基于PINN的含低浓度化学物种燃烧正逆问题建模方法

1

作者 张伟娜 李港扬 +2 位作者 崔弘杨 毕忠勤 戴丹 《动力工程学报》 北大核心 2026年第3期95-105,共11页

随着燃气轮机向更高效、更清洁方向发展,基于高保真模型的燃烧室设计需求日益迫切。提出基于变分自编码器火焰(variational auto-encoder flame,VAEF)的物理信息神经网络(physics-informed neural networks,PINN)对含低浓度化学物种的... 随着燃气轮机向更高效、更清洁方向发展,基于高保真模型的燃烧室设计需求日益迫切。提出基于变分自编码器火焰(variational auto-encoder flame,VAEF)的物理信息神经网络(physics-informed neural networks,PINN)对含低浓度化学物种的层流预混火焰正逆问题进行建模:通过基于自适应上下界或观测数据的约束映射;通过平滑窗划分计算域与局部加权;在稀疏观测条件下的逆问题中将变分自编码器重构误差与相对熵项加入观测条件损失计算中。结果表明:以上措施显著提升了训练稳定性与低浓度物种预测精度,PINN模型的决定系数均大于0.95,相对误差绝对值均小于15%,展现良好的全局拟合精度和参数反演能力,为复杂化学机理下的燃烧模拟与排放监测提供了鲁棒性更好的PINN方案。 展开更多

关键词 层流火焰 物理信息神经网络 自适应边界 局部加权 变分自编码器

在线阅读 下载PDF 职称材料

细节补偿下低分辨率激光图像自适应增强

2

作者 黄文娟 刘琴琴 《激光杂志》 北大核心 2026年第1期208-213,共6页

低分辨率激光图像在采集过程中易受设备性能限制和信号衰减等因素影响,导致图像清晰度和细节表现不佳,严重制约了其应用价值。为此,本研究提出一种低分辨率激光图像增强方法,以提升其视觉质量。基于加权编码器超分辨率网络展开图像重构... 低分辨率激光图像在采集过程中易受设备性能限制和信号衰减等因素影响,导致图像清晰度和细节表现不佳,严重制约了其应用价值。为此,本研究提出一种低分辨率激光图像增强方法,以提升其视觉质量。基于加权编码器超分辨率网络展开图像重构,结合局部集成模块和隐式神经表示模块,实现低分辨率激光图像的高质量重建。引入K-means聚类和全局直方图均衡化方法优化图像对比度,并采用多尺度Retinex方法和多尺度Retinex色彩恢复方法进行色彩增强,并结合拉普拉斯算子优化边缘轮廓。实验结果表明,所提方法在图像清晰度和视觉效果上表现较好,能够显著提升低分辨率激光图像的质量,为激光图像处理提供了新的解决方案。 展开更多

关键词 图像重构 加权编码器超分辨率网络 K-MEANS聚类 全局直方图均衡化

原文传递

基于深度神经网络的汉藏机器翻译模型

3

作者 张子玥 于永斌 +4 位作者 王向向 夏桓希 徐嘉宏 许杰翔 尼玛扎西 《中央民族大学学报(自然科学版)》 2025年第3期41-47,共7页

在自然语言处理领域,汉藏机器翻译面临的挑战主要源于汉语和藏语在语法结构、词汇使用和表达习惯上的显著差异,以及高质量双语语料库的缺乏。为了应对这些要求,本文基于Transformer结构深度神经网络架构训练了一个汉藏神经机器翻译模型... 在自然语言处理领域,汉藏机器翻译面临的挑战主要源于汉语和藏语在语法结构、词汇使用和表达习惯上的显著差异,以及高质量双语语料库的缺乏。为了应对这些要求,本文基于Transformer结构深度神经网络架构训练了一个汉藏神经机器翻译模型,同时训练了一个使用轻量级卷积结构的模型,以进行性能比较,使用BLEU-4指标对模型进行了评估。在汉藏翻译任务中,Transformer模型展现了良好的性能(BLEU值为22.24),证明Transformer在处理藏语语言结构方面的有效性,轻量级卷积模型的BLEU达到了21.67。虽然翻译准确度相近,但Transformer大幅缩短了训练时间并提高了训练效率(训练速度提高了28%),这也是开展大规模NMT任务的一个关键因素。此外,本文通过比较不同的分词和字节对编码(BPE)方法,发现数据预处理在提高低资源语言翻译准确度方面起着重要作用,使用BPE方法训练的模型,其BLEU值提高了5.23。 展开更多

