孤独症者的预测编码缺陷:前馈联结异常还是反馈联结异常?

依据预测编码理论,研究者提出预测缺陷是孤独症谱系障碍(Autism Spectrum Disorder,ASD)个体感知运动、认知学习和社交言语等多领域缺陷的基础,即孤独症的预测缺陷假说(Predictive Impairment inAutism,PIA)。在PIA中,研究者基于贝叶斯和层级性推理分别提出“低先验”和“高且不灵活的预测误差精度”两个假说,然而上述假说并未得到一致证据支持。ASD个体在不同领域中不同先验的相对权重并非普遍降低,而是具有广泛的任务或情境敏感性。关于ASD个体是否具备基于环境波动调节预测误差精度的能力,也尚存分歧。此外,关于其潜在机制,是神经调节系统异常导致的自下而上前馈联结异常,还是预测脑区功能异常导致的自上而下反馈联结异常,尚无定论。由此可见,虽然该理论为ASD提供了统一的解释框架,但仍需更多研究证据进行修正和完善,以期为早期筛查和诊断、治疗和教育实践提供指导。

融合对比预测编码的深度双Q网络

在模型未知的部分可观测马尔可夫决策过程(partially observable Markov decision process,POMDP)下,智能体无法直接获取环境的真实状态,感知的不确定性为学习最优策略带来挑战。为此,提出一种融合对比预测编码表示的深度双Q网络强化学习算法,通过显式地对信念状态建模以获取紧凑、高效的历史编码供策略优化使用。为改善数据利用效率,提出信念回放缓存池的概念,直接存储信念转移对而非观测与动作序列以减少内存占用。此外,设计分段训练策略将表示学习与策略学习解耦来提高训练稳定性。基于Gym-MiniGrid环境设计了POMDP导航任务,实验结果表明,所提出算法能够捕获到与状态相关的语义信息,进而实现POMDP下稳定、高效的策略学习。

定点脉冲线性预测编码方法研究

在多脉冲线性预测编码的基础上,本文提出了位置无关脉冲搜索算法。该算法不需要搜索脉冲位置,而是根据给定的脉冲位置一次性解出脉冲幅度矢量。这就保证了得到的脉冲组合在最小二乘意义下是最优的,为改进合成语音质量提供了理论基础。进而在激励脉冲与位置无关的理论基础上,提出了定点脉冲线性预测编码方法。对所提出的算法在MATLAB下进行了仿真,仿真结果发现位置无关脉冲搜索算法得到的合成语音质量优于序贯法,编码时间也要比序贯法短。定点脉冲线性预测编码方法可以在2.7 kbps的编码速率下获得与G.729相近的合成语音。

神经网络在预测编码中的应用

讨论如何有效地利用backpropagation(BP)神经网络进行预测编码。改进的BP算法可以提高BP神经网络地收敛速度、泛化能力和稳定性。一般而言 ,四层网络比三层网络具有更快地学习速度 ;二阶网络比一阶网络性能更优越。利用MATLAB程序 ,构造三层、四层和二阶BP神经网络进行预测编码。测试结果表明 ,利用规模足够大的三层BP网络进行预测编码可以取得较好效果 ;

基于预测编码的无线传感器网络节点数据压缩算法研究

基于一阶预测编码,对无线传感器网络节点采集的数据进行压缩,除去数据之间的冗余信息,大大减少了网络数据传输量.仿真结果表明,采用改进的预测编码进行数据压缩,可极大减少能耗,增加网络生命周期等效果.

