零样本学习综述

尽管自深度学习发展以来,减少大量人工标记样本的需求使得零样本学习取得了不错的进展,以至于已经拥有比较完善的理论体系。但是对于零样本学习应用的研究寥寥无几,如何有效地对应用领域进行梳理是现阶段急需解决的问题。对零样本的理论体系进行介绍,通过一个例子引出零样本学习的定义,继而与广义零样本、监督学习比较,再而列举4个关键问题以及现有的解决方案,给出文本、图像、视频三方面常用的数据集;按照关键技术（属性、嵌入以及生成模型）出现时间顺序,对13个典型模型如何进行零样本学习展开描述,并对优点、缺点、创新点、挑选数据集以及表现进行总结;从词、图像、视频3个维度详细介绍了零样本学习在各个领域的应用;提出了零样本学习过程中出现的挑战并给出了对应的潜在研究方向。     

大跨度公铁两用双层钢桁桥涡激振动控制研究

桥梁的涡激振动主要受到主梁断面的气动外形、结构动力特性与来流特性的影响,而大跨桥梁是典型的风致敏感结构,所以在大跨度桥梁的设计中应当引起重视。以某大跨度公铁两用双层板桁组合桁架桥为背景,在XNJD-1回流串联风洞中进行了风洞试验,研究了该主梁的涡激振动现象。通过计算流体动力学(computational fluid dynamics, CFD)数值模拟分析了其主梁断面的涡激振动机理,并且将展向周期摄动法应用于钢桁梁的涡激振动控制,采取了一系列气动控制措施来抑制主梁的涡激振动,其中L型分流板与波浪形风嘴完全抑制了主梁的涡激振动。还通过风洞试验研究了波浪形风嘴的几何参数对抑振效果的影响,试验结果表明,波浪形风嘴的抑振效果对幅值变化比较敏感,增大幅值可以有效抑制主梁的涡激振动。     

不平衡数据挖掘方法综述

近些年，分类算法取得了长足的发展。但是随着数据来源的不断扩大，人们获得的数据绝大部分是不平衡数据。而这些分类算法通常对不平衡数据敏感，因此对不平衡数据的分类变得十分困难。目前对不平衡数据挖掘方法主要分为两大方面，分别是针对不平衡数据的预处理方法和挖掘算法。就这两大方面对近些年出现的方法进行总结，并从数据预处理、算法和性能评估方法等方面进行多维度梳理。从不同的应用领域入手，讲述了存在的各种不平衡问题，以及不同学者在其领域中的研究和解决方法。最后分析了不平衡数据挖掘领域目前存在的问题，并对未来研究方向进行展望。     

属性语义与图谱语义融合增强的 零次学习图像识别

零次学习(ZSL)是迁移学习在图像识别领域一个重要的分支。其主要的学习方法是在不使用未见类 的情况下,通过训练可见类语义属性和视觉属性映射关系来对未见类样本进行识别,是当前图像识别领域的热点。 现有的 ZSL 模型存在语义属性和视觉属性的信息不对称,语义信息不能很好地描述视觉信息,从而出现了领域漂 移问题。未见类语义属性到视觉属性合成过程中部分视觉特征信息未被合成,影响了识别准确率。为了解决未见 类语义特征缺失和未见类视觉特征匹配合成问题,本文设计了属性语义与图谱语义融合增强的 ZSL 模型实现 ZSL 效果的提升。该模型学习过程中使用知识图谱关联视觉特征,同时考虑样本之间的属性联系,对可见类样本和未 见类样本语义信息进行了增强,采用对抗式的学习过程加强视觉特征的合成。该方法在 4 个典型的数据集上实验 表现出了较好的实验效果,模型也可以合成较为细致的视觉特征,优于目前已有的 ZSL 方法。