非语言信息增强和对比学习的多模态情感分析模型

因具有突出的表征和融合能力,深度学习方法近年来越来越多地被应用于多模态情感分析领域。已有的研究大多利用文字、面部表情、语音语调等多模态信息对人物的情绪进行分析,并主要使用复杂的融合方法。然而,现有模型在长时间序列中未充分考虑情感的动态变化,导致情感分析性能不佳。针对这一问题,该文提出非语言信息增强和对比学习的多模态情感分析网络模型。首先,使用长程文本信息去促使模型学习音频和视频在长时间序列中的动态变化,然后,通过门控机制消除模态间的冗余信息和语义歧义。最后,使用对比学习加强模态间的交互,提升模型的泛化性。实验结果表明,在数据集CMU-MOSI上,该模型将皮尔逊相关系数(Corr)和F1值分别提高了3.7%和2.1%;而在数据集CMU-MOSEI上,该模型将“Corr”和“F1值”分别提高了1.4%和1.1%。因此,该文提出的模型可以有效利用模态间的交互信息,并去除信息冗余。

三种机器学习模型用于空气质量等级预测的比较研究——以保定市为例

目的 利用支持向量机(support vector machine, SVM)、随机森林(random forest, RF)和多层感知器(multilayer perceptron, MLP)三种机器学习方法分别构建保定市未来三日空气质量等级预测模型,通过对参数调优和预测结果比较选择三种模型中的最佳模型。方法 基于保定市2014—2022年的空气污染物日均浓度监测数据和同期气象数据,采用SVM、RF和MLP三种机器学习模型,利用前四日数据为未来三日分别构建了每日的空气质量等级预测模型并评估特征变量的重要性。对模型参数进行调优,采取十折交叉验证法进行验证,通过准确率和AUC等指标来评估模型性能。结果 SVM模型未来三日准确率分别为69.8%、63.5%、62.3%,AUC分别为77.4、70.8、70.7;RF模型未来三日准确率分别为75.9%、68.2%、67.1%,AUC分别为0.84、0.74、0.72;MLP模型未来三日准确率分别为73.2%、66.4%、65.7%,AUC为0.83、0.74、0.73,综合对比RF模型表现最优;空气质量特征变量重要性高于气象因素特征变量。结论 通过对比研究,RF机器学习模型能够相对有效地预测未来一日空气污染等级,并提供空气质量等级预警。

基于多维能力和知识图谱-多层感知机的变压器运行状态画像构建方法

利用大数据和画像技术对电力变压器运行状态进行准确评价有利于保障电力系统的安全稳定运行。针对电力变压器运行状态传统评价方法存在的评价维度过于单一、主观性较强等不足,提出了一种基于多维能力和知识图谱-多层感知机的变压器运行状态画像构建方法。首先,构建了由绝缘水平、负载能力、抗短路能力、能效等级和调压能力五个能力构成的变压器运行状态画像体系;然后,融合知识图谱(knowledge graph,KG)与多层感知机(multilayer perceptron,MLP),建立了一种变压器运行状态画像分析模型;最后,基于某地区1368台110kV变压器的实际运行数据,开展了变压器运行状态画像的实例分析,并与随机森林(random forest,RF)和支持向量机(support vector machine,SVM)方法的画像分析结果进行对比。研究结果表明,所提方法对变压器运行状态画像的准确率达到96.35%,优于RF算法(准确率89%)和SVM算法(准确率77%),为电力变压器的运行状态评价提供了一种新思路。

基于骨架特征的人体跌倒检测

针对现有基于人体骨架跌倒检测设备要求高的问题,提出了一种基于轻量级OpenPose生成骨架特征的跌倒检测方法。首先,基于轻量级OpenPose网络检测人体关键点,利用人体部分关键点生成边界框,并对关键点坐标进行标准化处理,将边界框的纵横比和标准化后的关键点坐标作为表示人体姿态的特征向量。最后,将人体姿态特征向量作为多层感知机(MLP)的输入,判断人体是否发生跌倒。实验结果表明,基于单目相机采集图片构造的自定义跌倒数据集,网络可以实现98.64%的跌倒检测准确率,并且在CoreTMi5—9300H CPU上达到20fps的检测速度。

电子鼻技术结合MLP网络对不同贮藏时间西洋参的鉴别研究

中药气味的传统嗅觉鉴别往往受到个人鉴别经验和嗅觉能力的限制,客观性和推广性较差。利用电子鼻技术,结合模式识别算法对中药气味进行鉴别分析,可以提高灵敏度与准确度。本研究采用α-FOX3000电子鼻对不同贮藏时间(1年、3年)西洋参进行气味检测,并结合多层感知器网络识别技术建立判别模型;通过十折交叉验证和外部测试集验证对所建模型进行系统性能的评估。另外,采用逐步判别法对传感器阵列进行了优化。结果表明:该模型对不同贮藏时间西洋参具有较高的回判正确率(均为100%)和较好的泛化能力。优化前后的传感器阵列均能实现对不同贮藏时间西洋参的鉴别。为电子鼻在中药研究领域,尤其是中药的"储藏年限"、"有效期"等方面的应用提供实验依据。

