摘要：为维吾尔语和韩语形态分析建立了一种图状结构的判别式模型,该模型将语句的形态分析建模为形态成分的图状结构,通过灵活丰富的特征设计描述了词语内部形态成分之间以及分属相邻词语的形态成分之间的关联约束.相比传统的线性模型,图状模型更好地考虑了各形态成分之间的语言学关联,从而取得更高的整句分析性能.在维吾尔语和韩语上的实验结果表明,图状模型相比线性模型的性能有一定提升,形态分析词级准确率分别提升了4.4%和2.8%.

摘要：雷达动作特征谱图对走、摔等较为宽幅的人体动作表征效果差,单一特征和不匹配特征数据结构的分类方法会降低动作识别的性能。针对以上问题,提出一种结合注意力机制的雷达多信号特征动作识别方法。首先,使用配置时分复用模式的多输入多输出毫米波雷达采集动作回波,将回波处理成短时能量、频率质心、相位变化(水平、俯仰)四维时序信号特征;然后,根据信号特征数据结构设计了多信号序列融合分类网络,该网络由1DCNN对信号抽取高维特征,再将特征送入GRU以充分提取时序规律,并引入Attention机制对重要特征映射加权赋予GRU隐含状态不同的权重,最终通过SoftMax层完成动作分类;最后,在实际采集的雷达多信号数据集上进行实验,结果表明,多信号序列特征可以充分表征人体动作,所设计的网络收敛速度快,对8种不同的动作分类,平均正确率达到了98.5%。

摘要：目的:提出一种基于多层感知器(MLP)的新型房颤识别算法。方法:首先设计一种新型自适应的R波阈值检测算法,然后以R波位置和幅度为特征,MLP为分类器进行正常/房颤心电图识别。MLP的网络参数采用深层置信网络预训练算法进行初始化,最后用误差反向传播算法对MLP网络权重进行调整。结果:在单通道心电图数据集上对正常、房颤心电信号进行分类,本研究方法的灵敏度达96.00%,特异性为84.18%,平均识别率为90.09%。结论:这种基于MLP的心电识别算法准确率高、计算复杂度较低,可为房颤的智能诊断提供一种新方法。

摘要：为提高应用系统的前端性能及开发效率,提出一种前端整合框架,剖析其整合原理及整合的关键技术。以AngularJS为核心js框架,***作为基础环境,集成gulp、bower及一系列插件,融合组件化页面的前端开发思想,具有自动化构建、模块化的目录结构和开发策略以及组件化开发过程的特点;根据前端整合框架以及科研安全生产理论,设计实现跨终端、基于角色的科研安全生产平台。实验结果表明,前端整合框架在跨终端的、企业级的、任意规模的应用开发中具有广阔的应用前景。

摘要：针对循环神经网络(Recurrent Neural Network,RNN)模型在序列流推荐中只能从宏观上捕捉序列的演变模式,忽略了物品(Item)间内部的微观联系,无法长程建模序列数据的变化规律的问题,提出了多维度序列建模算法循环时间卷积网络(Recurrent Temporal Convolutional Network,RTCN)。首先,将每个物品表示成定长向量,采用多层因果卷积和扩张卷积操作扩大感受野范围,建立序列元素间的长程依赖关系。利用残差连接网络提取不同层次的特征信息,解决反向传播中梯度衰减甚至消失的问题。综合设计时间卷积网络(Temporal Convolutional Network,TCN)提取序列流中前后物品间的局部特征,将物品信息映射到隐藏空间,得到细粒度的特征向量。为进一步建立元素间的宏观联系,将特征向量依次输入门限循环单元(Gated Recurrent Unit,GRU),迭代更新现有隐藏状态并预测下一时刻的输出。RTCN通过时间卷积网络,从输入序列流提取出长时间、多维度、细粒度的局部关联特征;经过门限循环网络,建模序列间的长距离依赖关系,捕捉序列元素的演变模式,并预测下一个出现的物品。利用网站、手机应用和音乐3个不同场景中的数据对模型进行了实验。实验结果显示,RTCN模型在召回率(Recall)和平均排序倒数(MRR)两个指标上比RNN模型高出6%~13%,比传统推荐算法高出9%~59%。通过对比不同的损失函数,模型在交叉熵损失函数下表现最优。此外,由于TCN中的卷积层具有多通道的结构,当数据维度丰富时,该模型对物品和用户的上下文信息具有很强的综合能力。