语义情感分析沉浸式智能客厅模型研究

随着科技的迅猛发展,人们对家居的需求不断提高,在深度学习的渗透下,智能家居的发展迎来了新浪潮。现有智能家居系统大多根据用户具体指令进行相应操作,缺少对用户语义隐含的情感进行分析,也无法对用户行为作出预测。运用深度学习中自然语言处理领域的算法建立语义情感分析模型,使用LSTM-RNN网络学习分词后的语义文本特征向量,并引入注意力机制为语义词向量赋予不同的权重值,增强了特征训练,使客厅系统能够根据用户语音指示及挖掘用户情感信息作出自适应改变,从而让用户沉浸其中,体验更智能化的服务。

基于忆阻器的乘法器电路设计

忆阻器作为一种非易失性的新型电路元件,在数字逻辑电路中具有良好的应用前景。目前,基于忆阻器的逻辑电路主要涉及全加器、乘法器以及异或(XOR)和同或(XNOR)门等研究,其中对于忆阻乘法器的研究仍比较少。该文采用两种不同方式来设计基于忆阻器的2位二进制乘法器电路。一种是利用改进的"异或"及"与"多功能逻辑模块,设计了一个2位二进制乘法器电路,另一种是结合新型的比例逻辑,即由一个忆阻器和一个NMOS管构成的单元门电路设计了一个2位二进制乘法器。对于所设计的两种乘法器进行了比较,并通过LTSPICS仿真进行验证。该文所设计的乘法器仅使用了2个N型金属-氧化物-半导体(NMOS)以及18个忆阻器(另一种为6个NMOS和28个忆阻器),相比于过去的忆阻乘法器,减少了大量晶体管的使用。

一种忆感器模型及其振荡器的动力学特性研究

忆感器是在忆阻器基础上定义的一种新型记忆电路元件.在实际忆感器尚未实现的情况下,为探索忆感器及其在非线性电路中的特性,提出了一种忆感器数学模型和电路模型.基于该模型设计了一个非线性振荡电路,采用理论分析、仿真分析和实验验证的方法研究了忆感器模型的特性及其在电路中的动力学规律.分岔分析表明,在适当的参数下忆感器会使电路产生周期和混沌振荡.设计了实现忆感器模型及其振荡器的模拟电路,实验验证了忆感器模型和振荡器的特性,实验结果与理论分析完全一致.

基于语音识别技术的智能家居网关系统设计

针对目前市场上语音控制家居产品的语音识别必须在服务端进行,在缺乏互联网情况下则无法使用,以及智能家居设备采用有线组网方式导致升级维护成本高的问题,设计一款采用WiFi、蓝牙等无线混合组网技术搭建的异构家庭网关,可以动态添加设备,组网灵活方便且成本低,即使在断网情况下,网关也可自动切换到本地语音识别。为此,使用基于上下文相关的GMM-HMM算法训练声学模型与语言模型搭建语音识别引擎,采用BP神经网络学习算法实现语音智能控制。测试结果表明,系统功能基本符合预期,在断网情况下系统仍可以进行语音识别并对家庭设备进行语音控制。

Sub-G下的自组网家庭智能照明系统的实现

鉴于Sub-G频段具有相同功率下传输距离远的优点,设计在Sub-G频段下建立家庭智能照明无线控制网络,该网络具有自组网能力,为树形拓扑结构,在大大提高信息传递效率的同时还能够对设备进行"精确定点",使得设备在安装、管理与维修方面具有巨大优势。借助该系统不仅可以搭建整套智能家居,还可以为区域照明提供无线控制解决方案。

忆阻Hopfield神经网络的混沌特性研究

Hopfield神经网络能很好地模拟大脑中的混沌行为,本文根据突触间存在的串扰行为,设计了一种四元忆阻Hopfield神经网络。运用Lyapunov指数谱和分岔图等方法分析忆阻参数和串扰参数变化对神经网络动力学特性的影响,发现该神经网络出现一系列复杂混沌现象。Pspice电路仿真实验结果与理论分析一致,进一步揭示了忆阻Hopfield神经网络的可实现性。

忆感器文氏电桥振荡器

为了探索新型忆感器的特性,提出了一种新的忆感器模型,该模型考虑了内部变量的影响,更符合未来实际忆感器的性能.建立了其等效电路,分析了其特性.利用该忆感器模型,设计了一种忆感器文氏电桥混沌振荡器,分析了系统的稳定性和动力学行为.研究发现,此系统不仅存在周期、拟周期和混沌等多种状态,还发现了一些重要的动力学现象,如恒Lyapunov指数谱、非线性调幅、共存分岔模式和吸引子共存等复杂非线性现象,说明了这些特殊现象的基本机理和潜在应用.最后进行电路实验验证,验证了该振荡器的混沌特性.

