XML模式推断研究综述

本文对XML(Extensible Markup Language)数据的模式推断问题研究现状与进展进行了阐述.首先,从正规树文法的角度介绍了不同模式语言的理论模型.进而从模式推断方法、目标模式语言、支持的表达能力、内容模型对应的正则表达式类型等多个方面对当前研究工作进行了细致的分类归纳和对比.此外,还介绍了模式语言中支持的基本语义完整性约束推断的研究进展.最后指出了当前研究中的不足,并对未来需要深入研究的方向进行了展望.重在对XML模式推断的主流方法和前沿进展进行概括、比较和分析,以期对后续研究有所助益.     

新颖的正则NFA引擎构造方法

提出了一种新颖的正则NFA引擎构造方法——PFA构造法。PFA构造法包括3个主要算法：预处理算法、解析树编码算法和基于编码树的NFA构造算法。采用PFA构造法能够构造出只含有一个开始状态和一个终止状态的规模更小的NFA,称其为NFAp。NFAp的规模与正则表达式组的长度线性相关,较Thompson自动机、后跟自动机、位置自动机以及部分派生自动机的规模都要小,是Thompson NFA的1/3,比已经接近最优的后跟自动机构造法所获得的NFA还要小。     

文本阅读理解的快速多粒度推断深度神经网络

机器阅读理解任务(MRC)是自然语言处理领域的重要研究方向,通过深度学习网络来进行机器阅读理解课题研究已成为目前的主流方法。考虑到深度网络中的计算冗余与同质性现象,本文提出了一个快速多粒度推断深度神经网络(FMG)。FMG模型在纵向上以卷积神经网络和注意力机制为基本底层架构,横向上以多粒度的文章文本表征与问题表征分层交互融合,共同实现答案的推断。实验结果表明,多粒度推断机制在提高模型表现上具有一定的有效性,且相比于经典循环神经网络,模型实现了训练速度上的进一步提升。     

一种新的模糊规则动态调整正则项系数的神经网络学习方法

从偏差－方差模型出发，提出了一种通过模糊规则推理动态调整正则项系数的新方法，并有效地确定了模糊推理规则和隶属度函数，并将该方法与BP算法和固定正则项系数的方法进行了比较，该方法具有精度高、收敛快和泛化能力高等优点，通过实例表明了该方法的有效性。     

基于VHDL语言的有限域正则基乘法器设计

有限域的运算已经广泛应用于Reed—Solomon码、存储领域和各种加密算法中。乘法运算是其中最复杂的一种运算,有限域中的元素可以用各种基表示。文中在给出有限域元素自然基下的表示方法的基础上,推导出了域元素正则基下的表示方法,并给出了正则基下域元素的乘法运算,编写了乘法器的VHDL模型。用XILINX公司的ISE5．2软件对电路模型进行了仿真,结果表明乘法器的运算结果完全正确。     

基于机器学习算法的成员推断攻击研究

针对成员推断攻击中构建模拟模型所需的训练数据的合成质量提升问题,提出使用一种基于爬山算法改进的模拟退火算法进行数据合成。首先,通过模拟退火算法以比较快的速度找到问题的近似最优解,从而可以合成比较高质量的数据;然后,训练数据集构建模拟目标模型,并将其输出信息进行综合,以训练二分类器作为最终攻击模式;最后,以决策树、随机森林、卷积神经网络算法为例,比较在黑盒模型中,基于不同机器学习算法在三种不同数据集下的成员推断攻击的性能。结果表明：所提方法可以提升训练数据的合成质量,通过观察攻击精度的变化,卷积神经网络下成员推断攻击性能最优。     

基于正则化卷积神经网络的目标跟踪算法

为了提高目标物体的跟踪鲁棒性和稳定性,文中将L2正则化最小二乘法和卷积神经网络(CNN)相互结合,提出了一种基于正则化卷积神经网络的目标跟踪算法。通过L2跟踪器来评估目标无题被遮挡的程度,利用两层CNN对目标进行目标表示,去除了大部分无关样本,降低了算法的复杂度。实验结果表明,当目标物体发生姿态变化或旋转等剧烈的外观变化时,所提算法具有较强的鲁棒性和稳定性,并且比其他经典的跟踪算法具有更高的精度。     

