Perceptually Grounded Language Learning: Part 2—DETE: A Neural/Procedural Model

In Part 1 of this two-part series, we introduced Katamic memory—a neural network architecture capable of robust sequence learning and recognition. In Part 2, we introduce the Blobs World taskjdomain for language learning and describe the DETE language learning system, which is composed of over 50 Katamic memory modules. DETE currently learns small subsets of English and Spanish via association with perceptual! motor inputs. In addition to Kaiamic memory, DETE employs several other novel features: (1) use of feature planes, to encode visual shapes, spatial relationships and the motions of objects, (2) phase-locking of neural firing, in order to represent focus of atention and to bind objects across multiple feature planes, and (3) a method for encoding temporal relationships, so that DETE can learn utterances involving the immediate past and future. We compare DETE to related models and discuss the implications of this approach for language-learning research.     

关于职业技术学院英语教学的思考

为了适应新形势、新需求，根据职业技术教育的实践，探讨如何调动学生英语学习的积极性，激发学生的学习动力，以改变被动学习和由此而产生的逆反心态，使英语学习收到好的效果。     

Attentional task aptitude and performance anxiety.

Anxious responding (trait, state, and test anxiety) has a negative impact on overt performance. Researchers have used a unidimensional method of assessing anxiety and performance, although a more informative approach would involve a comprehensive assessment battery and multiple performance tasks. Incorporating this strategy, the authors measured the impact of anxiety on 4 attentional processing tasks. Results revealed that "types" of anxiety symptoms were differentially related to attentional task performance; test anxiety accounted for the most variance in predicting performance on the Wechsler Adult Intelligence Scale-Third Edition (D. Wechsler, 1997) letter-number sequencing and digit-span subtests, trait anxiety and fear of negative evaluation were more significant in predicting Stroop performance, and math anxiety accounted for the largest variance toward understanding Paced Auditory Serial Addition Task (C. W. Lejuez, C. W. Kahler, & R. A. Brown, 2003) scores. Theoretical and clinical implications are discussed. (PsycINFO Database Record (c) 2010 APA, all rights reserved)     

巡航导弹机动地形相关系统

研究了一种适用于巡航导弹辅助导航的机动地形相关系统(MTCS)。介绍了 MTCS的工作原理、相关定位算法以及提高定位概率的技术途径,指出了系统设计中的关键技术。另外还讨论了 MTCS 的计算机运算,研究结论对地形辅助系统的设计有参考价值。     

红外制导系统误差信号分布曲线及盲区的计算

本文介绍了红外制导系统误差信号分布曲线及盲区的计算方法，对目前红外界使用的计算公式进行了讨论。     

基于超声导引的药品自动搬移系统的研制

阐述基于超声导引的药品智能搬移系统的研制方案,并给出主要设计电路。该系统用主从结构的两块TIMSP430F149单片机作为控制核心。从单片机控制搬移设备上的超声发送模块发送超声,坐标系上的三个超声接收器采集超声信号并做放大、滤波、单稳处理,处理后的信号发送给主单片机进行分析并发送控制命令给从单片机,从而实现对搬移设备的控制与定位。     

基于损失自注意力机制的立体匹配算法研究

针对现有的立体匹配算法在阴影、物体边缘和光照反射等区域匹配困难且存在大量错误结果的问题,设计了一种可拆卸的损失自注意力网络（loss self-attention net,LSAnet）查找图像中的匹配困难区域。LSAnet的网络各层相互稠密连接,应用了空洞卷积来扩大感受野,并以立体匹配算法生成的损失分布为标签,能够动态地进行有监督训练,最终生成匹配困难区域掩膜辅助立体匹配网络进行更好的优化;同时,改进了立体匹配网络中经典的特征匹配代价卷结构,降低了后续3D卷积的计算负荷,提高了匹配效率。实验结果表明,该算法相比于基准算法精度更高,并且可以提高算法对于匹配困难区域的鲁棒性。     

基于多通路融合网络的高速公路雾天能见度等级识别

雾天是影响高速公路交通安全的重要因素。研究从监控图像进行高速公路雾天能见度的自动识别方法可以为交通管理部门的智能管理和决策提供技术支持。根据大气散射模型分析出与雾浓度相关的多个物理因素,提出了综合这些物理因素的多通路融合识别网络。该网络使用三个通路联合学习深度视觉特征、传输矩阵特征和场景深度特征,并设计注意力融合模块来自适应地融合这三类特征以进行能见度等级识别。同时构建了一个合成数据集和一个真实的高速公路场景数据集,用于网络参数学习和性能评估。实景数据集中的图像是从中国多条高速公路的监控视频中收集的。在这两个数据集上的实验表明,所提方法可以适应不同的监控拍摄场景,能够比现有方法更准确地识别能见度等级,有效提升了识别精度。     

局部特征表征的6D位姿估计算法

为解决有纹理模型在遮挡条件下6D位姿估计精确度不高的问题,提出了一种局部特征表征的端到端6D位姿估计算法。首先为了得到准确的定位信息,提出了一个空间—坐标注意力机制（spatial and coordinate attention）,通过在YOLOv5网络中加入空间—坐标注意力机制和加权双向特征金字塔网络（bidirectional feature pyramid network）,YOLOv5-CBE算法的精确度（precision）、召回率（recall）、平均精度均值（mAP@0.5）分别提升了3.6%、2.8%、2.5%,局部特征中心点坐标误差最高提升了25%;然后用 YOLOv5-CBE算法检测局部特征关键点,结合3D Harris关键点通过奇异值分解法（singular value decomposition）计算模型的6D位姿,最高遮挡70%的情况下仍然可以保证二维重投影精度（2D reprojection accuracy）和ADD度量精度（ADD accuracy）在95%以上,具有较强的鲁棒性。     

基于标签推理和注意力融合的多标签文本分类方法

目前许多多标签文本分类方法主要关注文档表示,而丢失了大量标签相关的语义信息,导致分类效果不理想。针对以上问题,提出一种基于标签推理和注意力融合的分类方法,挖掘文档中与标签相关的特征以及相似标签之间的相关性,学习标签信息进行标签推理,同时采用注意力机制自学习地融合文档表示和标签表示,最终完成多标签分类任务。在AAPD和RCV1-V2数据集上进行实例验证,该方法的F1值分别达到了0.732和0.887,与其他最新方法相比其准确度均有提升,实验结果证明了标签推理和注意力融合策略的有效性。