基于改进对比散度的GRBM语音识别

对比散度作为训练受限波尔兹曼机模型的主流技术之一,在实验训练中具有较好的测试效果。通过结合指数平均数指标算法和并行回火的思想,提出一种改进对比散度的训练算法,包括模型参数的更新和样本数据的采样,并将改进后的训练算法应用于高斯伯努利受限玻尔兹曼机( GRBM)中训练语音识别模型参数。在TI-Digits数字语音训练和数字测试数据库上的实验结果表明,采用改进的对比散度训练的GRBM明显优于传统的模型训练算法,语音识别率能够达到80%左右,最高提升7%左右,而且应用改进算法训练的其他GRBM对比模型的语音识别率也都有所提高,具有较好的识别性能。     

基于代价敏感深度决策树的公交车环境人脸检测

针对公交车环境下的人脸检测具有光照变化、模糊、遮挡、低分辨率和姿势变化等问题,提出了基于代价敏感深度决策树的人脸检测算法。首先,基于归一化的像素差异（NPD）特征构建单个深度二次树（DQT）;接着,根据当前决策树的分类结果,利用代价敏感Gentle Adaboost方法对样本权重进行更新,依次训练出多棵深度决策树;最后,将所有决策树通过Soft-Cascade级联得到最终的检测算法。在人脸检测数据集（FDDB）和公交车视频上的实验结果表明,所提算法与现有的深度决策树算法相比,在检测率和检测速度上均有提升。     

臭氧预处理-常规处理-深层过滤组合工艺的生产性试验

针对广东饮用水源的水质特点,采用臭氧预处理—常规处理—深层过滤组合工艺对微污染水源水进行生产性试验,结果表明:当进水浊度、CODMn、氨氮、铁、细菌总数和大肠菌群等分别为8.44～112.09NTU,1.13～2.98mg/L,0.07～0.31mg/L,0.65～9.74mg/L,3.2×103～3.6×103CFU/mL和1.6×103CFU/100mL时,出水各指标分别为0.09～0.68NTU,0～0.79mg/L,小于0.02mg/L,小于0.01mg/L,未检出和小于3CFU/100mL;年平均去除率分别为99.15%,80.33%,84.89%,94.17%,100%和近100%。该工艺出水水质好,抗冲击负荷能力强,运行平稳。     

深层缝洞型碳酸盐岩凝析气藏勘探开发关键技术——以塔里木盆地塔中Ⅰ号气田为例

为了实现深层缝洞型碳酸盐岩凝析气藏的规模、高效开发,以塔里木盆地塔中Ⅰ号气田为例,结合该气田的勘探开发实践,针对该类气藏开发面临的难点问题,总结梳理了以缝洞型储层精细描述、井位优化部署为核心的勘探开发专项技术。研究结果表明:①缝洞型储集体的空间展布不规则,储层非均质性强且埋藏深导致对储层的精细描述难度大,并且随着凝析气藏开发的持续进行,储层中流体会发生反凝析现象,由于缝洞型储层储集空间类型的复杂性导致凝析油的赋存状态描述难,上述两方面原因的叠加影响使得该类气藏井位优化部署难度大;②所形成的以"两宽一高"为核心的三维地震采集技术,使获得的地震资料信噪比、分辨率及成像精度皆得到了大幅度的提高,可以识别出常规地震采集技术无法识别的小规模储层;③以地震数据为核心的缝洞体雕刻技术可以展示出缝洞在空间上的分布特征及发育情况,实现了单个缝洞体—缝洞单元—缝洞带的系统性研究,为缝洞型气藏的储量计算和井位部署打下了基础;④以成像测井为核心的缝洞体、流体识别技术,可以精准识别深层碳酸盐岩井旁缝洞体与流体,解释结果符合率达到87%;⑤以水平井型为核心的井位优化部署技术可以提高储层钻遇率和钻井成功率,同时,将...     

