在一些修船企业建立的修船结算系统和电子价格库中,人工匹配结算编码步骤易出错且耗时长,直接影响结算效率。为解决该问题,提出一种基于多特征融合的修船结算编码智能匹配复合模型。采用来自变换器的双向编码器表示(Bidirectional Encod...在一些修船企业建立的修船结算系统和电子价格库中,人工匹配结算编码步骤易出错且耗时长,直接影响结算效率。为解决该问题,提出一种基于多特征融合的修船结算编码智能匹配复合模型。采用来自变换器的双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)模型将工程内容文本表示为词向量,采用卷积神经网络(Convolutional Neural Network,CNN)模型提取文本的局部特征,采用双向长短期记忆网络结合注意力机制(Bidirectional Long Short-Term Memory with Attention Mechanism,BiLSTM-Attention)模型提取上下文特征,得到对应的结算编码。试验结果表明,所提出的复合模型在整体准确率方面实现显著提升,充分证明该复合模型在处理复杂文本分类任务中的优势。展开更多
由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码,已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多...由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码,已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多用户短码扩频的缺失矩阵模型,将复合码矩阵估计建模为盲源信号分离问题;然后将矩阵填充理论应用于复合码矩阵估计,提出基于奇异值阈值算法和快速独立成分分析算法的各用户复合码序列估计方法;最后利用m序列的移位相加性特性,提出延迟三阶相关算法,从各用户复合码序列中估计其包含的长短伪码序列。仿真表明,当信噪比高于-2 d B时,该文算法的长短伪码估计平均误码率低于0.1%。展开更多
针对多径环境下异步长短码直扩码分多址信号(long and short code direct sequence code division multiple access,LSC-DS-CDMA)伪码估计难的问题,提出一种基于张量分解和联合估计的伪码估计方法,采用重叠窗对接收信号进行分段并构建...针对多径环境下异步长短码直扩码分多址信号(long and short code direct sequence code division multiple access,LSC-DS-CDMA)伪码估计难的问题,提出一种基于张量分解和联合估计的伪码估计方法,采用重叠窗对接收信号进行分段并构建张量模型。为改善传统线性步长搜索算法结合梯度下降的方法分解因子矩阵收敛较慢的问题,提出改进的线性步长搜索算法,结合使用动量梯度下降法对各子张量进行Tucker分解得到各因子矩阵,所需的迭代次数大大减少;利用接收增益矩阵和移位相乘解决复合码的排序模糊和幅度模糊问题;利用最大似然准则联合估计复合码和多径信道后,使用梅西算法和相关运算估计每个用户的长码和短码。仿真结果表明,该方法能够有效估计多径异步LSC-DS-CDMA信号的伪码。展开更多
长短码直扩码分多址(Long and Short Code Direct Sequence Code Division Multiple Access,LSC-DS-CDMA)信号包含多个用户的长码和短码,低信噪比时,各用户之间干扰大,基于三阶相关函数的长短码估计方法性能不佳。为此,提出一种基于Fast...长短码直扩码分多址(Long and Short Code Direct Sequence Code Division Multiple Access,LSC-DS-CDMA)信号包含多个用户的长码和短码,低信噪比时,各用户之间干扰大,基于三阶相关函数的长短码估计方法性能不佳。为此,提出一种基于FastICA和梅西算法的伪码估计算法。首先,根据长码和短码周期对信号进行2次分段,将单通道LSC-DS-CDMA信号构造为多通道信号模型,采用FastICA算法分离每个用户长短码组成的复合码片段并进行拼接;其次,将各用户复合码延迟相乘2次,依次消除幅度模糊和短码干扰;然后,采用滑动搜索和梅西算法,估计得到长伪码生成多项式,恢复出长码,消除拼接误差;最后,在复合码和长码中做相关运算估计得到短码。仿真结果表明,信噪比大于-7 dB时,算法能准确估计3个用户的长短码。展开更多
The global growth of the Internet and the rapid expansion of social networks such as Facebook make multilingual sentiment analysis of social media content very necessary. This paper performs the first sentiment analys...The global growth of the Internet and the rapid expansion of social networks such as Facebook make multilingual sentiment analysis of social media content very necessary. This paper performs the first sentiment analysis on code-mixed Bambara-French Facebook comments. We develop four Long Short-term Memory（LSTM）-based models and two Convolutional Neural Network（CNN）-based models, and use these six models, Na？