摘要：采用基于深度学习的端到端一体化设计方法,提出了一种基于扩展上下文语义特征的通信系统。区别于已有研究中只关注局部上下文而忽视全局上下文的问题,所提系统有机地融合了局部和全局上下文知识,利用扩展上下文知识进行语义编码和语义译码,提升了语义通信系统的可靠性。在发送端,采用基于扩展上下文的语义编码,实现高效的语义表征。在接收端,结合历史通信文本挖掘机制、上下文语义特征学习机制和基于启发式图搜索的译码策略,提升语义推理的准确性。与现有语义通信系统仿真对比结果表明,相较于传统通信系统和现有语义通信系统,所提系统在低信噪比下显著提升了通信系统的可靠性。

摘要：根据超光谱遥感图像有很强谱间相关性成像特点,及局部上下文三维预测方法的思想,设计三种适合超光谱图像的预测方法,并进行比较,选择其中的谱间LOCO-I预测方法。该方法是将前一波段像素值作为预测像素的基准值,根据谱间像素变化规律来选择修正梯度项。实验表明该预测方法具有很好的压缩效果。

摘要：现有的多维时间序列(mutivariate time series, MTS)预测模型大多关注序列变量间的时空依赖关系,没有考虑MTS各变量上取值的典型变化趋势,即局部上下文模式(local context pattern, LCP)。为此设计一种基于因果卷积自注意力和图卷积网络的MTS预测模型,通过多通道多尺度因果卷积提取MTS各变量的多尺度LCP特征,采用多头自注意力机制捕获多尺度LCP间的时序依赖关系,由图卷积网络提取多尺度LCP时序特征之间的空间依赖关系。在4个公开MTS数据集上的结果表明了该预测方法预测性能的优越性。

摘要：智能检索在信息行业中发展迅速并占据了主导地位,现有搜索引擎大多采用单一关键词搜索模式,无法完全达到用户的查询意图。与此同时,随着各地旅游业的发展,导游业也在逐渐趋于多元化。在手机移动终端上使用景区导游系统,将更加方便游客随时获取景点相关介绍,多方位、多角度地了解景点特色。针对以上问题,提出将基于上下文的智能查询应用于景区导游系统中。实验结果表明,基于语义概念树和局部上下文的查询扩展算法可以有效地提高系统检索效率,基本满足用户的查询意愿。