基于DCT预测编码的Epiphany-OpenCL大矩阵乘并行计算

为提高大矩阵乘的并行计算效率和计算精度,该文提出一种基于DCT预测编码的Epiphany-OpenCL大矩阵乘并行计算方法。首先,引入DCT预测编码技术,并利用其二维数据的DCT变换值及其逆变换的二维表达式,对未编码数据的预测来消除邻近数据间在时间域以及空间域上的相关性,以达到对数据进行压缩的目的;其次,基于Epiphany进行OpenCL的并行变换编码处理流程设计,实现矩阵乘的并行化计算;最后,通过在常用编程模型和大矩阵乘法上的试验,显示所提方法具有更高的计算效率和精度,验证了所提并行计算方法的性能优势。

线性预测编码(LPC)语音合成器的设计

本文提出一种线性预测编码（LPC）语音合成器．它主要是由可编程12极点格型滤波器，二极点低通滤波器及12位的D／A转换器组成，内部并带有与外部CPU的接口电路．门级的逻辑模拟和C编译程序的模拟结果说明，该合成器可在低数据率下合成出高质量语音．它可用于LPC语音分析合成系统和LPC语音合成芯片IC的开发．

基于线性预测编码与AMDF的高精度基音检测算法

根据语音信号产生原理,结合线性预测编码(LPC)与平均幅度差函数法(AMDF),提出了一种高精度的基音检测算法。该算法首先利用线性预测分析提取残差信号;然后采用累积平均归一化差分函数与差分信号修正,使基音周期的谷值点更加尖锐;最后利用二次函数拟合与基音周期的倍数检查筛选候选值,得到了准确的基音周期。实验结果表明,与传统方法相比,该算法的基音检测效果有了明显改善,减少了基音检测中的半频错误,在高信噪比下具有良好的准确性和鲁棒性。

基于ANFIS的图像预测编码

提出了一种利用神经模糊推理系统(ANFIS)构建预测器的图像压缩预测编码算法。该算法以模糊系统为平台,利用自学习算法训练建立推理规则,采用并行自适应遗传算法进化调整系统内部参数,实现了完全智能的非线性自适应预测编码。通过仿真试验,并与传统预测编码方法、神经网络预测编码方法进行比较,结果证明该算法具有预测精度高、恢复图像效果好、编码时间较短、内部参数调整智能化等突出优点。

1.8 kb/s多带线性预测编码算法设计

设计了一种多带线性预测编码 ( MBLPC)语音压缩算法 ,该算法结合正弦编码和线性预测编码的优点 ,对语音信号的包络谱用线性预测编码方法进行估计 ,而对激励谱用多带方式进行处理 .改进了特征参数的提取和量化方法 ,包括基于谐振结构的基音检测算法、基于谐振结构的线性预测分析以及包络谱参数的线性预测多层分裂码本矢量量化 .非正式主观测试表明 ,在 1 .8kb/s编码速率下 ,由 MBLPC算法所重建语音的平均意见分为 3.0 ,而清晰度指标约为 91 % .

基于LMS的图像自适应预测编码

为了提高图像编码预测器的预测性能,提出了一种低复杂度,高效的自适应预测方法。采用LMS(Least MeanSquare)自适应滤波技术进行预测,并对预测值进行减邻域均值的改进,有效克服了图像的非零均值和非平稳性特征,满足LMS算法的要求,使预测性能得以提高。通过对不同图像的仿真结果表明,该方法的预测差值图像的熵比GAP算法和MED算法的差值图像的熵要小0.1 bit/piexl左右,均方误差(MSE)也要小于后两者的均方误差。

线性预测编码方法在噪声环境下的阶数选择研究

本文通过对实验结果的分析,研究在噪声情况下采用线性预测方法,对语音特征进行提取并且确定合理的线性预测系数阶数。通过对结果的分析可知:线性预测系数是一种运算速度很快,有一定抗噪能力,识别精度较高的语音识别参数。

自我与他者:从预测编码到联合动觉

主体参与世界和理解他者的过程不仅与大脑的慎思密切相关,更涉及具身的经验。根据已有的动觉经验以及与他者持续的知觉-情感交互,主体形成了"世界对我(或他者)而言是怎么样的"预测。这种自我和他者之间的联合动觉,强调了主体作为行动者的神经-肌肉动力、自我经验的拥有感和行动感以及因为他者在场而产生的融合的、情境的联合-情感性体验。在此意义上,主体与他者之间直接、实时的预测性交互构成了社会认知基本方式。

