基于DFCNN-CTC和Transformer的中文语音识别

语音识别一般只是将语音转化成文字,识别的结果是没有标点的一连串汉字,这不利于读者阅读,也会影响后续任务的处理.因此,引入语音端点检测解决上述问题.同时针对传统的语言模型N-gram存在忽略字词之间语义的相似性、训练时的参数过大等问题,提出一种以全序列卷积神经网络DFCNN作为声学模型,Transformer作为语言模型...     

奋楫扬帆正当时 成果转化促发展——2023年先进技术成果交易大会侧记

<正>习近平总书记在3月5日参加江苏省代表团审议时强调“加快实现高水平科技自立自强,是推动高质量发展的必由之路”“要发挥科技型骨干企业的引领支撑作用,不断提高科技成果转化和产业化水平”“深入推进新型工业化,推动制造业高端化、智能化、绿色化发展”。国家国防科技工业局与江苏省人民政府共建先进技术成果长三角转化中心,     

基于贝叶斯推理的海战场空中目标意图分层识别方法

针对海战场敌方空中目标意图识别方法都是一次性完成空中目标的意图识别,会在运算过程中带来消耗时间较多、效率较低的问题展开深入研究,在给出了海战场敌方空中目标相关特征参数计算和筛选公式的基础上,结合目标意图特点,依据指挥员的思维逻辑,提出了一种基于贝叶斯推理的海战场敌方空中目标意图分层识别新方法。该方法运用分层思想实现对更关注的目标意图更快捷的贝叶斯推理识别,可作为常规方法的简化过程,因此,可减少消耗时间,提高识别效率。基于实测数据的仿真实验验证了所提方法的有效性。     

扇形航路雷达探测式反潜巡逻机绩效评估方法

在军事领域研究中,反潜巡逻机绩效评估问题是个关键性的军事和技术问题,需要重点研究解决。传统的方法通常计算复杂或主要依赖于人的因素,不利于解决绩效评估问题。因此,如何寻求相对便捷的、简单的,且尽可能客观的评估方法,是有待研究的重要问题。针对这个问题展开了一定的研究,在论述分析了扇形航路雷达探测式反潜巡逻机工作特点的基础上,通过建立合理的数学模型,提出了一种面向反潜巡逻机绩效评估的新方法。该方法通过对机载雷达探测工作方式下的扇形搜索区域面积和持续巡逻时间进行概略评估,达到了简单、便捷的效果,可客观、合理、高效地实现一定的反潜巡逻机绩效评估。实验案例验证了所提方法的有效性。     

基于深度学习的战场态势高级理解模拟方法

当今军事领域问题的研究已步入了信息化主导的大数据时代,传统的智能辅助指挥员完成战场态势理解已遇到了瓶颈,亟需探索突破。认知智能中深度学习的提出可为该问题的突破提供契机。通常,指挥员进行战场态势理解是分层次的。其中的高级理解则需要深度学习来模拟。就此,展开了探索性研究。概述了战场态势评估的相关概念,分析了指挥员理解战场态势的思维模式,掌握了指挥员理解战场态势时的主要步骤,并结合深度学习运行原理,提出了一种基于深度学习的指挥员战场态势高级理解思维过程(以判断敌方对我方可能的主攻方向为例)模拟方法,该方法利用认知智能中的深度学习(以CNN为例)对指挥员战场态势高级理解过程进行非线性拟合处理,从而达到探索性模拟的目的,仿真实验结果验证了该方法的有效性。