ve Bayes, and Support Vector Machines（SVM） to conduct experiments on a constituted dataset. Social media text written in Bambara is scarce. To mitigate this weakness, this paper uses dictionaries of character and word indexes to produce character and word embedding in place of pre-trained word vectors. We investigate the effect of comment length on the models and perform a comparison among them. The best performing model is a one-layer CNN deep learning model with an accuracy of 83.23 %.展开更多
针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短...针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短码信号序列估计方法。将LSC-DSSS信号输入NIC神经网络以估计随机采样起点,再通过不断输入数据训练NIC神经网络权值向量。当网络收敛时,权值向量的符号值即为LSC-DSSS信号的复合码序列片段。使用延迟相乘,消除幅度模糊与短扩频码序列的影响,再利用梅西算法获得扰码序列的生成多项式。仿真实验结果表明,NIC神经网络较特征值分解法的抗噪声性能提高6 dB,同时较Hebbian准则神经网络所需学习组数减少50%。展开更多
短码扩频长码加扰的直扩信号可视为特殊的长码直扩信号,将其短扩频码和长扰码作为复合码。首先通过特征值分解和酉矩阵去位置模糊实现复合码的盲估计;然后利用m序列的三阶相关函数特性识别短扩频码的类型;最后根据识别结果采用三阶相关...短码扩频长码加扰的直扩信号可视为特殊的长码直扩信号,将其短扩频码和长扰码作为复合码。首先通过特征值分解和酉矩阵去位置模糊实现复合码的盲估计;然后利用m序列的三阶相关函数特性识别短扩频码的类型;最后根据识别结果采用三阶相关法或延迟三阶相关法实现长短伪码的盲估计。仿真表明,复合码估计在信噪比-7.5 d B以上可达到1%以下的误码率;当信噪比高于-6 d B时,三阶相关法估计长短伪码本原多项式的正确率可以达到90%以上;当信噪比高于-4 d B时,延迟三阶相关法估计长短伪码序列的误码率低于1%。展开更多
为充分利用机场延误状态信息的时间相关性,提高机场延误预测精度,提出一种基于混合编码和长短时记忆网络(Long Short Term Memory,LSTM)的机场延误预测方法。该方法首先将机场信息、航班信息和气象信息进行数据预处理,得到机场延误数据...为充分利用机场延误状态信息的时间相关性,提高机场延误预测精度,提出一种基于混合编码和长短时记忆网络(Long Short Term Memory,LSTM)的机场延误预测方法。该方法首先将机场信息、航班信息和气象信息进行数据预处理,得到机场延误数据;然后,利用LSTM网络对机场延误数据进行特征提取;最后,构建Softmax分类器对机场延误分类预测。实验结果表明,本文基于机场延误数据在数据预处理阶段提出的混合编码方法,可使预测准确率提高约5%。同时,利用LSTM网络来提取数据的时间相关特征信息,网络模型的预测准确率最终可达94.01%。并且利用不同机场数据对网络的普适性分析结果表明,该算法更适合于原始数据量大的中大型枢纽机场。展开更多
文摘在一些修船企业建立的修船结算系统和电子价格库中,人工匹配结算编码步骤易出错且耗时长,直接影响结算效率。为解决该问题,提出一种基于多特征融合的修船结算编码智能匹配复合模型。采用来自变换器的双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)模型将工程内容文本表示为词向量,采用卷积神经网络(Convolutional Neural Network,CNN)模型提取文本的局部特征,采用双向长短期记忆网络结合注意力机制(Bidirectional Long Short-Term Memory with Attention Mechanism,BiLSTM-Attention)模型提取上下文特征,得到对应的结算编码。试验结果表明,所提出的复合模型在整体准确率方面实现显著提升,充分证明该复合模型在处理复杂文本分类任务中的优势。
文摘由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码,已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多用户短码扩频的缺失矩阵模型,将复合码矩阵估计建模为盲源信号分离问题;然后将矩阵填充理论应用于复合码矩阵估计,提出基于奇异值阈值算法和快速独立成分分析算法的各用户复合码序列估计方法;最后利用m序列的移位相加性特性,提出延迟三阶相关算法,从各用户复合码序列中估计其包含的长短伪码序列。仿真表明,当信噪比高于-2 d B时,该文算法的长短伪码估计平均误码率低于0.1%。
