矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

3D laser scanning strategy based on cascaded deep neural network

A 3D laser scanning strategy based on cascaded deep neural network is proposed for the scanning system converted from 2D Lidar with a pitching motion device. The strategy is aimed at moving target detection and monitoring. Combining the device characteristics, the strategy first proposes a cascaded deep neural network, which inputs 2D point cloud, color image and pitching angle. The outputs are target distance and speed classification. And the cross-entropy loss function of network is modified by using focal loss and uniform distribution to improve the recognition accuracy. Then a pitching range and speed model are proposed to determine pitching motion parameters. Finally, the adaptive scanning is realized by integral separate speed PID. The experimental results show that the accuracies of the improved network target detection box, distance and speed classification are 90.17%, 96.87% and 96.97%, respectively. The average speed error of the improved PID is 0.4239°/s, and the average strategy execution time is 0.1521 s. The range and speed model can effectively reduce the collection of useless information and the deformation of the target point cloud. Conclusively, the experimental of overall scanning strategy show that it can improve target point cloud integrity and density while ensuring the capture of target.     

利用深度学习的硬件计数器复用估计算法

利用深度学习方法,为硬件计数器复用(multiplexing,MPX)提供结果精度更高的估计模型。通过对MPX估计得到的结果与实际采集的真实数据进行相似性分析,证明相同程序多次运行之间得到的硬件计数值是线性相关的。采用神经网络多层感知器(multilayer perceptron,MLP)和双向门控神经网络(bidirectional gated recurrent unit, Bi-GRU)这2种深度学习模型,对MPX数据进行拟合。基于动态时间规整(dynamic time warping, DTW),提出一个全新的评估MPX数据精度的指标DTW-cost。实验结果表明,同时收集15个硬件事件数据时,MLP方法拟合得到的13个高性能计算应用平均准确率比现有使用最广的固定插值法高出10.53%,最多可提升19.8%;而在MLP表现较差的事件上,Bi-GRU方法得到的平均准确率提升了28.8%。     

多媒体教学在学前教育中的应用

多媒体技术在全世界范围内引起了教育界的广泛关注,其在大学、中学、小学的应用成果丰硕,在学前教育领域却是刚刚起步。我们应抓住机遇,及时地把多媒体技术引进学前教育领域。采用与21世纪教育发展相适应的多媒体技术是学前教育现代化的任务之一,是学前教育改革的一项重要内容。     

粉喷桩技术在防洪堤防工程中的应用研究

粉喷桩技术作为一种软基加固方法,以其高强度、较小的变形特性以及良好的稳定性广泛地应用于公路、铁路、港口、围海造田等工程软土地基的加固。但在防洪堤防工程中的应用刚刚开始,文中通过对此技术在堤防工程中的实际应用效果的介绍,为以后同类工程提供借鉴,以便其更好地在市政、水利工程中得到应用。     

高职新生外语学习风格调查分析

本研究通过问卷形式,对155名高职新生的感知学习风格进行调查,以了解学生外语学习风格总体倾向,不同民族、性别、专业及外语学习年限不同学生学习风格的差异,并分析其学习风格与外语学习成绩间的相关性。此研究目的是帮助高职外语教师了解学生感知学习风格偏好,使教师在教学过程中因材施教并指导学生重塑外语学习风格,以便提高高职学生外语学习效率。     

高中英语学困生的困境分析

学困生是所有学校普遍存在的一个群体,这些学生主要表现为学习成绩差、厌学、心理焦虑、烦躁、易怒等。英语学困生问题近年来得到了广泛关注,困境的成因和如何帮助他们摆脱困境已然成为一个我们不容忽视的问题,本文旨在阐述英语学困生面临的困境,分析困境的成因以及提出改善困境的措施。     

综合性大学师范生公共教育学学习态度调查研究

公共教育学是综合性大学教师教育专业的教育类课程的核心和基础,担负着培养学生教育教学所需要的现代教育理念、教育教学能力以及提高综合素质等多重任务。但近年来,师范生对公共教育学的学习态度,一直是阻碍公共教育学教学质量的一大难题。文章通过问卷和访谈的研究方法,调查师范生对学习公共教育学的态度情况,并从中发现由于教材,教学方式,学习方法,课程评价等因素的影响,师范生对公共教育学的学习态度比较消极,因此,通过引导,改变教学方式,提倡多样化的学习方法,建立多样化的课程评价方式等途径,积极促进师范生对公共教育学学习态度的转变,从而提高教学质量。     

基于部件模型的无人机系统小样本车辆目标识别方法

对地目标检测与识别是无人机系统典型任务之一,但受限于任务特殊性,往往难以获取足够的目标样本数据以实现高可靠的目标识别。为此,结合人的认知特性,提出一种基于部件模型的小样本车辆目标识别方法,可有效提高无人机感知能力。采用视觉显著性检测与物体性检测相结合的检测方法,提取目标可能区域;采用基于图论的GrabCut方法与最大类间方差法相结合的分割方法,分割目标并提取目标内部件;采用基于概率图模型的部件识别方法,通过将部件轮廓稀疏表示为条件随机场,并进行概率推理实现部件识别;采用基于贝叶斯的目标识别方法完成目标是否为车辆的判断。通过无人机拍摄的车辆图像验证表明,算法可在样本较少、光照变化、存在遮挡等情况下,以较高准确率检测并识别出车辆目标,同时识别算法具有一定可解释性。     

遥测参数数据载荷状态判别集成学习方法

针对载荷单机设备遥测参数维度高、数据量大、存在类别不平衡、无法直观判别单机设备运行情况等问题,考虑到航天任务对可解释性的要求,提出一种基于信息增益参数特征选择和集成学习方法的载荷单机状态快速识别方法。采用统计量性质和信息增益子集搜索方法对遥测数据进行特征筛选降维,通过集成学习模型算法实现载荷单机设备状态的自适应识别分类。所提方法将信息增益的参数分类信息量评价准则和集成学习拟合能力强、类别不平衡下准确率高和抗噪能力强等优点相结合,兼顾模型特征和结果的可解释性,提供了重点参数发现功能。采用科学卫星任务真实载荷遥测参数数据对该方法进行了验证,整体识别准确率高于90%,少数样本亦可准确识别,整体效果可达到在轨任务要求,证明了所提方法的有效性和实用性。