深度学习在交通运输中应用综述

介绍了自编码器、卷积神经网络、循环神经网络三个主流深度学习网络架构在交通运输中的应用研究,简述了三个主流深度学习网络的应用背景。对于三个深度学习网络在交通运输中的应用,分别分析了自编码器在交通流预测,特别是在短时交通流预测方面的技术研究;卷积神经网络在交通热点图像、车牌识别、驾驶员注意力等方面的技术应用;循环神经网络在交通流预测的技术优势。并对三个深度学习网络在交通运输中的研究进行了总结,对深度学习未来的研究方向做了展望。     

门控递归神经网络处理不规则时间序列数据综述

随着多传感器系统的发展以及非结构化手工数据记录机制的持续使用,不规则时间序列数据越来越普遍。不规则数据和由此产生的缺失值严重限制了对数据进行分析和建模以完成分类和预测任务的能力。通常情况下,用于处理时间序列数据的传统方法会引起偏差,并对底层数据的生成过程进行强假设,这可能会导致较差的模型预测结果。传统的机器学习和深度学习方法虽仍处于数据建模的前沿,但最多只能受到不规则时间序列数据集的影响,无法对不完整时间序列的时间不规则性进行建模。门控递归神经网络(RNN),如LSTM 和GRU,在序列建模方面取得了突出的成绩,并在许多应用领域得到了应用,如自然语言处理。这些模型已成为时间序列建模的良好选择,也是处理不规则时间序列数据的重要工具。文中重点介绍了处理不规则时间序列数据的两种常用方法,即在数据预处理阶段输入缺失值以及在学习过程中修改算法从而直接处理缺失值,旨在介绍这一研究分支中出现的有效的技术,以便研究人员创造出进一步处理不规则时间序列数据的新技术。     

正则化在逻辑回归与神经网络中的应用研究

在机器学习算法的应用中,当使用小规模、多特征数的训练样本时,模型容易出现过拟合现象。正则化方法可以在一定程度上抑制模型过拟合,提高模型的泛化能力。以手写数字识别为例,分别研究了正则化方法在逻辑回归和BP神经网络中的应用,并比较了两种算法的实际结果。从MNIST手写体数据库中随机选取了5000个样本,经过PCA(Principal Component Analysis)降维后,从中选取不同规模样本并分别将其随机划分为60%的训练集,20%的交叉验证集和20%的测试集。分别构建两种算法对样本进行训练和测试,通过学习曲线选取合适的正则化参数,并比较了在合适正则化参数与未加入正则化参数下,模型与对测试集的预测精度。实验结果表明BP神经网络对手写数字的识别效果优于逻辑回归;同时当使用样本集较小时,正则化方法可以有效地抑制模型过拟合的发生,提高模型预测精度;随着样本集规模的增大,抑制效果减弱。     

基于C语言的半规整电路版图编译器的开发

讨论了和Ｃ语言描述半规整电路版图结构的基本方法,总结出由基本单元拼接出更大单元的基本步骤,形成了较为通用的半规整电路版图编译器的编制方法。采用这一方法,在设计好某一特定类型半规整电路电路的单元版图和整体结构中以比较方便快速地构造出其对庆的版图编码器     

基于手语表达内容与表达特征的手语识别技术综述

手语识别(SLR)技术是打破听障人群与健听人群间交流壁垒的重要技术手段。该文综述了近几年的手语数据集、评价指标以及手语识别方法。首先,系统梳理了手语数据集并分析了手语识别方法的数据集发展方向。其次,详细介绍了手语识别方法的评价指标。然后,根据手语表达内容、手语识别方法所采用的特征分类总结分析了孤立词手语识别方法与连续语句识别方法、仅依靠手部特征的手语识别方法与多特征融合的手语识别方法。最后探讨了手语识别技术面临的挑战及其发展方向。     

Feature Extraction Methods in Language Identification: A Survey

Wireless Personal Communications - Language Identification (LI) is one of the widely emerging field in the areas of speech processing to accurately identify the language from the data base based on...     

