k-best维特比解耦合知识蒸馏的命名实体识别模型

为提升命名实体识别(NER)模型的性能,可采用知识蒸馏方法,但是传统知识蒸馏损失函数因内部存在的耦合关系会导致蒸馏效果较差。为了解除耦合关系,有效提升输出层特征知识蒸馏的效果,提出一种结合k-best维特比解码的解耦合知识蒸馏方法(kvDKD),该方法利用k-best维特比算法提高计算效率,能够有效提升模型性能。另外,基于深度学习的命名实体识别在数据增强时易引入噪声,因此提出了融合数据筛选和实体再平衡算法的数据增强方法,旨在减少因原数据集引入噪声和增强数据错误标注的问题,提高数据集质量,减少过度拟合。最后在上述方法的基础上,提出了一种新的命名实体识别模型NER-kvDKD。在MSRA、Resume、Weibo、CLUENER和CoNLL-2003数据集上的对比实验结果表明,该方法能够提高模型的泛化能力,同时也有效提高了学生模型性能。

小波编码图像联合信源信道解码算法的研究

为提高图像在噪声信道中传输的可靠性,该文提出了一种图像联合信源信道解码方案。信源图像首先经离散小波变换,压缩编码。编码数据经RCPC(率兼容删余卷积码)信道编码保护,通过噪声信道传输。在接收端的改进的APRI-SOVA(先验信息软输出维特比算法)在信道解码时,不仅利用了信道输出的软判决,而且进一步利用了信源解码器提供的当前解码的比特的可靠性信息。仿真结果显示,有效利用信源数据中遗留的相关性,能够实现图像解码质量的提高。

MIMO系统检测算法综合分析与比较

MIMO技术是无线通信领域广泛关注的新技术。文章首先归纳总结MIMO检测的最大似然检测、迫零检测、最小均方误差检测、迫零排序逐个干扰抵消检测和QR检测等典型检查算法;然后分析基于深度优先策略的VB、CL、加权KCL球形解码算法和基于宽度优先策略的K-best球形解码算法;最后在准静态平坦瑞利衰落环境下对这些算法进行了性能仿真比较,讨论了算法实现的复杂性。

TCM在Pattern时延差编码通信体制中的应用

Pattern时延差(PDS:Pattern time Delay Shift)编码通信体制具有很好的抗多途干扰能力,但传输过程中仍存在一定的误码。为提高该体制的抗噪声能力,将网格编码调制(TCM:Trellis-Coded Modulation)技术与PDS体制结合使用,对信息进行网格编码调制和维特比软判决译码。实验结果证明,该方案抗噪声效果显著,可使PDS体制的抗噪声性能提高3 dB左右。

少年维特的烦恼——解码压力

压力是现代社会人们最普遍的情绪体验之一。心理压力的产生原因是复杂的，给人带来压力感受的事件或环境被称为“压力源”，工作、经济条件、人际关系、家庭矛盾等都是常见的压力源，而对学生来说。考试可能是最常见的压力源了，每当大考来临，说不紧张是骗人的。