关键词 深度神经网络 轻量化卷积 汉藏神经机器翻译 字节对编码 低资源语言

在线阅读 下载PDF 职称材料

基于多重卷积组合大模型的光伏出力预测

4

作者 殷林飞 张依玲 《综合智慧能源》 2025年第4期63-72,共10页

针对光伏出力预测准确率较低的问题,提出一种多重卷积组合大模型,即三重卷积神经网络(TCNNs)、权重全连接回归网络(WFRN)和改进的双向编码器表征网络(IBERT)的组合预测模型。TCNNs采用多种尺寸的卷积核由浅入深高效挖掘光伏数据的特征信... 针对光伏出力预测准确率较低的问题,提出一种多重卷积组合大模型,即三重卷积神经网络(TCNNs)、权重全连接回归网络(WFRN)和改进的双向编码器表征网络(IBERT)的组合预测模型。TCNNs采用多种尺寸的卷积核由浅入深高效挖掘光伏数据的特征信息;WFRN利用粒子群优化算法优化2个深度神经网络预测输出的权重系数,提高预测精度;整合TCNNs和WFRN的预测结果并输入到IBERT的大模型中训练,利用IBERT的注意力机制实现可解释性的特征分析,从而确定最终光伏出力预测值。将TCNNs-WFRN-IBERT用于预测巴西纳塔尔市提前1d每小时的光伏出力,用实际光伏出力和气象数据进行仿真试验并与38种算法作对比。试验结果表明,TCNNs-WFRN-IBERT模型的平均绝对误差、均方误差和均方根误差分别为22.61 W,1818.20 W2和42.64 W。经对比,TCNNs-WFRN-IBERT的各评价指标均低于其他模型,且MAE数值比其他38种对比模型相对至少小2.71%,验证了所提模型的有效性。 展开更多

关键词 三重卷积神经网络 权重全连接回归网络 改进的双向编码器表征网络 光伏出力预测 多重卷积组合大模型 注意力机制

在线阅读 下载PDF 职称材料

网络流量异常检测方法:SSAE-IWELM-AdaBoost 被引量：9

5

作者 李小剑 谢晓尧 徐洋 《武汉大学学报（理学版）》 CAS CSCD 北大核心 2020年第2期126-134,共9页

针对传统入侵检测方法在高维海量数据且类别分布不均衡的环境下检测性能较差的问题,提出一种流量异常检测方法SSAE-IWELM-AdaBoost,该方法基于堆叠稀疏自编码网络(stacked spare auto encoder,SSAE)并融合改进加权极限学习机(weighted e... 针对传统入侵检测方法在高维海量数据且类别分布不均衡的环境下检测性能较差的问题,提出一种流量异常检测方法SSAE-IWELM-AdaBoost,该方法基于堆叠稀疏自编码网络(stacked spare auto encoder,SSAE)并融合改进加权极限学习机(weighted extreme learning machine,WELM)。该方法首先使用堆叠稀疏自编码网络直接从原始流量数据中自动学习并提取特征,获取原始数据的低维抽象表示,然后以WELM作为集成算法(AdaBoost)的基础分类器,利用修改的训练样本权值分配规则和基分类器权值更新公式迭代训练基分类器,通过加权投票表决的方法得到最优强分类器完成网络攻击流量的识别。在UNSW-NB15数据集上进行仿真实验,实验结果表明,SSAE-IWELM-AdaBoost算法可以提高整体的检测精度以及小样本攻击的检测率,缩短分类器的训练时间,能较好地满足大规模网络环境下原始流量数据实时检测,对不均衡流量数据识别也具有较好的表现。 展开更多