紧邻地铁的深基坑施工技术及其位移分析

深圳星河酒店基坑两侧紧邻地铁,周边环境复杂,开挖深度达18.6 m。该基坑支护主要为钻孔及人工挖孔咬合桩,为适应基坑周围环境的多样性,还采用了锚杆、植筋墙,利用结构本体换撑,静爆加切割拆除内支撑等工艺。分析了该基坑不同部位水平位移的原因,及基坑变形特征。经监测,基坑变形各项指标均在设计的控制标准之内,取得了令人满意的基坑支护效果,可供类似工程借鉴。     

多媒体社会事件分析综述

由于网络技术的飞速发展,自媒体、微博、论坛等基于互联网的多种交流渠道日渐完善,人们能够方便地在线生成和共享丰富的社会多媒体内容.社会事件数据具有跨平台、多模态、大规模、噪声大等特点,基于多媒体社会事件的分析研究非常具有挑战性.因此,如何对社会媒体数据进行处理,研究社会事件分析方法、设计有效的社会事件分析模型成为社会事件...     

基于监督学习深度自编码器的图像重构

针对数字图像受损信息的重构问题,提出一种将经典无监督学习自编码器(Auto-Encoder,AE)用于监督学习的新方法,并对深度模型结构与训练策略进行了研究。通过设计多组监督学习单层AE模型,提出了逐组“递进学习”和“关联编码”的学习策略,构建了一个新的基于监督学习的深度AE模型结构;对于新模型结构,采用多对一(一个输入样本的多种形式对应一个输出)的训练方法代替经典AE中一对一(一个输入样本对应一个输出)的训练方法。将该模型的结构和训练策略用于部分数据受损或遮挡的图像中进行数据重构测试,提高了模型对受损数据特征编码的表达能力和重构能力。实验结果表明,提出的新方法对于受损及遮挡样本的图像具有良好的重构效果和适应性。     

面向跨模态检索的协同注意力网络模型

随着图像、文本、声音、视频等多模态网络数据的急剧增长,人们对多样化的检索需求日益强烈,其中的跨模态检索受到广泛关注。然而,由于其存在异构性差异,在不同的数据模态之间寻找内容相似性仍然具有挑战性。现有方法大都将异构数据通过映射矩阵或深度模型投射到公共子空间,来挖掘成对的关联关系,即图像和文本的全局信息对应关系,而忽略了数据内局部的上下文信息和数据间细粒度的交互信息,无法充分挖掘跨模态关联。为此,文中提出文本-图像协同注意力网络模型(CoAN),通过选择性地关注多模态数据的关键信息部分来增强内容相似性的度量。CoAN利用预训练的VGGNet模型和循环神经网络深层次地提取图像和文本的细粒度特征,利用文本-视觉注意力机制捕捉语言和视觉之间的细微交互作用;同时,该模型分别学习文本和图像的哈希表示,利用哈希方法的低存储特性和计算的高效性来提高检索速度。在实验得出,在两个广泛使用的跨模态数据集上,CoAN的平均准确率均值(mAP)超过所有对比方法,文本检索图像和图像检索文本的mAP值分别达到0.807和0.769。实验结果说明,CoAN有助于检测多模态数据的关键信息区域和数据间细粒度的交互信息,充分挖掘跨模态数据的内容相似性,提高检索精度。     

基于深度学习和H&E染色病理图像的肿瘤相关指标预测研究综述

肿瘤的精确诊断对患者的治疗方案选择和预后预测都非常重要.病理学诊断被认为是肿瘤诊断的"金标准",但是,病理学发展目前仍然面临着巨大的挑战,如病理医生的缺乏,特别是在欠发达地区和小医院,这将导致病理医生长期超负荷工作,同时,病理诊断严重依赖于病理医生的专业知识和诊断经验,病理医生的主观性导致了诊断不一致性的激增.全切片扫...     

基于社会计算和深度学习的社交网络特定内容监控

社交网络极大地方便了人们的生活,加速了信息的共享,但同时也被用于不良和敏感信息的传播,内容安全问题亟待解决。针对此类问题,提出了一套基于社会计算和深度学习的社交网络特定内容监控体系,首先基于成对监督信息实现以内容为导向的半监督社区发现,找到所关心的特定人群;然后对所挖掘的特定人群进行实时监控并获取其发布的内容,对图像和视频进行实时自动内容识别;同时针对实网数据误报多的问题提出面向多负类的误判修正方法,以达到收集实时信息,净化网络环境,在一定程度上预防犯罪的目的。