基于三进制表示的小波系数预测编码方法

提出了一种新的小波系数表示及编码方法,探索了提高图像压缩性能的新途径。在统计各进制表示下小波系数熵值的基础上,分析了三进制表示的可行性和合理性;针对三进制表示的符号特点,充分利用小波系数之间的相关性,建立了高效的预测分类模型,设计实现了相应的图像压缩算法。实验结果表明,在各压缩倍数下,相较于典型的位平面编码方法,该方法的恢复图像主客观质量均有提高,充分说明其有效性及在提升压缩性能方面的潜力。

线性预测编码倒谱系数距离(LPC—CD)在语音信号质量客观测度中的应用

文章介绍了一种以计算线性预测编码倒谱系数距离(LPC—CD)作为对受扰语音信号质量评价的客观测度准则。针对不同通信条件,不同干扰样式下的受扰语音信号进行客观测量,并拟合出用客观测量值来预测主观的二次拟合曲线,达到了较高的主客观一致性。

预测编码在司法中的应用简介

预测编码是一种利用计算机技术审查、分析和处理大量文档的技术。预测编码在特定算法支持下进行"文本分类",并基于律师及案情专家对测试文件审阅,通过软件程序对与特定案件或争论点相关或者可响应的文件进行识别。由于预测编码可以通过协助律师进行文件的搜索、挑选和分类,减少需要手动审查的不相关和无响应文档的数量从而大幅降低电子披露流程的成本,被认为是电子证据开示领域最重要的发展之一。自2012年以来,在英美法系中已有若干在司法审判中使用预测编码的案例。但由于预测编码技术仍处于发展之中,其仍然具有局限性。预测编码技术尚难以准确无误地捕捉到案件文本的关键点,在算法决策透明度、训练模型的设计上也仍不成熟。由于预测编码技术自身的专业性,使得法律文件审查工作将日益专业化和精英化。人类语言的复杂性使得预测编码尚难以准确理解不同场景中不同词语的内涵,因而在审查的准确性上仍存在风险。

视频信号压缩编码──第三讲 预测编码

视频信号压缩编码──第三讲 预测编码张春田天津大学ｌ概述在经典的图像编码技术中，预测编码和变换编码是主要的两类编码方法。预测编码的硬件实现比较简单，而对于图像质量要求高的场合，采用预测编码，例如，差分脉冲编码调制（ＤＰＣＭ）可以达到与变换编码同样程度...

线性预测编码的实时语音通信系统

线性预测编码的实时语音通信系统时龙兴陆生礼李素珍（东南大学国家ＡＳＩＣ工程中心，南京２１００１８）随着无线通信的快速发展，频谱资源更显宝贵．为了更有效地利用有限的频谱资源，迫切需要实时的低速率语音编解码系统．综合目前的语音编码技术现状，选用语音的参数...

基于局部最小熵的小波系数预测编码方法

提出了一种基于局部最小熵的预测模型构造方法,能够更好地区分待编码位的不同概率分布,从而实现对小波系数的高效压缩。首先,根据小波系数间的相关性选择预测系数,并构造相关性预测函数来综合多个系数的预测效果;以熵值的最小化作为准则,采用逐步筛选法对预测函数划分的多个分类进行选择合并,建立了一种局部最优的预测分类模型;结合熵编码实现对小波系数的高效压缩。实验结果表明,与图像压缩标准JPEG2000相比,所提方法的恢复图像主客观质量均有改善,客观质量平均提高0.4 d B。

采用预测编码的图像隐写分析算法

通过分析图像无损压缩过程中预测编码的原理,提出了一种基于预测编码方法的空域图像隐写分析算法。该算法的基本思想是利用空域隐写会破坏图像相邻像素之间的相关性,而预测编码是利用图像相邻像素之间的相关性来预测的,这样隐写后图像的预测误差将会大于载体图像的预测误差,通过计算隐写前后图像的预测误差来分析图像中是否含有秘密信息。实验表明:基于预测编码的图像隐写分析具有较好的隐写分析能力。