关键词 网络流量异常检测 堆叠稀疏自编码 加权极限学习机 集成算法 深度学习

原文传递

小样本下基于迁移学习的轴承状态识别方法 被引量：10

6

作者 曹宁 江志农 高金吉 《噪声与振动控制》 CSCD 2020年第5期89-94,132,共7页

传统的基于机器学习的滚动轴承状态识别方法需要满足两个前提条件,即目标数据量充足、训练数据和测试数据分布相同。然而在实际工程中,滚动轴承的工作环境非常复杂,无法满足上述条件。为了解决上述问题,提出一种基于加权混合核迁移成分... 传统的基于机器学习的滚动轴承状态识别方法需要满足两个前提条件,即目标数据量充足、训练数据和测试数据分布相同。然而在实际工程中,滚动轴承的工作环境非常复杂,无法满足上述条件。为了解决上述问题,提出一种基于加权混合核迁移成分分析(Weighted Mixed Kernel Transfer Component Analysis,WKTCA)的栈式自编码(Stacked Auto-Encoder,SAE)神经网络的轴承状态识别方法,用于目标数据不足时滚动轴承的状态识别。该方法引入源域数据,利用迁移成分分析(Transfer Component Analysis,TCA)理论构造加权混合核函数,将源域数据与目标域数据映射到同一特征空间进而实现迁移学习(Transfer learning,TL);进一步将特征值输入到具有分类功能的SAE神经网络进行特征自学习和轴承状态识别。对比分析不同数量的目标数据对轴承状态识别准确率的影响,实验结果表明,WKTCA算法可明显缩小目标域数据与源域数据的分布差异,并实现小样本下轴承状态的准确识别。 展开更多

关键词 故障诊断 加权混合核迁移成分分析 栈式自编码神经网络 迁移学习 状态识别 滚动轴承

在线阅读 下载PDF 职称材料

轻量金字塔解码结构的单目深度估计网络 被引量：2

7

作者 贾瑞明 李彤 +1 位作者 李阳 王一丁 《计算机应用研究》 CSCD 北大核心 2021年第1期293-297,共5页

针对单目深度估计网络庞大的参数量和计算量,提出一种轻量金字塔解码结构的单目深度估计网络,可以在保证估计精度的情况下降低网络模型的复杂度、减少运算时间。该网络基于编解码结构,以端到端的方式估计单目图像的深度图。编码端使用Re... 针对单目深度估计网络庞大的参数量和计算量,提出一种轻量金字塔解码结构的单目深度估计网络,可以在保证估计精度的情况下降低网络模型的复杂度、减少运算时间。该网络基于编解码结构,以端到端的方式估计单目图像的深度图。编码端使用ResNet50网络结构;在解码端提出了一种轻量金字塔解码模块,采用深度空洞可分离卷积和分组卷积以提升感受野范围,同时减少了参数量,并且采用金字塔结构融合不同感受野下的特征图以提升解码模块的性能;此外,在解码模块之间增加跳跃连接实现知识共享,以提升网络的估计精度。在NYUD v2数据集上的实验结果表明,与结构注意力引导网络相比,轻量金字塔解码结构的单目深度估计网络在误差RMS的指标上降低约11.0%,计算效率提升约84.6%。 展开更多

关键词 单目深度估计 卷积神经网络 编解码结构 轻量金字塔解码

在线阅读 下载PDF 职称材料

柴油机故障的堆栈自编码特征提取与随机森林识别 被引量：5

8

作者 郭兆松 吴士力 邓侃 《机械设计与制造》 北大核心 2022年第9期37-42,48,共7页

为了提高柴油机故障的在线识别准确率,提出了堆栈自编码特征提取方法和话语权随机森林的故障类别识别方法。对缸盖罩振动信号为分析对象,提出了样本熵自适应小波阈值去噪方法,有效提高了信号的信噪比。使用堆栈自编码网络提取振动信号... 为了提高柴油机故障的在线识别准确率,提出了堆栈自编码特征提取方法和话语权随机森林的故障类别识别方法。对缸盖罩振动信号为分析对象,提出了样本熵自适应小波阈值去噪方法,有效提高了信号的信噪比。使用堆栈自编码网络提取振动信号的故障特征向量,所提取特征类内聚合度高、类间区分度好。在传统森林算法基础上,根据决策树的预测试准确率为其赋予不同的话语权,从而提出了话语权随机森林算法,并将其应用于柴油机运行故障模式识别。经10组实验验证,传统森林算法的平均识别准确率为90.32%,话语权森林算法的平均识别准确率为99.67%,比传统算法提高了10.35%;另外,话语权森林算法的识别准确率标准差远小于传统随机森林算法。以上数据说明经过改进,随机森林算法的识别准确率和稳定性均得到了提高。 展开更多

