基于多维信息融合的知识库问答实体链接

知识库问答实体链接任务需要将问句内容精准链接到知识库中实体.当前方法大多难以兼顾链接实体的召回率和精确率,并且仅能根据文本信息对实体进行区分筛选.因此,文中在合并子步骤的基础上,提出融合多维度特征的知识库问答实体链接模型(MDIIEL).通过表示学习方法,将文本符号、实体和问句类型、实体在知识库中语义结构表达等信息整合并引至实体链接任务中,加强对相似实体的区分,在提高准确率的同时降低候选集的大小.实验表明,MDIIEL模型在实体链接任务性能上具有整体性提升,在大部分指标上取得较优的链接结果.     

基于频繁航路模式的航迹类型识别

随着全球定位系统和雷达技术的发展,越来越多的轨迹数据可以被收集到,其中,飞机、轮船、候鸟等对象产生的轨迹复杂多变,自由度较大.为了帮助识别飞行对象的行为和意图,航迹类型识别具有重要作用.文中提出了一种基于频繁航路模式的航迹分类方法.该方法包含一个频繁航路提取算法和一个卷积神经网络模型.算法首先对轨迹进行压缩,获得关键点;接着通过寻找轨迹自相交点提取闭合航路,然后寻找闭合航路中的频繁航路模式作为模型的分类依据;最后通过图像处理完成航迹类型的识别.文中利用FlightRadar24网站公开的真实航迹数据和模拟数据进行了大量的实验,结果表明,所提方法能有效识别复杂轨迹类型,与不经过轨迹提取的LeNet-5 CNN分类模型相比,所提方法性能更优,在轨迹分类上实现了95％以上的平均准确率.     

星载同步NAND FLASH存储控制器设计

为满足海量空间科学数据对高速存储的需求,设计一种星载同步NAND FLASH存储控制器.通过对星载存储系统吞吐率影响因素的分析,提出采用具有同步数据接口的NAND FLASH存储器件、在存储阵列之间引入八级流水操作、对NAND FLASH数据总线进行并行扩展的设计方案,对存储控制器的软硬件进行设计.实验结果表明,该设计能够有效提升星载存储系统的吞吐率,设计中的功能模块化及接口标准化有利于系统进一步灵活扩展.     

基于能量和信任的非均匀分簇路由协议

无线传感器网络存在易遭受恶意节点攻击而导致能量浪费和数据丢失等问题,为解决该问题,提出ETM-LEACH(energy and trust models based LEACH)算法.通过均衡网络能耗计算动态最优簇首数,引入能量判决因子、节点密度因子、节点信任因子改进选举簇首的阈值计算公式.加入绝对偏差过滤掉能量较低节点,采用信任模型引入多种状态信息计算直接信任值和间接信任值,筛选高可信节点.仿真结果表明,与现有协议相比,该协议能够有效降低节点能耗,优化网络部署,提高网络的安全性和可靠性.     

人在回路的在线手写数学公式识别方法

在线手写数学公式识别面临书写字符的不确定性、数学公式结构的复杂性,以及公式书写风格因人而异等问题,特别是在公式书写中出现偶然性错误和包含复杂结构的情况下,现有的仅依赖机器的识别算法的识别准确率较低.为了解决这一问题,提出了人在回路的手写公式识别方法,该方法主要在结构分析阶段引入了人的参与,借助人对结构中歧义笔画的修改和结构补笔操作,完善和界定结构笔画和结构内笔画信息.为了评估该方法的有效性,将其与不含用户参与信息的一个基线识别方法在结构识别率和表达式识别率方面进行了对比分析.结果表明,该方法能够有效地促进用户参与到手写识别过程,同时,针对实验收集的手写数学公式数据,引入用户参与的方法能够有效地提高手写数学公式的结构和表达式识别率,分别提高了9.26％和13.99％.     

一个轻量级分布式机器学习系统的设计与实现

为满足大规模机器学习系统高定制化、低耦合与低资源消耗的需求,设计并实现一个轻量级分布式机器学习系统。采用模块化分层设计并移植多种主流的机器学习与深度学习算法,同时提出参数服务器与动态Ring-AllReduce 2种可扩展梯度同步方案,对算法模型进行并行训练加速。实验结果表明,该系统对于稀疏与稠密模型均有较好的扩展性与稳定性,参数服务器训练可达到与单机相近的准确率与收敛效果,Ring-AllReduce也能在8节点模型上实现相对单节点模型6倍的训练加速。     

基于注意力机制修正网络的行人属性识别

针对现有行人属性识别方法模型复杂,识别性能较低的问题,提出一种端到端的行人属性识别方法。构建注意力机制修正网络,在主干网络的不同卷积层后添加注意力分支,以提取注意力特征关注属性相关空域;提出一种注意力机制辅助训练方法,将注意力分支与主网络在预测级进行损失融合,通过梯度反向传播修正主网络权重,实现主网络的有效训练;在预测阶段,利用权重修正后的主网络实现属性识别。在RAP数据集上的实验结果表明,提出方法在没有额外辅助信息、不增加主网络体积和计算量的情况下,提升了行人属性识别性能。     

知识蒸馏方法研究与应用综述

随着深度学习方法的不断发展,其存储代价和计算代价也不断增长,在资源受限的平台上,这种情况给其应用带来了挑战。为了应对这种挑战,研究者提出了一系列神经网络压缩方法,其中知识蒸馏是一种简单而有效的方法,成为研究热点之一。知识蒸馏的特点在于它采用了“教师—学生”架构,使用一个大型网络指导小型网络进行训练,以提升小型网络在应用场景下的性能,从而间接达到网络压缩的目的。同时,知识蒸馏具有不改变网络结构的特性,从而具有较好的可扩展性。本文首先介绍知识蒸馏的由来以及发展,随后根据方法优化的目标将知识蒸馏的改进方法分为两大类,即面向网络性能的知识蒸馏和面向网络压缩的知识蒸馏,并对经典方法和最新方法进行系统的分析和总结,最后列举知识蒸馏方法的几种典型应用场景,以便加深对各类知识蒸馏方法原理及其应用的理解。知识蒸馏方法发展至今虽然已经取得较好的效果,但是各类知识蒸馏方法仍然有不足之处,本文也对不同知识蒸馏方法的缺陷进行了总结,并根据网络性能和网络压缩两个方面的分析,给出对知识蒸馏研究的总结和展望。     

面向片上系统的多区域温度控制系统设计

在片上系统(system-on-chip,SoC)芯片中,由于各功能部件在频率、活跃度等方面存在差异,导致产热分布不均的问题比较突出,严重影响芯片的可靠性和使用寿命。针对这一问题,该文设计了一种面向 SoC 芯片的多区域温度控制系统。首先,通过片上总线技术进行分布式多区域温度采集,以获取 SoC 芯片的多区域温度信息。然后,设计了兼顾全局与局部温控的温度控制机制。该机制基于温度采集阶段的实时数据,通过协调时钟降频、中断以及脉冲宽度调制散热等方式进行局部或全局芯片温度管理与控制。同时,用户可以通过主控程序调整系统参数,使系统与各种温度控制场景兼容。该文在一种大规模众核 SoC 平台上进行了温度控制系统的测试。实验结果表明,该文提出的温度控制系统可有效减缓 SoC 工作时的芯片温度上升速度,并将芯片区域最高温度控制在用户所设定的极高温临界值 ±3 ℃ 范围内,表明该温度控制系统用于 SoC 芯片的温度控制是可行的。