基于HIPN网的推理算法研究

基于HIPN网的知识表达有知识的长效性和避免重复运算两个优势。提出了一个基于HIPN网模型的逻辑推理算法,该算法结合经典的归结证明策略,并充分利用归约过程中已经得到的中间结论。与现有T-不变量和线性代数的求解算法相比,大幅减少了重复推理过程,有效地提高了推理效率。     

Approaches in Cultural Computing: A Survey and Inference from Social Computing with Dynamics of Mind

Cultural computing is mainly viewed as the integration of computing technology with the culture. Being inherently interdisciplinary and multidimensional, it requires an explicit comprehension as the way it developed as well as expanded from the history of technological areas. This article addresses the need for cultural computing as well as comprehensively studies existing cultural computing approaches and models from different perspectives. An insight towards dynamics of mind and its incorporation in the virtual world of Internet and social computing has been provided. The article concludes with a summary providing useful suggestions for future developments.     

基于推理树的XML推理控制研究

信息安全中的推理问题是指攻击者根据合法获得的信息,利用信息之间关联,推理出不能直接访问的信息,从而造成敏感信息泄露的一种安全问题。推理控制是对信息间的这种联系加以控制,防止敏感信息的推理泄露。XML是当前信息技术中最重要的信息载体之一,是Internet中数据交换和传输的默认标准,也是传统关系数据库的有力竞争者。文中研究了XML数据库中信息的推理控制问题,定义了信息以及信息的规范化表示,针对XML数据库中敏感信息的推理泄露,引入了推理树的概念,提出了一种新的推理通道的刻画方法,并提出了相应的动态推理控制策略,在保证信息安全的基础上,使文档中的信息最大可用。     

一种基于模糊推理的JPDAF新方法

多目标跟踪中的数据关联一直是信息融合领域的难点和热点问题,针对杂波环境下多目标跟踪中的数据关联问题,提出了一种基于模糊推理的JPDAF新方法。该方法中,首先详细分析了杂波环境多目标观测数据的特点,定义了多目标环境下的标准化新息变量及新息的一阶微分变量;然后将其作为模糊推理的两个输入变量,通过设计合适的模糊隶属度函数和模糊推理规则,自适应计算目标观测的关联概率来代替传统联合概率数据关联滤波器（JPDAF）中的关联概率,实现对多个目标的有效跟踪。实验结果表明,提出方法的目标跟踪性能要好于传统的JPDAF和Fitzgerald’s方法,在实时性方面,提出方法也要远好于传统的JPDAF方法,接近Fitzgerald’s方法,能够有效对多目标进行关联跟踪。      

一种基于模糊逻辑的切换算法

针对蜂窝移动系统的越区切换,提出了一种基于模糊逻辑的切换判决算法.通过仿真与只以信号强度为指标的传统切换算法进行了性能比较,结果表明:采用多指标判决的模糊逻辑切换算法能够有效降低系统的掉话率和切换数量,提高服务等级.     

基于多维立方体的正则表达式匹配算法

针对特定条件下含有“.*”的正则表达式规则相互作用产生的状态爆炸问题,本文提出一种基于多维立方体的确定性有限自动机（Deterministic Finite Automaton,DFA）结构,将冗余状态按维度划分并压缩,并设计相应的多维立方体确定性有限自动机（Multi-Dimension-Cube-DFA,M-D-Cube-DFA）算法,通过构造动态交点的方法实现等价的状态转移.理论分析和仿真实验表明,与DFA算法相比,在维持时间复杂度不变的基础上对状态数目和存储空间进行了对数级别压缩.     

基于规则模板的正则表达式分组算法

采用规则分组的方法解决确定型有限自动机(Deterministic Finite Automata,DFA)状态爆炸问题,随着分组数目的增加,匹配效率大大降低.本文提出正则表达式的输入驱动特性理论,并基于此提出了基于规则模板的分组算法——模板有限自动机.模板有限自动机算法基于规则模板对规则集进行分组,各分组分别构建匹配引擎.理论分析和实验表明,与典型的DFA改进算法相比,预处理时间和存储空间有2～3个数量级别的缩减,且匹配效率没有明显降低.