基于U形多层感知机网络的地震波初至拾取与反演

针对传统勘探地震波初至拾取工作量大、抗噪性差和精度低所导致的低质量速度反演影响生产安全的问题,提出一种基于U形多层感知机(U-MLP)网络的地震波初至拾取与反演方法。首先,为解决传统U形网络(U-Net)中的交叉熵损失函数在数据类别不平衡时导致的性能变差问题,设计一种基于加权交叉熵Lovász归一化指数(WLS)的损失函数;然后,在特征融合阶段引入残差连接,缩小低级特征与高级特征间的差距,还原更多细节信息;最后,为使U-MLP网络更好学习图像局部特征,为高级语义引入标记化的多层感知机(MLP)模块,此模块降低了参数量和计算复杂度。实验结果表明,与U-Net相比,U-MLP网络在训练中收敛性更强,初至拾取最大误差降低了20%以上,交并比(IoU)值提升了约2%。可见,U-MLP网络在提取勘探地震波初至时不仅提高了拾取精度,而且拾取的初至在仿真数据和实际数据中的速度分布反演均达到了理想效果,具有更好的性能且适应性更强。

航空发动机滑油消耗率计算与预测方法

针对航空发动机滑油箱油量测量值易受多个参数影响导致滑油消耗率难以计算和预测的问题,提出了一种改进的滑油量数据提取规则和滑油消耗率预测方法。基于密度聚类算法(Density-based spatial clustering of applications with noise,DBSCAN)等方法对发动机数据进行了清洗,获取平稳飞行状态下滑油量数据。使用最小二乘法对滑油量进行拟合,得到了滑油消耗率,平均拟合优度达到了0.86。在此基础上,利用多层感知器(Multi-layer perception,MLP)建立了滑油消耗率与飞行状态参数之间的关系,预测结果与实际值的平均绝对百分比误差为1.15%。本文提出的方法能够满足实际工程需求,为评估航空发动机滑油系统的健康状况提供了可靠参考。

基于IMU传感器与深度度量学习的人体行为识别算法

人体行为识别可以定义为通过一系列观察和周围环境来确定一个人的各种姿势和日常活动。很多研究尝试将深度学习技术用于HAR中,然而,现有的基于DL的HAR方法存在复杂度较高、算力需求大和泛化性与鲁棒性不足的问题。为了解决上述问题,围绕基于智能手机内置IMU传感器的HAR方法,提出了一种名为RMDML的HAR方法,该方法结合了轻量化神经网络Res-MLP和深度度量学习的特征嵌入技术,旨在提取具有可分离性与可判别性的泛化特征,从而提高模型识别性能和泛化性能。RMDML模型在公开数据集UCI HAR上取得了97.26%的准确率,高于几种常见的HAR算法,证明了所提出方法的有效性。

Improved reservoir characterization by means of supervised machine learning and model-based seismic impedance inversion in the Penobscot field,Scotian Basin

The present research work attempted to delineate and characterize the reservoir facies from the Dawson Canyon Formation in the Penobscot field,Scotian Basin.An integrated study of instantaneous frequency,P-impedance,volume of clay and neutron-porosity attributes,and structural framework was done to unravel the Late Cretaceous depositional system and reservoir facies distribution patterns within the study area.Fault strikes were found in the EW and NEE-SWW directions indicating the dominant course of tectonic activities during the Late Cretaceous period in the region.P-impedance was estimated using model-based seismic inversion.Petrophysical properties such as the neutron porosity(NPHI)and volume of clay(VCL)were estimated using the multilayer perceptron neural network with high accuracy.Comparatively,a combination of low instantaneous frequency(15-30 Hz),moderate to high impedance(7000-9500 gm/cc*m/s),low neutron porosity(27%-40%)and low volume of clay(40%-60%),suggests fair-to-good sandstone development in the Dawson Canyon Formation.After calibration with the welllog data,it is found that further lowering in these attribute responses signifies the clean sandstone facies possibly containing hydrocarbons.The present study suggests that the shale lithofacies dominates the Late Cretaceous deposition(Dawson Canyon Formation)in the Penobscot field,Scotian Basin.Major faults and overlying shale facies provide structural and stratigraphic seals and act as a suitable hydrocarbon entrapment mechanism in the Dawson Canyon Formation's reservoirs.The present research advocates the integrated analysis of multi-attributes estimated using different methods to minimize the risk involved in hydrocarbon exploration.