关键词 柴油机故障诊断 自适应小波阈值去噪 堆栈自动编码网络 话语权森林算法

在线阅读 下载PDF 职称材料

一种面向耳戴式设备的用户安全连续认证方法 被引量：1

9

作者 王勇 熊毅 +1 位作者 杨天宇 沈益冉 《计算机研究与发展》 EI CSCD 北大核心 2024年第11期3821-3834,共14页

耳戴式设备作为典型智能物联网边端感知设备应用场景众多,保护其合法用户隐私以及防止非法使用至关重要.针对当前耳戴式设备用户身份认证方法受输入界面、传感器成本以及设备功耗等限制导致安全性不足、普适性不高以及用户体验不佳等问... 耳戴式设备作为典型智能物联网边端感知设备应用场景众多,保护其合法用户隐私以及防止非法使用至关重要.针对当前耳戴式设备用户身份认证方法受输入界面、传感器成本以及设备功耗等限制导致安全性不足、普适性不高以及用户体验不佳等问题,提出一种基于耳戴式设备内置惯性测量单元的用户身份认证方法,该方法通过采集用户执行面部交互手势所产生的振动信号来提取用户特异性信息,并基于上述信息的智能分析实现多样化的隐式用户连续身份认证.为了提取精准可靠的用户特异性信息,提出了一种基于孪生网络的深度神经网络特征编码器,将同一用户的手势样本映射到特征空间中更近的位置,放大不同用户的手势样本之间的距离,实现用户特异性信息的有效编码.对于基于用户特异性信息的用户身份连续认证,提出了一种基于单类支持向量机超平面距离的加权投票策略,能够自适应地优化判别边界来更好地捕捉蕴含的特征和结构,根据超平面内外样本点与超平面的距离决定该样本的置信程度,以此设计加权投票实现认证.实验结果表明,所提方法在单次投票中实现了97.33%的认证准确率,7轮投票的连续认证后取得99.993%的认证准确率,优于对比的所有方法,无需密码的同时提供更流畅的用户体验和更高级别的安全性,具有较高的实际应用价值. 展开更多

关键词 智能物联网 耳戴式设备 用户连续认证 深度神经网络特征编码器 加权投票策略

在线阅读 下载PDF 职称材料

偏置剪枝叠式自编码回声状态网络的时序预测 被引量：1

10

作者 刘丽丽 刘玉玺 王河山 《计算机工程与设计》 北大核心 2024年第1期212-219,共8页

针对大多数模型对时间序列预测数据的预测准确率较低,为提升时间序列的预测精度,提出一种基于Biased Drop-weight的偏置剪枝叠式自编码回声状态网络(BD-AE-SGESN)的深度模型。以叠式ESN为多层深度网络框架,提出一种生成式AE算法生成每... 针对大多数模型对时间序列预测数据的预测准确率较低,为提升时间序列的预测精度,提出一种基于Biased Drop-weight的偏置剪枝叠式自编码回声状态网络(BD-AE-SGESN)的深度模型。以叠式ESN为多层深度网络框架,提出一种生成式AE算法生成每一层的输入权值,利用BD算法根据输入权重激活值进行剪枝。对比实验结果表明,该模型能够有效提升预测准确率,在3个不同的数据上,相比其它模型有着较小的预测误差和较高的稳定度。 展开更多

关键词 多变量时间序列 回声状态网络 预测模型 剪枝 自编码 深度网络 权重优化

在线阅读 下载PDF 职称材料

多重编码的三维多目标光学模式识别研究

11

作者 李豫华 孙颖张延 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 1996年第4期262-266,共5页

利用Ｋｏｈｏｎｅｎ侧抑制自组织神经网络算法和改进的增量算法，对三维多目标识别中的同一目标不同训练样本由单一编码改为多重编码，减轻了多层级联神经网络中第一级网络权重的学习负担，在不降低网络识别目标正确率的条件下。

