合的通用彩色图像隐写分析算法.算法基于小波滤波,得到待检测图像的噪声小波系数子带,从该类子带中提取刻画噪声通道融合特征的噪声梯度方向序列及噪声梯度和序列,结合描述彩色图像颜色通道融合特征的颜色梯度方向序列及颜色梯度和序列,应用HHT变换提取各序列的振荡特征,构建基于Hilbert谱的特征向量,应用SVM分类器进行分类判别.实验表明,与已有的彩色图像隐写分析算法比较,所提出的算法误检率低,具有更好的检测效果.

多通道融合下的手势识别算法研究及船舶虚拟交互平台设计

为促进船舶虚拟交互平台的人机交互方式向智能化转变,提出了一种多通道融合下的手势识别算法。在不同视角下采集手势图像并建立手势数据集;搭建基于YOLOv4目标检测算法的手势识别框架,分别对多视角手势图像进行识别,将多个识别结果通过一种多数据融合算法决策出最终手势识别结果。同时,设计了基于Unity3D的船舶航行虚拟场景,通过手势识别输出的指令实现对虚拟船舶稳定度平台的操作。实验测试了手势在复杂环境下该手势识别算法的鲁棒性,与基于YOLOv4的单视角手势识别方法的准确率进行了对比。实验结果显示:该手势识别算法能通过多数据融合剔除错误候选结果并保留最大置信度,在复杂环境下对手势的平均识别准确率达到95.06%。

基于控制通道融合的瞄准线组合稳定技术

提出一种光电二级稳定粗、精控制通道融合新方案，并与现有粗、精控制通道相互独立二级稳定方案相比较。仿真结果表明，粗、精控制融合方案无论在成本、体积、性能和精度上，都优于现有二级稳定方案。新方案的可行性已通过原理样机得到验证。

多通道融合的虚拟实验环境设计

在实验技术的模拟仿真方面,虚拟现实因其高度模拟真实的特点,在获取用户行为数据、产品评估与模拟仿真等领域具有其他技术无法比拟的优势。为获取用户真实的行为数据,构建自然手势交互的虚拟现实实验环境,其中主要研究内容包括:(1)构建沉浸性好的四通道融合虚拟现实实验环境;(2)利用Kinect的深度摄像头与机器训练实现虚拟现实环境下的自然手势交互;(3)设计人体骨骼信息、位置信息、交互信息与虚拟实验环境的通信方式。方案能够很好地运用于用户行为收集、产品测试与评估以及其他仿真与测试技术方案。

多感知通道融合虚拟实验的快速生成方法

针对传统虚拟实验存在的开发效率低、体验单一等问题,提出多感知通道融合虚拟实验的可视化快速生成方法。对虚拟实验的实验步骤、实验步骤序列进行定义。提出基于Petri网的实验元素参数化描述方法对实验步骤序列进行描述,突破传统虚拟实验一步步按既定程序走的约束,支持建立探究式虚拟实验。提出路由图的可视化表达方法及其与Petri网之间的转换方法,使用户能通过编辑路由图的方式实现实验的快速开发,融入了嗅觉与温感两个通道的反馈,使实现视、听、嗅、触多感知通道融合的虚拟实现成为可能。为验证所提出的方法,开发了相应的原型系统,并以铝热反应实验为例,介绍生成过程。结果表明:该可视化快速编辑方法对虚拟实验的编辑有效且可行。

基于均匀性判定规则的统计MIMO雷达多通道融合检测技术

针对统计MIMO雷达各观测通道统计特性不一致的情况,提出了一种多通道融合检测技术。该技术利用均匀性判定规则,选择一组均匀的、"被认为是具有较高信杂噪比"的局部检验统计量来构建全局检验统计量,即新的检测器。给出了新检测器的设计步骤和均匀性判定规则,并利用全概率公式证明了新检测器的虚警概率与每一操作步骤中过门限概率的关系,从而为仿真得出检测门限提供了理论基础。仿真结果表明,在不同通道间信噪比分布类型条件下,新检测器的检测性能具有较强的稳健性,且与不同条件下性能最优的检测器相比,其性能损失很小。

双通道融合的DC-DC电路软故障诊断

针对DC-DC电路故障诊断中存在特征提取和诊断精度的问题,提出了一维卷积神经网络和双向门控逻辑单元双通道融合的DC-DC电路故障诊断方法。卷积神经网络(CNN)端到端的优势使其善于提取数据空间中的局部重要特征,双向门控循环单元(BiGRU)提取信号在时间维度上的特征具有优势。结合CNN和BiGRU的优势,同时提取DC-DC电路信号的特征,并且融合为新的特征向量,输入到分类层进行故障识别。该方法可以自适应从原始电压信号提取到更为全面的特征,经实验证明,所提方法诊断的准确率达到99.92%。