基于LM算法的领域概念实体属性关系抽取

针对非结构化自由文本中关系模式比较复杂,关系抽取性能不高的问题,该文提出了利用BP神经网络的优化算法-LM算法,对非结构化自由文本信息中的领域概念实体属性关系进行抽取。首先对语料进行预处理,然后利用CRFs模型对领域概念的实例、属性和属性值进行实体识别,然后根据领域中各类关系的特点分别进行特征提取,构造BP神经网络模型,利用LM算法抽取相应关系。和适用于二分类问题的SVM相比,人工神经网络优化算法自主学习能力强,识别精度高,更适用于多分类的问题。通过几组实验表明,该方法在领域概念实体属性关系抽取方面取得了良好的效果, F值提高了12.8%。     

基于人工神经网络的超声加工表面粗糙度预测

利用BP神经网络良好的非线性映射能力,建立了普通珩磨和超声珩磨条件下的磨削表面粗糙度预测模型,经过多次网络训练,得到了具有良好性能的BP神经网络。对超声珩磨加工钕铁硼材料表面粗糙度进行了预测,并取得了理想的预测结果。     

Linux下I2C设备驱动的一种适配器层直接实现方法

传统嵌入式Linux下的I2C设备驱动通常采用较为复杂的3层架构,可满足多设备并行工作的要求;但是在多设备串行的情况下,可直接在适配器层一层实现I2C设备驱动,这将有效地简化I2C设备驱动的开发.本文结合用LM75传感器采集温度的实例,介绍这种方法在嵌入式Linux下的一般实现过程.     

高斯拟合误差对测距精度的影响

给出了激光测高仪接收信号模型的建立过程,并模拟了斜坡地形下接收信号的波形图.为了判定是否可以将接收信号简化为高斯信号处理,提出了以高斯拟合误差对测距精度的影响作为判定依据.以MOLA系统为例,采用LM非线性拟合算法,得到了不同目标倾斜角及阈值情况下,最优化高斯拟合波形与实际接收信号波形的误差.详细分析了MOLA系统中拟合误差对系统测距精度的影响.结果表明,这个影响相对于系统测距误差而言,可以忽略不计.因此,将MOLA系统的接收信号简化成高斯信号处理是完全可行的.     

一种用于InSAR/INS组合导航的姿态角反演方法

平台的姿态信息对导航十分重要,但合成孔径雷达辅助惯导系统无法获得平台的姿态信息,单天线GPS（Global Positioning System）无法完成姿态测量的需求.针对以上问题提出基于条纹匹配的干涉合成孔径雷达辅助惯导的组合导航方法,该导航方法中干涉合成孔径雷达系统对平台的姿态角比较敏感,可以高精度地反演平台的姿态信息.本文通过分析平台的姿态误差对定位误差的影响,建立姿态角反演模型,根据条纹匹配得到的定位偏移结果,利用Levenberg-Marquardt（LM）算法求解非线性方程组完成平台姿态角的反演.最后通过仿真和干涉合成孔径雷达实际数据验证了姿态角反演模型的有效性.     

基于主成分分析的食源性致病菌的投影判别分析

目的:以大肠杆菌、单增李斯特菌和沙门氏菌为研究对象,建立近红外光谱检测食源性致病菌的方法.方法:利用近红外光谱分析技术,对大肠杆菌、单增李斯特菌和沙门氏菌的细胞壁、细胞质和全细胞分别进行基于主成分分析的投影判别分析.结果:多元散射校正法对光谱预处理比矢量归一法预处理后的细胞质壁分离更为有效;采用细胞壁进行判别比用细胞质判别3种致病菌的结果好;G阴性菌与G阳性菌之间的判别比同性菌之间判别准确度高,对细胞壁的分辨率达到100％.结论:利用基于近红外光谱主成分分析的投影判别分析技术,可以检测和鉴别上述3种致病菌,且其分辨率为100％.     

一种基于LM算法的激光足印中心提取方法

足印探测法是星载激光测高仪真实性校验的常用方法,而激光足印的中心提取是足印探测法的关键技术之一。针对受到大气湍流的影响的激光足印信号,提出一种基于Levenberg-Marquard(LM)算法的激光足印中心提取方法,以椭圆高斯函数为目标函数模型,通过椭圆高斯特征参数更新和迭代,以目标函数与观察值的残差作为判据,从而实现对特定参数即激光足印中心的提取。采用前40项泽尼克多项式模拟大气湍流作为激光足印在大气传输过程中的噪声,利用仿真数据对算法的提取精度和稳定性进行验证,实验结果表明,本文算法比传统的中心定位方法有着更高的定位精度并且相对稳定,假设激光足印探测器的布设间距为4 m,本文算法比其他传统算法的提取精度至少优于0.5 m。     

基于词图重估的语音解码参数优化方法

在大词汇连续语音识别系统中,语言模型权值和插入代价等语音解码参数对系统的识别率有较大的影响,而在实际应用中常通过实验手动调整其值寻求最佳识别结果。为此,提出一种利用二元文法进行词图重估的方法,自动优化语音解码参数。在重估的参数空间搜索过程中采用线性搜索与模拟退火搜索相结合的方法,使优化参数具有全局最优和对初值稳定性强的优点。实验结果表明,相比凭经验设置的参数,该方法估计出的参数值能大幅降低识别词错误率,与经典的N-best优化相比,其优化速度有较大提升。     

基于数值优化的改进BP算法在旋转机械故障诊断中的应用

机械设备的安全运行对企业的现代化生产至关重要,因而对故障机械的诊断近年来受到了普遍关注,而神经网络具有分辨原因及故障类型的能力,在故障诊断领域中得到了广泛应用.本文针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,给出了两种基于数值优化方法的改进BP算法,应用改进的BP算法对旋转机械故障进行诊断研究,结果表明,加快了网络的收敛速度.证明该算法比BP算法精度更高且收敛速度更快.     

模拟RTU软件的设计和实现

针对传统反向传播（BP）神经网络收敛速度慢、计算量大的缺点,引入一种结合LM（Leverberg Marquart）优化算法的BP神经网络,并应用在大坝的变形预报中。实验结果表明,新模型具有训练速度快、预测精度高的特点。