关键词 多目标识别 多层级联网络 多重编码 模式识别

在线阅读 下载PDF 职称材料

基于Transformer神经网络的滚动轴承故障类型识别 被引量：18

12

作者 邱大伟 刘子辰 +3 位作者 周一青 龙隆 谭雯雯 曹欢 《高技术通讯》 EI CAS 2021年第1期1-11,共11页

工程应用中的滚动轴承故障类型识别要求同时具有较高的识别准确度和时间效率,基于上述需求提出基于Transformer神经网络的滚动轴承故障类型识别方法。所提方法结合小波包变换时频域能量特征和快速傅里叶变换频域特征生成满足Transforme... 工程应用中的滚动轴承故障类型识别要求同时具有较高的识别准确度和时间效率,基于上述需求提出基于Transformer神经网络的滚动轴承故障类型识别方法。所提方法结合小波包变换时频域能量特征和快速傅里叶变换频域特征生成满足Transformer神经网络的输入样本矩阵,解决Transformer神经网络的输入问题。同时,提出应用于滚动轴承故障类型识别的归一化位置编码方法,解决Transformer神经网络在滚动轴承故障分析领域的位置编码问题。在此基础上,提出Transformer神经网络双向输入样本矩阵处理机制和算法训练过程中错误样本权重增强机制,提升所提方法的鲁棒性。使用KAt数据中心的滚动轴承数据集验证所提方法的识别性能,与现有常用深度学习方法相比,所提方法在时间效率和准确度性能上均有一定的优势,其中,准确度能够提升11%以上,单个样本的平均处理时间小于1 ms。 展开更多

关键词 滚动轴承 故障类型识别 Transformer神经网络 前向特征矩阵 后向特征矩阵 归一化位置编码 权重增强

在线阅读 下载PDF 职称材料

基于深度稀疏自编码网络和场景分类器的电网气象故障预警方法 被引量：11

13

作者 胡谅平 丛伟 +3 位作者 徐安馨 魏振 邱吉福 陈明 《电力系统保护与控制》 EI CSCD 北大核心 2022年第20期68-78,共11页

为保证电网安全稳定运行,提高电网防灾减灾和弹性水平,提出了一种基于深度稀疏自编码网络和场景分类器的电网气象故障预警方法。首先,采用主客观权重相结合的动态赋权方法,对气象因子进行初始赋权,以合理表征不同气象因子对电网故障的... 为保证电网安全稳定运行,提高电网防灾减灾和弹性水平,提出了一种基于深度稀疏自编码网络和场景分类器的电网气象故障预警方法。首先,采用主客观权重相结合的动态赋权方法,对气象因子进行初始赋权,以合理表征不同气象因子对电网故障的影响程度。然后,对传统的深度自编码网络增加稀疏性约束条件,以提高网络训练的收敛性,并在深度自编码网络的最后一层增加场景分类器,以提高气象因子与电网故障场景间关联关系的合理性。最后,将带权重的气象因子以及设备因子和环境因子作为深度稀疏自编码网络的输入,利用支持向量机构建多因素耦合的电网气象灾害故障预警模型。采用实际电网故障算例验证了所提方法的有效性。 展开更多

