基于深度学习的文本分类技术研究进展

随着深度学习技术的快速发展,许多研究者尝试利用深度学习来解决文本分类问题,特别是在卷积神经网络和循环神经网络方面,出现了许多新颖且有效的分类方法。对基于深度神经网络的文本分类问题进行分析,介绍卷积神经网络、循环神经网络、注意力机制等方法在文本分类中的应用和发展,分析多种典型分类方法的特点和性能,从准确率和运行时间方面对基础网络结构进行比较,表明深度神经网络较传统机器学习方法在用于文本分类时更具优势,其中卷积神经网络具有优秀的分类性能和泛化能力。在此基础上,指出当前深度文本分类模型存在的不足,并对未来的研究方向进行展望。     

基于视锥细胞色适应生理机制的颜色恒常性计算

通过模拟人类底层视觉系统中的颜色恒常处理机制,提出基于视锥细胞色适应生理机制的颜色恒常性计算方法,利用视锥细胞的色适应计算代替基于灰度边缘假设的颜色恒常性计算方法所采用的Von Kries对角变换.实验结果及定量定性的分析表明本文方法比原计算模型下的算法颜色校正效果要好,能有效恢复图像中物体的本质颜色,且性能更稳定.从计算神经科学的角度,本文方法支持视锥细胞的色适应生理机制在视觉颜色恒常性中扮演重要角色的观点.     

捷联系统四元数工具误差分离模型研究

惯性器件的误差会使导弹飞行参数计算产生偏差,直接影响导弹的命中精度,通过实验数据分离惯性器件工具误差系数并反馈给数学平台进行误差补偿是提高导弹命中精度的主要手段。在四元数的基础上建立了捷联惯导系统工具误差分离模型,并对该模型进行了工具误差系数分离。仿真实验结果验证了该工具误差模型的正确性,其系数分离结果要优于传统的欧拉角误差模型,该模型的建立为捷联惯导技术的工程实践提供了重要参考。     

捷联系统四元数姿态解算的精细积分法

研究了基于四元数的相关理论,把精细积分方法应用于求解四元数姿态微分方程当中,并以典型圆锥运动作为输入条件对该算法进行了仿真分析。相同仿真步长条件下的仿真结果表明,该方法在高动态角运动环境下的解算精度要优于四阶龙格库塔算法,由圆锥运动引起的俯仰角算法漂移误差相对于于四阶龙格库塔方法也得到有效抑制,可以为捷联式惯性导航技术的工程实践提供参考。