基于多尺度时序感知网络的课堂语音情感识别方法

语音情感识别近年来在多场景智能系统中得到了广泛应用,也为实现智慧课堂环境下的教学行为智能分析提供了可能。通过课堂语音情感识别技术可以自动识别课堂教学中教师和学生的情感状态,帮助教师了解自己的授课风格并及时掌握学生的课堂学习状态,从而达到精准施教的目的。针对课堂语音情感识别任务,首先,收集中小学的课堂实录教学视频,提取音频并进行人工切分和标注,构建了包含6类情感的中小学教学语音情感语料库;其次,基于时序卷积网络(TCN)和交叉门控机制(cross-gated mechanism)设计了双路时序卷积通道,以提取多尺度交叉融合特征;最后,采用动态权重融合策略调整不同尺度特征的贡献度,减少非重要特征对识别结果的干扰,进一步增强模型的表征和学习能力。实验结果表明,所提方法在多个公共数据集上优于TIM-Net(Temporal-aware bI-direction Multi-scaleNetwork)、GM-TCNet(Gated Multi-scale Temporal Convolutional Network)和CTL-MTNet(CapsNet and Transfer Learning-based Mixed Task Net)等先进模型,在真实课堂语音情感识别任务上未加权平均召回率(UAR)和加权平均召回率(WAR)分别达90.58%和90.45%。

基于主从多链的数据分类分级访问控制模型

为解决数据混合存储导致精准查找速度慢、数据未分类分级管理造成安全治理难等问题,构建基于主从多链的数据分类分级访问控制模型,实现数据的分类分级保障与动态安全访问。首先,构建链上链下混合式可信存储模型,以平衡区块链面临的存储瓶颈问题;其次,提出主从多链架构,并设计智能合约,将不同隐私程度的数据自动存储于从链;最后,以基于角色的访问控制为基础,构建基于主从多链与策略分级的访问控制(MCLP-RBAC)机制并给出具体访问控制流程设计。在分级访问控制策略下,所提模型的吞吐量稳定在360 TPS(Transactions Per Second)左右。与BC-BLPM方案相比,发送速率与吞吐量之比达到1∶1,具有一定优越性;与无访问策略相比,内存消耗降低35.29%;与传统单链结构相比,内存消耗平均降低52.03%;与数据全部上链的方案相比,平均存储空间缩小36.32%。实验结果表明,所提模型能有效降低存储负担,实现分级安全访问,具有高扩展性,适用于多分类数据的管理。

文章微观标记对短时记忆信息提取的影响

研究共选取66名本科生,采用修正的阅读广度实验范式,探讨微观标记类型、位置及识记数量对被试短时记忆信息提取的影响。实验1发现:标记类型和位置主效应在正确率上均显著。实验2发现:(1)基于被试:正确率上,标记类型和识记数量主效应均显著;反应时上,仅标记类型和识记数量主效应显著;(2)基于项目:标记类型、识记数量以及二者交互作用均显著;当要求识记词的数量≥7个时,标记类型差异显著。

发展性阅读障碍与工作记忆损伤研究进展

发展性阅读障碍是一种常见的学习障碍,而工作记忆损伤是造成发展性阅读障碍的一个重要因素。工作记忆的三个子成分分别与发展性阅读障碍存在一定关系:中央执行器的三项功能均与阅读能力密切相关;语音环损伤是造成阅读障碍的主要因素,并对词汇识别和句子理解产生影响;视觉工作记忆影响正字法意识、推理及句子理解等。另外,中文发展性阅读障碍的机制可能与拼音文字不同。对工作记忆与发展性阅读障碍关系的研究将为发展性阅读障碍的矫治提供更多可能。

基于划分的集合相似连接

集合相似连接(set similarity join)是指在给定的数据集中,按照基于集合间覆盖关系的相似度计算方法来衡量数据之间的相似度、并找出所有相似度不小于给定阈值的数据对的操作.集合相似连接作为一种新的基本操作在很多领域中有重要应用.随着社会网络、移动应用以及在线服务的发展,使得数据收集的效率和规模得到了很大的提高,同时给相似连接操作带来新的挑战.根据集合相似的必要条件,提出了相似集合之间的差异度.利用差异度和鸽巢原理,提出了一种新颖的基于数据划分的集合相似连接计算方法,该方法对集合进行自适应的均衡划分,并利用基于划分块的过滤方法来提高过滤的效率.为了进一步提高过滤的效果和相似连接的效率,利用划分块的位置信息提出了增强的过滤方法.针对提出的方法,在不同的环境下进行了实验,实验结果表明,该方法与已有的方法相比可以有效地提高相似连接的效率.