关键词 电网气象故障 预警方法 动态组合权重 场景分类器 深度稀疏自编码网络

在线阅读 下载PDF 职称材料

基于特征辨识和变分自编码器网络的工商业空调负荷辨识 被引量：3

14

作者 谭伟涛 姚冰峰 +4 位作者 郭大琦 马闯 麻吕斌 王朝亮 林振智 《电力自动化设备》 EI CSCD 北大核心 2024年第12期61-68,共8页

空调负荷功率的准确计算是实现其需求侧管理的关键,为此,提出基于负荷曲线特征辨识和变分自编码器网络的工商业用户空调负荷辨识方法。针对用户的连续日负荷曲线,提出基于局部加权线性拟合和快速动态时间规整的负荷曲线形态相似度度量方... 空调负荷功率的准确计算是实现其需求侧管理的关键,为此,提出基于负荷曲线特征辨识和变分自编码器网络的工商业用户空调负荷辨识方法。针对用户的连续日负荷曲线,提出基于局部加权线性拟合和快速动态时间规整的负荷曲线形态相似度度量方法,以实现对负荷曲线形态特征的度量。提出基于点排序的聚类结构辨识算法的日负荷序列特征辨识方法,以实现对负荷曲线的分类。针对同一特征类型下的用户日负荷序列,提出基于变分自编码器网络的空调负荷辨识算法,以实现空调负荷功率的准确计算。以浙江某市的加工制造业和商业写字楼宇用户负荷数据验证本文所提方法的有效性。算例仿真结果表明,所提方法可以在无需电表高频采样数据、无须预先获取用户的用电设备信息和用电行为信息的条件下准确辨识用户空调负荷功率,为量化空调负荷参与需求响应的可调潜力提供了基础。 展开更多

关键词 空调负荷 工商业用户 负荷辨识 局部加权线性拟合 OPTICS算法 变分自编码器网络

在线阅读 下载PDF 职称材料

基于协作中继的多元网络乘积码

15

作者 淦明 李辉 戴旭初 《通信学报》 EI CSCD 北大核心 2013年第6期108-113,共6页

相比基于XOR的网络编码协作方案,网络乘积编码协作方案是一种更有前景的抗衰落技术,既能明显地提高误码率性能,又能减少网络中所需要的中继个数。基于协作多址接入场景设计了一种多元网络乘积编码协作方案,通过深入的理论分析表明所构... 相比基于XOR的网络编码协作方案,网络乘积编码协作方案是一种更有前景的抗衰落技术,既能明显地提高误码率性能,又能减少网络中所需要的中继个数。基于协作多址接入场景设计了一种多元网络乘积编码协作方案,通过深入的理论分析表明所构建的网络乘积码能实现近似高斯权重分布,从而能明显地提高误码纠错率。仿真结果也验证了该协作方案相比传统网络乘积码能获得更高的误码率性能。 展开更多

关键词 网络编码 乘积码 权重分布 分布式编码 高码率

在线阅读 下载PDF 职称材料

基于自编码器的水声非相干恒重映射优化

16

作者 姚衍 武岩波 朱敏 《控制理论与应用》 EI CAS CSCD 北大核心 2022年第11期2019-2027,共9页

针对水声多径衰落非相干信道,提出一种灵活的恒重自编码方案以解决传统恒重映射(如Hadamard映射)权重单一,频谱利用率低的问题.将水声多径信道建模为泛化性更高的Rice衰落,利用深度神经网络(DNN)合理构建自编码器(AE),在多个衰落因子下... 针对水声多径衰落非相干信道,提出一种灵活的恒重自编码方案以解决传统恒重映射(如Hadamard映射)权重单一,频谱利用率低的问题.将水声多径信道建模为泛化性更高的Rice衰落,利用深度神经网络(DNN)合理构建自编码器(AE),在多个衰落因子下进行输入到输出的端到端训练,在发射平均功率不变的条件下,得到权重分布更优的映射集.发射符号幅度不局限于‘0’和‘1’的分布集合,但分组仍保持恒重.接收端仍可采用能量检测,不依赖信道状态信息(CSI)、鲁棒性强.为扩展到高阶情况,提出一种低复杂度的网络输入模式使AE复杂度大大降低,加速训练收敛.仿真证明,在接收端CSI未知的情况下,所提方案在标准衰落信道及Bellhop模拟水声信道上均取得相较传统方案5–6 dB的性能增益.最后,采用通信带宽4 kHz,通信距离2500 m,海底深度1750 m的南海海试数据对结果进行了验证. 展开更多

关键词 水声通信 深度神经网络 Rice衰落信道 恒重码 自编码器

在线阅读 下载PDF 职称材料

神经网络非线性纠单错码的研究 被引量：1

17

作者 高丽丽 郭延利 刘兴平 《延安大学学报（自然科学版）》 1997年第2期33-40,共8页

本文采用神经网络吸引子编译码方法，设计了一种新的离散型Ｈｏｐｆｉｅｌｄ自反馈神经网络，其权值矩阵具有较强的规律性。由这种网络得到了ＳＥＣ－ＤＥＤ非线性码。码的种类较多，无监督元。译码复杂性低且网络一步收敛，网络的存储... 本文采用神经网络吸引子编译码方法，设计了一种新的离散型Ｈｏｐｆｉｅｌｄ自反馈神经网络，其权值矩阵具有较强的规律性。由这种网络得到了ＳＥＣ－ＤＥＤ非线性码。码的种类较多，无监督元。译码复杂性低且网络一步收敛，网络的存储容量、纠错性能大大高于文献［２］。 展开更多