一种基于MLP神经网络的大额损失飞行事故预测模型

运用多层感知器(MLP)神经网络方法构建了大额损失飞行事故的预测模型,并利用CASE数据库中抽取的飞行事故案例进行了检验.预测效果检验表明,所构建的模型具有较好的拟合程度和预测效果.机身价值和机龄是大额损失飞行事故的重要影响因素.

基于深度学习的图书资源借阅推荐算法研究

图书馆借阅系统的升级与创新是提升图书馆服务质量和读者体验的关键,也是智慧图书馆建设的重要工作。本研究通过采集图书馆的借阅信息、读者信息和图书信息等数据,采用基于Transformer的双向编码(Bidirectional Encoder Representations from Transformers,BERT)模型提取图书特征,应用多层感知机(Multilayer Perceptron,MLP)深度学习方法,对读者的历史借阅记录信息进行全面的数据挖掘,分析读者的借阅偏好。结果表明,BERT-MLP模型的性能明显优于基础神经网络模型,且可以更有效地找到图书推荐数据的重要特征。本研究可为提高图书馆个性化服务水平提供理论依据。

基于混合模型CHMM和MLP的数码语音识别系统

针对传统的CHMM应用于语音识别系统存在的缺点,提出了一种由CHMM和MLP网构成的混合模型。该混合模型将MLP网引入到CHMM中来计算每个状态的输出概率,通过MLP网的非线性预测能力代替CHMM中的似然估计值对输出概率进行分析、分类,从而加强和提高CHMM的语音识别能力。实验结果表明,将该混合模型应用到语音识别系统中,其识别效果明显优于基于传统的CHMM的识别系统。

随机样本遗传MLP模型算法

提出的SSGAMLP(Small Set Genetic Algorithm Multilayer Perceptron)模型,是针对MLP模型易陷入局部最优,且模型泛化性不好,而遗传算法可以跳出局部最优,但是种群个体数较多,却带来运算复杂度的提高,目的是为了克服以上不足,将遗传算法与MLP模型相结合,将MLP模型节点的向下连接权值看成是低层向高层的映射,因此每个节点(包括权值和阈值)可以看成是一个特征表达,即遗传算法的基因表达,同时个体MLP模型训练使用的随机样本子集以及算法的交叉变异,相当于引入随机因子,存在获得未知特征表达的可能性。实验基于MNIST数据集,印证了SSGAMLP模型在性能上的优势。模型降低了个体运算复杂度,提高了泛化性,在一定程度上克服了过拟合性。

基于JSM和MLP改进发音错误检测的方法

针对发音错误检测的发音字典生成提出基于联合序列多阶模型(Joint-sequence multi-gram,JSM)和多层神经感知(Multi-layer perception,MLP)的方法.首先使用JSM模型对发音错误进行建模,将标准发音和错误发音组合为发音对,表示它们之间的对应关系,再使用N元文法来统计各发音对之间的关系,描述错误发音对上下文关系的依赖.最后使用MLP对发音对之间的关系进行重新建模,以学习到在相似的上下文条件下发生的相似的错误.实验证明使用MLP对高阶模型进行概率重估能有效的平滑概率空间,提高了发音错误检测的性能.

基于MLP传感器的非线性校正

电涡流传感器在测量工作时,容易受环境温度等非目标参量的影响,使得测量精度大大降低.采用多层感知器网络算法进行数据融合消除温度对测量精度影响,研究结果证明该方法的有效性和可行性.

基于MLP神经网络模型的客户评分应用研究

判断客户对产品购买的可能性,是企业营销人员重点关注的问题。针对保险产品客户与其他金融客户交叉销售,采用人工智能方法高精度量化客户的潜在购买力。根据对个人保险客户营销的总结,提出保险客户购买评分模型。通过使用中国邮政代理金融的简易保险客户数据,对模型的有效性进行实证研究。研究结果表明,该模型提供了较高效的预测准确率和具体的评价标准,具有良好的预测功能,可以帮助企业及时发现最有效的营销客户,最大程度上提高营销成功率。

基于多特征融合的MLP压裂泵单向阀故障诊断研究

在页岩气开采过程中,压裂泵单向阀因易发生破损而更换频繁,目前单向阀的检测方法存在依赖人工经验、需要专人监测、故障定位准确性不高、全检全换等问题。针对上述问题,以中石化柴驱压裂泵为例,提出了一种基于多特征融合和多层感知器相结合的方法,对其单向阀进行了故障诊断。首先,用多个加速度传感器和压力传感器,对不同单向阀故障情况下的压裂泵工作状态进行了故障采集,对获取的数据分别进行了时域和频域相关的统计特征计算;然后,使用主成分分析法对其主要特征成分进行了提取,构成了新的特征向量;最后,利用多层感知器处理非线性数据的优势,使用其进行了单向阀故障的分类识别,实现了对压裂泵单向阀故障的精确诊断。研究结果表明:基于多特征融合和多层感知器相结合的方法能够准确识别出单向阀多种故障类型,且受工况的影响程度低,平均诊断准确率达到99.6%;多传感器计算得到的特征经处理后,可使不同单向阀故障具有可分性。