文摘针对多径环境下异步长短码直扩码分多址信号(long and short code direct sequence code division multiple access,LSC-DS-CDMA)伪码估计难的问题,提出一种基于张量分解和联合估计的伪码估计方法,采用重叠窗对接收信号进行分段并构建张量模型。为改善传统线性步长搜索算法结合梯度下降的方法分解因子矩阵收敛较慢的问题,提出改进的线性步长搜索算法,结合使用动量梯度下降法对各子张量进行Tucker分解得到各因子矩阵,所需的迭代次数大大减少;利用接收增益矩阵和移位相乘解决复合码的排序模糊和幅度模糊问题;利用最大似然准则联合估计复合码和多径信道后,使用梅西算法和相关运算估计每个用户的长码和短码。仿真结果表明,该方法能够有效估计多径异步LSC-DS-CDMA信号的伪码。
文摘长短码直扩码分多址(Long and Short Code Direct Sequence Code Division Multiple Access,LSC-DS-CDMA)信号包含多个用户的长码和短码,低信噪比时,各用户之间干扰大,基于三阶相关函数的长短码估计方法性能不佳。为此,提出一种基于FastICA和梅西算法的伪码估计算法。首先,根据长码和短码周期对信号进行2次分段,将单通道LSC-DS-CDMA信号构造为多通道信号模型,采用FastICA算法分离每个用户长短码组成的复合码片段并进行拼接;其次,将各用户复合码延迟相乘2次,依次消除幅度模糊和短码干扰;然后,采用滑动搜索和梅西算法,估计得到长伪码生成多项式,恢复出长码,消除拼接误差;最后,在复合码和长码中做相关运算估计得到短码。仿真结果表明,信噪比大于-7 dB时,算法能准确估计3个用户的长短码。
基金Supported by the National Natural Science Foundation of China(61272451,61572380,61772383 and 61702379)the Major State Basic Research Development Program of China(2014CB340600)
文摘The global growth of the Internet and the rapid expansion of social networks such as Facebook make multilingual sentiment analysis of social media content very necessary. This paper performs the first sentiment analysis on code-mixed Bambara-French Facebook comments. We develop four Long Short-term Memory（LSTM）-based models and two Convolutional Neural Network（CNN）-based models, and use these six models, Na？ve Bayes, and Support Vector Machines（SVM） to conduct experiments on a constituted dataset. Social media text written in Bambara is scarce. To mitigate this weakness, this paper uses dictionaries of character and word indexes to produce character and word embedding in place of pre-trained word vectors. We investigate the effect of comment length on the models and perform a comparison among them. The best performing model is a one-layer CNN deep learning model with an accuracy of 83.23 %.
文摘针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短码信号序列估计方法。将LSC-DSSS信号输入NIC神经网络以估计随机采样起点,再通过不断输入数据训练NIC神经网络权值向量。当网络收敛时,权值向量的符号值即为LSC-DSSS信号的复合码序列片段。使用延迟相乘,消除幅度模糊与短扩频码序列的影响,再利用梅西算法获得扰码序列的生成多项式。仿真实验结果表明,NIC神经网络较特征值分解法的抗噪声性能提高6 dB,同时较Hebbian准则神经网络所需学习组数减少50%。
文摘短码扩频长码加扰的直扩信号可视为特殊的长码直扩信号,将其短扩频码和长扰码作为复合码。首先通过特征值分解和酉矩阵去位置模糊实现复合码的盲估计;然后利用m序列的三阶相关函数特性识别短扩频码的类型;最后根据识别结果采用三阶相关法或延迟三阶相关法实现长短伪码的盲估计。仿真表明,复合码估计在信噪比-7.5 d B以上可达到1%以下的误码率;当信噪比高于-6 d B时,三阶相关法估计长短伪码本原多项式的正确率可以达到90%以上;当信噪比高于-4 d B时,延迟三阶相关法估计长短伪码序列的误码率低于1%。
文摘为充分利用机场延误状态信息的时间相关性,提高机场延误预测精度,提出一种基于混合编码和长短时记忆网络(Long Short Term Memory,LSTM)的机场延误预测方法。该方法首先将机场信息、航班信息和气象信息进行数据预处理,得到机场延误数据;然后,利用LSTM网络对机场延误数据进行特征提取;最后,构建Softmax分类器对机场延误分类预测。实验结果表明,本文基于机场延误数据在数据预处理阶段提出的混合编码方法,可使预测准确率提高约5%。同时,利用LSTM网络来提取数据的时间相关特征信息,网络模型的预测准确率最终可达94.01%。并且利用不同机场数据对网络的普适性分析结果表明,该算法更适合于原始数据量大的中大型枢纽机场。