关键词 神经网络 权值矩阵 吸引子 编码 译码 纠错

在线阅读 下载PDF 职称材料

纠双错神经网络非线性码的研究 被引量：1

18

作者 高丽丽 郭延利 刘兴平 《延安大学学报（自然科学版）》 1998年第1期1-7,共7页

本文献在文［１］、［２］的基础上，设计了一种离散型Ｈｏｐｆｉｅｌｄ自反馈神经网络，其权值矩阵仍具有较强的规律性。将这种网络应用于编码技术，得到了纠双错的非线性（ＤＥＣ－ＴＥＤ）码，同时对非线性码的旋转平移性进行了研究... 本文献在文［１］、［２］的基础上，设计了一种离散型Ｈｏｐｆｉｅｌｄ自反馈神经网络，其权值矩阵仍具有较强的规律性。将这种网络应用于编码技术，得到了纠双错的非线性（ＤＥＣ－ＴＥＤ）码，同时对非线性码的旋转平移性进行了研究。这种网络原理简单，译码复杂性低，所得码具有一定的规律性。 展开更多

关键词 神经网络 DEC-TED码 编码 译码 纠错码 非线性码

在线阅读 下载PDF 职称材料

基于孪生网络和BERT模型的主观题自动评分系统 被引量：11

19

作者 钱升华 《计算机系统应用》 2022年第3期143-149,共7页

由于现在缺乏多语言教学中的主观题自动评分,针对这一问题提出了一种基于孪生网络和BERT模型的主观题自动评分系统.主观题的问题文本和答案文本通过自然语言预处理BERT模型得到文本的句向量,BERT模型已经在大规模多种语言的语料上经过训... 由于现在缺乏多语言教学中的主观题自动评分,针对这一问题提出了一种基于孪生网络和BERT模型的主观题自动评分系统.主观题的问题文本和答案文本通过自然语言预处理BERT模型得到文本的句向量,BERT模型已经在大规模多种语言的语料上经过训练,得到的文本向量包含了丰富的上下文语义信息,并且能处理多种语言信息.然后把问题文本和答案文本的句向量再通过深度网络的孪生网络进行语义相似度的计算,最后连接逻辑回归分类器,完成主观题的自动评分.实验所使用数据集由Hewlett基金提供的英文数据集以及翻译后的中文数据集,并以二次加权Kappa系数作为模型的评估指标.实验结果表明,对比其他基准模型,基于孪生网络和BERT模型的自动评分系统在各个数据子集得到的结果最好. 展开更多

关键词 自然语言处理 主观题自动评分 孪生网络 基于transformer的双向编码器表示 二次加权Kappa系数

在线阅读 下载PDF 职称材料

Hopfield神经网络非线性纠三错码的研究

20

作者 高丽丽 赵西卿 刘兴平 《延安大学学报（自然科学版）》 1998年第2期1-7,共7页

本文设计了一种高散型Ｈｏｐｆｉｅｌｄ自反馈神经网络，其权值矩阵具有较强的规律性（权值矩阵是主对线为１的的对称矩阵）。将这种网络应用于编码技术，得到了纠三错的非线性（ＴＥＣ—ＦＥＤ）码，同时对非线性码的旋转平移性进行了... 本文设计了一种高散型Ｈｏｐｆｉｅｌｄ自反馈神经网络，其权值矩阵具有较强的规律性（权值矩阵是主对线为１的的对称矩阵）。将这种网络应用于编码技术，得到了纠三错的非线性（ＴＥＣ—ＦＥＤ）码，同时对非线性码的旋转平移性进行了研究。这种网络原理简单，译码复杂性低。 展开更多

关键词 神经网络 TEC-FED码 编码 非线性码 纠三错码

在线阅读 下载PDF 职称材料