基于度量学习的意图识别和槽填充方法

人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题.本文采用基于度量学习的方法,通过计算query set中的样本与support set中样本的距离,寻找距离最近的类别样本作为分类标签,同时将两个任务联合进行训练,用以提升模型的效果.从实验结果中可以得出,本文提出的Fine-tune方法,对意图识别和槽填充任务都有一定的帮助和提升.胶囊网络在意图识别中也起到了一定的效果,可以帮助去除一部分无关信息,但对槽填充任务的帮助不明显;而任务自适应的投影网络,可以更好地将不同类的向量分开,提升了两个任务的性能.     

基于熵权TOPSIS的工程咨询机构BIM技术应用能力评价

构建工程咨询机构BIM技术应用能力评价的指标体系,提出改进的熵权TOPSIS评价模型,以4个典型的工程咨询单位为例,进行BIM技术运用能力评价。研究表明,BIM行业的整体水平已经有了明显的提升,但是区域间的发展还存在一定差距。     

GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

基于改进AHP和熵权法相结合的山区在役柔性悬索桥运营安全风险评估

针对传统的层次分析法(AHP)在桥梁运营安全评估中的不足之处,提出了基于改进AHP和熵权法相结合的在役悬索桥运营安全风险评估分析方法。该方法通过定量、客观的分析,克服传统评估方法中各个风险指标权重值计算的局限性,做到了主观权重和客观权重相结合,为在役悬索桥制定科学、正确、合理的管理方案提供了重要参考。同时以云南新龙桥为例进行验证,得到各个风险源的权重值,并找到超载风险是影响悬索桥安全运营的主要影响风险源。运用有限元软件对悬索桥运营阶段基于超载风险的仿真分析,明确超载对该桥安全运营的影响程度。研究表明该评估方法改进和完善了在役悬索桥运营风险综合评估方法,同时对其他桥型的风险评估也有一定的参考意义。     

低觉醒脑电识别与唤醒的可穿戴系统研究

为智能化地识别警戒作业人员出现的低觉醒、注意力下降的生理状态，本文介绍了一种基于FPGA和脑电信号处理的低觉醒状态检测与唤醒系统，系统通过传感器从大脑头皮采集脑电信号，转换为数字信号，经傅里叶变换获取了脑电信号的θ相对能量、α相对能量、重心频率、谱熵等4个特征量，由4个特征量表征低觉醒状态并运用支持向量机对低警戒状态进行识别，当识别出低觉醒状态时采用声音报警模块发出声音，唤醒警戒作业人员。设计系统能够较好地识别出低觉醒状态，识别率达90.8%，可为提高警戒作业工作绩效提供一种可穿戴的智能装备。     

基于小样本下统计不确定性的边坡可靠度Bootstrap-BC_a方法

传统方法对小样本下的岩土抗剪强度参数估计区间较宽,会导致工程设计偏于保守,为此,提出一种考虑测量数据统计不确定性的边坡可靠度分析Bootstrap-BC_a法。该方法在Bootstrap的基础上加入偏差修正量■和加速量a,进一步校正了置信区间的端点值,提高了估计精度。在保证样本容量和变异性一致的条件下,对比分析Bootstrap-BC_a法和Bootstrap法在95%置信水平下的置信区间以及相对应的安全系数估计值。结果表明:Bootstrap-BC_a法能够有效收窄区间宽度且保证率下限值更趋近实际值;Bootstrap-BC_a法计算所得边坡安全系数均值相对较大,离散型更小,且与样本容量成正比,与安全系数方差成反比;3种变异水平的安全系数均值都随着样本容量n的增大而增大,而安全系数方差则逐渐减小,且大变异水平下计算所得安全系数均值更大。     

基于FPGA的CAVLC编解码器设计与实现

H．264标准在基本档次和扩展档次中采用CAVLC熵编码，完成对变换系数残差块的编码。提出一种基于FPGA的H．264标准的CAVLC编解码器，程序代码用verilog硬件描述语言编写，并在QuartusⅡ中进行了仿真验证，可以实现对每个残差块数据的编解码并将其按照宏块光栅扫描的顺序输出到存储器，因此适合于嵌入在最终的码流中。仿真结果表明此CAVLC编解码器达到H．264标准中基本档次和扩展档次level3．0的性能要求。     

再研究最大熵解卷的真解问题

194 9年Ｓｈａｎｎｏｎ和Ｗｅａｖｅｒ在《通信的数学理论》一书中明确给出了信息熵的概念[1] ,195 7年Ｊａｙｎｅｓ指出 ,最大熵原理可以作为衡量可能分布的一种尺度[2 ] 。目前最大熵方法已经被广泛应用于信息处理和图像恢复等不同领域。最大熵原理在电子显微学领域中同样得到了很好的应用 ,主要工作集中在消除像的噪声和改善像的质量。 1991年胡建军和李方华等成功地将最大熵原理应用于高分辨电子显微像的解卷处理[3 ] 。随后报导了最大熵解卷中出现形式上的“多解”现象[4] ,并指出“多解”源于傅里叶像效应[5] ,讨论了确定真解的办法。…