基于区块链与边缘计算的物联网访问控制模型

边缘计算的出现扩展了物联网(IoT)云-终端架构的范畴,在减少终端设备海量数据的传输和处理时延的同时也带来了新的安全问题。针对IoT边缘节点与海量异构设备间的数据安全和管理问题,并考虑到目前区块链技术广泛应用于分布式系统中数据的安全管理,提出基于区块链与边缘计算的IoT访问控制模型SC-ABAC。首先,提出集成边缘计算的IoT访问控制架构,并结合智能合约和基于属性的访问控制(ABAC)提出并设计了SC-ABAC;然后,给出工作量证明(PoW)共识算法的优化和SC-ABAC的访问控制管理流程。实验结果表明,所提模型对区块连续访问下的耗时随次数呈线性增长,连续访问过程中央处理器(CPU)的利用率稳定,安全性良好。本模型下仅查询过程存在调用合约的耗时随次数呈线性增长,策略添加和判断过程的耗时均为常数级,且优化的共识机制较PoW每100块区块共识耗时降低约18.37个百分点。可见,该模型可在IoT环境中提供去中心化、细颗粒度和动态的访问控制管理,并可在分布式系统中更快达成共识以确保数据一致性。

男性与女性对不同性别和种族面孔识别的差异

研究以大学生为被试,采用延时匹配任务,旨在探讨性别和种族因素对面孔识别的影响,结果发现:(1)男、女被试对女性面孔识别的反应时及正确率均优于男性面孔;(2)被试对不同种族女性面孔识别的优势存在差异,被试对高加索女性面孔的识别表现为更高的正确率,而对中国女性面孔的识别表现为更快的识别速度;(3)面孔种族是导致女性面孔识别优势的重要影响因素。研究表明,面孔识别受到面孔种族、面孔性别和被试性别共同作用的影响。

金钱奖赏线索对考试焦虑个体注意偏向的影响

研究旨在考察奖赏线索对考试焦虑个体注意偏向的调节作用。采用金钱奖赏线索下的线索-靶范式,结果显示,无奖赏条件下,高考试焦虑被试的注意脱离指数显著大于低考试焦虑被试;有奖赏条件下,高、低考试焦虑被试的注意脱离指数差异不显著。无论在有或无奖赏条件下,两组被试的注意警觉指数差异均不显著。研究揭示,高考试焦虑个体的注意偏向是由于对考试相关刺激的注意脱离困难引起的,奖赏对其注意偏向具有正向的调节作用。

语言康复训练对听力障碍儿童面部表情识别的影响

研究旨在考察语言康复训练(简称语训)对听障儿童面部表情识别能力的影响。被试按照是否接受语训分组后完成面部表情识别任务,结果发现:首先,语训组在面部表情识别的正确率上显著高于未语训组,但二者在反应时上不存在显著差异;其次,语训组对消极面部表情的识别正确率显著高于未语训组,但二者在积极和中性面部表情识别上差异并不显著。同时研究结果也表明语言康复训练能有效促进听障儿童对面部表情(特别是消极面部表情)的识别。

社会认知内容两维度的双视角模型介评

社会认知内容包括共融性和动因性两个基本维度。双视角模型(DPM)认为:在社会认知中,共融性在两个基本维度中具有一般优先性;在观察者视角下,共融性比动因性占有更大的权重;在行为者视角下,动因性比共融性占有更大的权重。但是,DPM的成立是有条件的,在不同视角下存在一些调节因素。未来研究可以从DPM的调节因素、对情绪和行为的预测、内容维度的细分和社会记忆等方面展开,并进行更多实验研究,不断丰富和完善这一模型。

共情和网络欺凌:一个链式中介模型

为探讨共情、道德推脱与传统欺凌和网络欺凌的关系,采用基本移情量表、道德推脱量表、大学生欺负行为问卷和网络欺负问卷对某高校的1556名大学生进行调查。结果发现:(1)认知共情与道德推脱、传统欺凌及网络欺凌三个变量均呈显著负相关,情感共情与道德推脱及网络欺凌两个变量呈显著负相关而与传统欺凌无显著相关,道德推脱与传统欺凌、网络欺凌两个变量呈显著正相关;(2)认知共情能直接负向预测网络欺凌,也可以通过三条路径间接预测网络欺凌:即通过道德推脱的中介作用,通过传统欺凌的中介作用,通过道德推脱和传统欺凌的链式中介作用;(3)情感共情也能直接负向预测网络欺凌,也可以通过两条路径间接预测网络欺凌:即通过道德推脱的中介作用,通过道德推脱和传统欺凌的链式中介作用。本研究在线索过滤理论和网络欺凌的一般攻击模型的基础上,加入个人传统欺凌经历这一要素,尝试揭示网络欺凌的发生机制。

基于布尔矩阵分解的蛋白质功能预测框架

蛋白质是细胞生命活动中最重要和最多样的一种大分子物质.因此,研究蛋白质功能对于破解生命密码具有重要的意义.以往的研究表明蛋白质功能预测问题本质上是一个多标签分类问题,但庞大的功能标签数量使得各种多标签分类器在蛋白质功能预测中的应用面临巨大挑战.针对蛋白质功能标签数量庞大且标签关联性较高的特点,提出了一种基于布尔矩阵分解的蛋白质功能预测框架(protein function prediction based on Boolean matrix decomposition, PFP-BMD).同时,针对目前布尔矩阵分解算法中精确分解和列利用条件难以同时满足的问题,提出一种基于标签簇的精确布尔矩阵分解算法,使其通过标签关联矩阵实现标签的层次扩展聚簇,并通过相关推论证明了该算法可实现最优的精确布尔矩阵分解.实验结果表明:提出的布尔矩阵分解算法在计算复杂度上具有较大优势,且应用了该算法的蛋白质功能预测框架可有效提升蛋白质功能预测的准确率,为各种多标签分类器在蛋白质功能预测中的高效应用奠定了基础.