基于MLP的上海市主要树种单木胸径生长率模型

【目的】胸径生长率模型是研究林分生长变化、森林生长收获预估以及生物量和碳储量动态变化等的基础支撑,对于森林资源管理具有重要意义。探索利用多层感知机神经网络技术建立上海市单木胸径生长率模型,为上海市森林资源年度监测数据更新提供技术支撑。【方法】利用第六次至第九次全国森林资源连续清查上海市1999、2004、2009、2014年4期固定样地调查数据,对复位样木按照两倍标准差法进行胸径生长异常值剔除,再按照树种和前期胸径分组进行数据合并,分组计算样木胸径生长量的算术平均值,然后按复利式计算出相应的生长率,进而分别建立水杉、樟树、女贞、木兰、杨树5个树种的传统非线性回归和人工神经网络多层感知机的单木胸径生长率模型。使用确定系数(R2)和估计值剩余标准差(SEE)进行模型评价,使用确定系数(R2)、估计值剩余标准差(SEE)、平均预估误差(MPE)和平均百分标准误差(MPSE)进行预估评价。【结果】5个树种单木胸径生长率建模时,非线性回归模型的确定系数(R2)达到0.854、0.790、0.691、0.641和0.608,多层感知机模型确定系数(R2)达到0.903、0.863、0.802、0.684和0.650,后者确定系数(R2)较非线性回归模型分别提高0.049、0.073、0.111、0.043和0.042,多层感知机模型的估计值剩余标准差(SEE)较非线性回归模型均有所下降,5个树种分别下降0.13、0.26、0.32、0.12和0.10;预估后期胸径时,非线性回归模型确定系数(R2)达到0.880、0.832、0.526、0.860和0.799,多层感知机模型确定系数(R2)达到0.883、0.839、0.561、0.862和0.803,后者确定系数(R~2)较非线性回归模型分别提高0.003、0.007、0.035、0.002和0.004,2种模型的平均预估误差MPE均在2%以内,平均百分标准误差(MPSE)均在20%以内,多层感知机模型的估计值剩余标准差(SEE)、平均预估误差(MPE)和平均百分标准误差(MPSE)较非线性回归模型均有所下降,5个树种估计值剩余标准差(SEE)分别下降0.02、0.05、0.07、0.01和0.04,平均预估误差(MPE)分别下降0.01、0.01、0.05、0.01和0.02,平均百分标准误差(MPSE)分别下降0.26、0.09、0.56、0.47和0.33。【结论】多层感知机可以避免模型选型和违背传统统计假设处理。与非线性回归模型相比,多层感知机胸径生长率模型的建模精度和预估精度略有提高,为上海市森林资源年度监测数据更新提供参考。

融合全局推理和MLP架构的甲状腺结节分割模型

针对甲状腺结节分割中存在的超声图像噪声干扰较大、结节尺寸多变和现有模型计算复杂度较高的问题,文中构建融合全局推理和多层感知机(Multi-layer Perception,MLP)架构的甲状腺结节分割模型.模型以轴向移位MLP模块为基础架构,以更小的计算复杂度实现不同空间位置特征之间的交互.在编码部分,融合端到端的全局推理单元,基于图卷积对图像全局信息进行交互,缓解图像噪声干扰较大的影响.在解码部分,引入金字塔特征层,完成多尺度特征交互,应对结节尺寸多变的问题.在DDIT数据集上的实验表明,文中模型性能较优,此外,文中模型还适用于乳腺结节分割、视网膜血管分割等其它医学图像分割任务.

基于OWO-HWO算法的MLP网络在织物染色配色中的应用

讨论了具有非线性、不确定特性的织物染色配色过程建模与仿真问题。针对传统的织物染色配色方法效果差、精确度不高和难以达到期望结果的问题,结合MLP神经网络的特点,提出了基于OWO-HWO算法训练的MLP神经网络,同时分别优化网络输入层到隐层和隐层到输出层的权值,并利用基于OWO-HWO算法的MLP神经网络建立织物染色配色模型。针对此种模型,利用NuMap神经网络软件进行仿真实验。仿真结果表明,该配色模型收敛速度快,精确度高,在解决织物染色配色问题上取得了令人满意的配色效果。