基于栈式去噪自编码器的语音测谎算法

为了进一步提高谎言语音检测的准确率，提出了一种基于栈式去噪自编码器的语音测谎算法(SDA-SVM)，该算法 首先采用OpenSMILE提取了 384维语音特征，然后构建了两层去噪自编码网络对语音特征进行变换加工，最后，采用SVM分类器对语音是否为谎言进行分类识别，所用语音来源为CSC测谎语料库，实验结果显示:相比传统的SVM分类，所提算法的检测准确率至少提升1.85％。     

基于深度学习的视频跟踪研究进展综述

近年来深度学习迅猛发展，颠覆了语音识别、图像分类、文本理解等领域的算法设计思路。深度学习因其具备强大的特征提取能力，在图像识别领域的成绩尤为突出。然而深度学习与视频监控领域的结合并不多，由于深度模型具有多层网络结构，算法复杂度大，训练和更新模型时比较耗时，很难满足实时性要求。回顾了深度学习的发展史，介绍了最近10年来国内外深度学习主要模型，论述了基于深度学习的目标跟踪算法，指出了各算法的优缺点，最后对当前该领域存在的问题和发展前景进行了总结和展望。     

基于门控联合池化自编码器的通用性文本表征

为了学习文本的语义表征,以往的研究者主要依赖于复杂的循环神经网络(recurrent neural networks, RNNs)和监督式学习方法。该文提出了一种门控联合池化自编码器(gated mean-max AAE)用于学习中英文的文本语义表征。该文的自编码器完全通过多头自注意力机制(multi-head self-attention mechanism)来构建编码器和解码器网络。在编码阶段,提出了均值—最大化(mean-max)联合表征策略,即同时运用平均池化(mean pooling)和最大池化(max pooling)操作来捕获输入文本中多样性的语义信息。为促使联合池化表征可以全面地指导重构过程,解码器采用门控操作进行动态关注。通过在大规模中英文未标注语料上训练模型,获得了高质量的句子编码器。在重构文本段落的实验中,该文模型在实验效果和计算效率上均超越了传统的RNNs模型。将公开训练好的文本编码器,使其可以方便地运用于后续的研究。     

基于散射中心方位特性的大角度成像数据缩减方法

实际雷达目标散射中心有别于理想散射中心，具有复杂的方位特性，其散射幅度和位置随雷达观测角度改变而变化.文中基于不同类型散射中心的方位特性，提出了一种简单有效的大角度成像数据复杂度缩减方法.通过分析和预估各散射中心的有效观测角度范围，仅选择有效观测范围之内的散射场数据用于后续成像.该方法可以实现利用较少观测角下的散射回波数据获得与大角度成像结果相同的图像特征.数值结果证实，弹头目标的数据压缩率可达到45%以上，飞机目标的压缩率则达到80%以上.本文的研究结果对于雷达成像仿真、雷达图像解译等具有参考意义.     

基于用户角度下的手机广告检测方法研究

随着5G时代的到来,智能通讯设备的普及给人们带来各种方便的同时对于广告商来说也是一种新的宣传方式。本文通过分析当下手机检测广告软件的情况,结合用户对手机广告的检测拦截方式来给研究人员提高防护恶意手机广告的建议和改进措施。     

全钢载重子午线轮胎内衬层复合气泡的改善

分析全钢载重子午线轮胎内衬层复合气泡产生原因并提出相应的解决措施。通过增大复合压辊角度、硬度和压力及在气密层复合前增加位移传感器以减小气密层拉伸,使其与过渡层复合后收缩率一致,解决了内衬层复合气泡问题,提高了轮胎质量和企业经济效益。     

数控转台精度再创新高

数控转台对多轴加工中心的性能起着举足轻重的作用。在机床的整个生命周期中,转台的精度和可靠性是机床制造商关注的首要问题。为此,Matsumoto Machine Corporation(MMK)采取了一种切实可行、双管齐下的方法来减少分度误差,提高性能。通过强化产品校准和编码器技术,MMK将转台精度提升到新高度。     

强化研磨加工中喷射角度对GCr15轴承钢板塑性变形的影响

利用ABAQUS有限元仿真软件研究不同喷射角度强化研磨加工GCr15轴承钢板过程的塑性变形,得到不同喷射角度与等效塑性应变沿真实路径距离的关系,并通过拉伸试验进行验证。喷射角度为90°的强化研磨加工伸长率为1.4%,相比未经过强化研磨加工的伸长率数值缩减了2.0%。断口收缩率由空白组的4.9%降低到喷射角为90°的2.2%。结合仿真和试验可知,强化研磨加工中喷射角度越大,塑性变形能力越低,材料加工越难。