基于AI的写字楼能耗分析系统设计

近年来随着国内大型写字楼建筑的不断增多,能耗也迅速增长。为此,设计一个基于人工智能深度学习网络的写字楼能耗分析系统,首先对收集的能耗数据进行预处理,然后通过提取数据特征,运用反向传播网络对结果进行处理。该系统可通过训练大量能耗参数信息,评估写字楼历史能耗信息与当前能耗的量化关系,从而降低不必要的能耗,实现节能的目的。

忆阻器、忆容器和忆感器的Simulink建模及其特性分析

忆阻器、忆容器和忆感器均是具有记忆特性的新型非线性电路元件,也被称为记忆元件.以三种电路元件的通用数学模型为依据,从数学分析的角度,对忆阻器、忆容器和忆感器的Simulink模型进行了建立.在Simulink模型中体现了记忆元件对历史状态和系统状态变量的依赖性,正确表现出其独特的记忆特性.通过一系列仿真分析,得到了忆阻器、忆容器和忆感器的元件特性,验证了模型的有效性.此外,通过对三者在不同参数、不同激励下的电路特性分析,得到了三种记忆元件等效模型随频率和幅值变化的规律,为以后忆阻器、忆容器和忆感器基于Simulink的仿真研究和应用研究奠定基础.

荷控忆阻器记忆衰退的寄生效应

荷控忆阻器在寄生元件存在的情况下,可能发生记忆衰退现象。该文采用忆阻器动力学路线图和仿真的方法,研究了忆阻器寄生电阻和寄生电容对其动力学特性的影响。理论和仿真分析发现,理想荷控(流控)忆阻器在直流和交流激励下,寄生电阻或寄生电容单独存在时不发生记忆衰退现象,但在寄生电阻和寄生电容同时存在的情况下会发生记忆衰退,其机理是寄生元件形成放电通路,从而导致荷控忆阻器产生了记忆衰退。

基于AI的新零售商铺人流密度监测系统设计

随着传统零售商超规模不断增大、服务质量不断提升,各种大型用电设备的电能过度消耗成为商铺运营期间不可避免的问题。传统零售商铺机械式的定时开关电源无法有效控制电能的过度消耗,智能零售商铺的关键技术是智能组网,可利用深度学习网络构建人流密度预测与分析模型,并通过智能人流统计算法对各大型耗电设备进行智能自动调控。相比传统零售商铺,基于深度学习与智能组网的新零售商铺可降低电力资源的过度损耗,节省人力资源。

多频正弦混沌细胞神经网络及其复杂动力学特性

大量动物实验表明,生物神经系统中存在着不规则的混沌现象.混沌神经网络是一种高度非线性动力系统,它可以实现一系列复杂的动力学行为,能够优化全局搜索和神经计算,还可产生伪随机序列进行信息加密.基于脑波由不同频率的正弦信号叠加理论,为使神经网络更具生物特性,提出了一种基于多频-变频正弦函数和分段型函数的非单调激活函数.分析表明,通过调节参数可使该激活函数拥有不同状态的脑电信号,能够模拟频率不同、类型不同的脑电波同时工作时丰富多变的脑部活动.基于该激活函数设计了一种新型混沌细胞神经网络.采用基于结构复杂度的SE复杂度算法和C0复杂度算法分析了神经网络的复杂度;利用Lyapunov指数谱、分岔图和吸引盆等方法,详细分析了激活函数参数变化对其动力学特性的影响,发现此混沌神经网络模型出现了一系列的复杂现象,如多种不同类型的混沌吸引子、共存混沌吸引子、共存极限环等,提升了混沌神经网络的性能,证明了多频正弦混沌神经网络具有丰富的动力学特性,使得其在信息处理、信息加密等方面也具有较好的前景.

一种基于混沌的敏感数据加密算法

对于一条给定的数据,并非所有的数据都属于敏感信息。采取不加区分的完整加密对数据进行保护会导致不必要的资源浪费。为此,提出了一种敏感数据的加密算法,主要包括明文敏感数据提取、敏感数据混沌加密和密文回放替换敏感明文。为了提高敏感数据混沌加密的安全性,改进了传统的Henon映射,提高了其Lyapunov指数,拓宽了其密钥空间。测试结果表明,算法具有较高的密钥敏感性,能精准提取和放回敏感数据,具有较高的安全性和灵活性。

非接触式UWB传感的生命体征检测分析

为解决心跳信号易被呼吸谐波和其他噪声干扰而难以提取的问题,提出一种结合遗传算法(GA)和反向传播(BP)神经网络的聚类经验模态分解体征提取模型。首先,采用动目标检测法滤除超宽带(UWB)雷达所接收回波信号中的静止杂波;然后利用距离门选择方法提取出体表振动信号,对其进行聚类经验模态分解得到固有模态函数分量;最后通过GA-BP神经网络对固有模态函数分量转化后的特征向量进行权值训练,以贝叶斯正则化作为BP的训练函数重构心肺信号,并与原始聚类经验模态分解重构信号进行比较。仿真实验结果表明,在不同信噪比下,GA-BP神经网络提取的信号与实际结果吻合度更高,可有效提高呼吸与心跳信号的提取准确度。

基于混沌加密的DCT域灰度级盲水印算法

提出一种混沌加密的DCT域灰度级盲水印算法。该算法利用80位外部密钥和两个混沌序列加密水印图像,为保证水印图像的安全性,两个混沌映射初始条件由外部密钥经过分组和数学变换提供,且动态变化。加密后的水印图像再经过灰度处理后嵌入到数字图像之中。仿真实验表明,该算法对图像信号处理和几何失真有较好鲁棒性,可应用于网络环境下版权保护和多媒体数据认证之中。