一种健壮有效的决策树改进模型

提出了一种健壮有效的决策树改进模型AJD3.该决策树模型基于经典的ID3决策树模型,在属性的选取上进行了改进.利用引入属性优先关联度参数计算节点的修正信息增益,并选择具有最高修正增益的属性作为当前节点的测试属性.实验表明,AID3决策树模型在提高分类准确率的同时,有效地增强了模型的健壮性.     

中达自动化方案在月饼排盘机上的妙用

日前,中达电通在食品加工业再传捷报,为南京某公司成功开发出了一套全自动化月饼排盘机控制系统。经过验证,由台达编码器、PLC、伺服所构建的排盘机全自动高效控制系统表现优异稳定,大大提升了生产效率与产品品质。对台达自动化所表现出来的高性能与整体性,客户大加赞赏。     

并行通讯格雷码多圈旋转编码器和S7-200型PLC在石灰炉提升机上的应用

本文系统分析了各种旋转编码器和S7-200型PLC的特点,解决了用S7-200型PLC将格雷码翻译成二进制码等难题,选用并行通讯格雷码旋转编码器、S7-200型PLC和中文TD200人机界面组成控制系统,成功实现石灰炉提升机自动控制,控制系统必将在小规模精度定位领域中得到广泛应用。     

基于FPGA的编码器倍频-鉴相电路

光电轴角编码器,又称光电角位置传感器,是电气传动系统中用来测量电动机转速和转子位置的核心部件.文章分析光电编码器四倍频原理,提出了一种基于可编程逻辑器件FPGA对光电编码器输出信号倍频、鉴相、计数的具体方法,它对提高编码器分辨率与实现高精度、高稳定性的信号检测及位置伺服控制具有一定的现实意义.     

基于MSH263编码器协同系统的设计与实现

使用代理动态链接库对Windows(R)NetMeeting(R)调用MSH263编码的过程进行了记录.通过与标准调用序列的对比,发现了未公开的两个ICM消息和一组状态数据,使得MSH263编码器可以在用户程序中应用.给出了MSH263编码帧中隐含的RTP切分索引数据格式,并由此提出了快速切分算法.基于以上方法构造的实时多媒体协同系统,可以与AccessGrid及H.323系统良好互通,已成功应用于多项国家级项目.     

基于FPGA的视频传输流发送系统设计

介绍了一种利用FPGA实现DVB-ASI视频传输流发送系统的组成原理和实现方法.不同于使用Cypress公司的CY78923的方法,使用FPGA编程实现ASI接口转换与发送功能,具有更大的灵活性,且接口复合DVB-ASI接口规范,可实现270Mbps的Mpeg2传输流传输.文中介绍了ASI的特点与构成;并详细阐述了使用FPGA实现ASI高速接口的硬件实现方法.最后给出了相应的测试实验.通过高清编码器和解码器的测试实验表明设计的正确性与可靠性.     

基于注意力机制特征融合的中文命名实体识别

命名实体识别是自然语言处理领域中信息抽取、信息检索、知识图谱等任务的基础。在命名实体识别任务中,Transformer编码器更加关注全局语义,对位置和方向信息不敏感,而双向长短期记忆（BiLSTM）网络可以提取文本中的方向信息,但缺少全局语义信息。为同时获得全局语义信息和方向信息,提出使用注意力机制动态融合Transformer编码器和BiLSTM的模型。使用相对位置编码和修改注意力计算公式对Transformer编码器进行改进,利用改进的Transformer编码器提取全局语义信息,并采用BiLSTM捕获方向信息。结合注意力机制动态调整权重,深度融合全局语义信息和方向信息以获得更丰富的上下文特征。使用条件随机场进行解码,实现实体标注序列预测。此外,针对Word2Vec等传统词向量方法无法表示词的多义性问题,使用RoBERTa-wwm预训练模型作为模型的嵌入层提供字符级嵌入,获得更多的上下文语义信息和词汇信息,增强实体识别效果。实验结果表明,该方法在中文命名实体识别数据集Resume和Weibo上F1值分别达到96.68%和71.29%,相比ID-CNN、BiLSTM、CAN-NER等...     

双路自编码器的属性网络表示学习

属性网络表示学习的目的是在保证网络中节点性质的前提下,结合结构和属性信息学习节点的低维稠密向量表示。目前属性网络表示学习方法忽略了网络中属性信息的学习,且这些方法中的属性信息与网络拓扑结构的交互性不足,不能高效融合网络结构和属性信息。针对以上问题,提出一种双路自编码器的属性网络表示学习（DENRL）算法。首先,通过多跳注意力机制捕获节点的高阶邻域信息;其次,设计低通拉普拉斯滤波器去除高频信号,并迭代获取重要邻居节点的属性信息;最后,构建自适应融合模块,通过结构和属性信息的一致性及差异性约束来增加对重要信息的获取,并通过监督两个自编码器的联合重构损失函数训练编码器。在Cora、Citeseer、Pubmed和Wiki数据集上的实验结果表明,与DeepWalk、ANRL(Attributed Network Representation Learning)等算法相比,DENRL算法在3个引文网络数据集上聚类准确率最高、算法运行时间最少,在Cora数据集上聚类准确率为0.775和运行时间为0.460 2 s;且DENRL算法在Cora和Citeseer数据集上链路预测精确率最高,分别达到了0...     

基于深度信念网络的模拟电路故障诊断

为及时精准地发现模拟电路故障,保障电子仪表的安全稳定运行,提出了基于深度信念网络的模拟电路故障诊断方法。采用自动编码器模拟电路初始故障信号进行降噪处理,将降噪后信号输入到深度信念网络中提取特征,极限学习机根据特征建立故障诊断模型,结果表明,深度信念网络可以有效提取模拟电路各类故障特征,模拟电路各类故障的整体诊断精确率可达到98.47%,可为模拟电路保障诊断提供了一种新的工具。     

隐空间转换的混合样本图像去雾

深度学习从数据集中学习样本的内在规律,数据集的质量一定程度上决定了模型的表现。在去雾任务的公开数据集中,由于缺少成对真实数据,合成的成对数据难以模拟真实环境等问题,可能导致训练出的模型在实际环境中表现不佳。为此,提出混合样本学习问题,利用合成的成对数据和真实数据（混合样本）同时训练模型,通过隐空间的转换实现混合样本间的转换。算法利用变分自编码器和生成对抗网络（VAE-GAN）将混合样本分别编码到隐空间,利用对抗损失将真实数据的隐空间向合成雾图的隐空间对齐,利用含特征自适应融合（MFF）模块的映射网络学习成对数据隐空间之间的转换,从而建立起从真实雾图域到清晰图像域之间的去雾数据通路。实验结果表明,该算法相比其他去雾算法在真实雾图上的去雾结果更加清晰,对于较厚的雾图也有突出的效果,且该算法的峰值信噪比高于对比算法。