针对中文分词的带标签注意力的成词记忆网络

成词信息是一种对中文分词任务十分重要的文本特征。最新中文分词模型之一的WMSEG就是通过引入成词信息来获得最顶尖的分词性能。然而这类模型在建模时并未考虑标签之间的依赖关系,导致其分词性能特别是对未登录词的识别有所欠缺。针对这一问题,通过在学习过程中引入标签嵌入的注意力机制,提出了一种带标签注意力的成词记忆网络来增强标签之间的依赖关系以及标签和字符之间的相关性。实验结果表明,该模型在四个常用数据集上都取得了不弱于WMSEG的分词性能,同时提高了对未登录词的识别能力。     

基于时延估计的扰动卡尔曼滤波器外力估计

针对机械臂末端力估计存在模型误差及系统扰动等问题,提出了一种基于时延估计的扰动卡尔曼滤波器外力估计法。在不使用额外力传感器的情况下,通过电机驱动电流的测量,采用时间延时估计法设计出不需要精确动力学模型的估计器。将外力作为状态变量,对系统的不确定性和扰动进行观测,考虑机械臂动力学和扰动动力学,设计出扰动卡尔曼滤波器来估计末端所受外力。使用Matlab仿真软件验证了该方法的有效性,结果表明所提估计方法对具有测量噪声、模型误差及不确定性扰动的系统具有很好的鲁棒性。     

基于拓扑马蹄理论的双耦合振子系统混沌现象研究

目前,耦合振子网络中的群体混沌现象已经成为混沌研究的新兴热点。因为群体混沌的发现历史较短,缺少成熟的研究理论和方法,主要的研究手段还是集中在诸如数值计算、功率谱和Lyapunov指数等较为粗糙的方法,难以描述群体混沌发生机制,缺乏严格数学意义下的判定。借助拓扑马蹄理论,对一双耦合振子构成的四维连续系统中的群体混沌现象进行了深入研究,在其庞加莱映射的相空间中找到了一维拉伸的拓扑马蹄,不仅严格判定了双耦合振子系统中群体混沌,而且揭示了群体混沌行为发生的动力学机制。     

球类运动中人体姿态估计研究进展

针对单个RGB图像,人体姿态估计通过对人体关键点定位来估计人体的位置和关节点位置。球类比赛是一种快速的运动,用主观观察对运动员的技术合法性进行判决无法避免错误。因此,文中利用基于人体姿态估计的运动员姿态分析技术进行辅助训练和辅助判罚,有效避免了传统系统中由于人的主观判断对运动员姿态的错误定位。目前,针对人体姿态估计的研究被分为基于传统算法和基于深度学习算法两种主要方式。在基于深度学习算法的基础上又分为单人人体姿态检测和多人人体姿态检测。基于深度学习算法的人体姿态估计通过构建神经网络,运用机器学习的方法提取图片特征读取图片信息,并在用于人体姿态估计的主流数据集上进行性能对比和分析。将人体姿态估计应用到球类运动中,为运动员的日常训练提供了一定的科学参考,同时也最大程度上保证了运动员比赛中的公平与公正。     

基于多传感信号融合的运动负荷强度信息监测

针对外界传感环境中因信道噪声过强、频谱信号接收能力较差，导致监测误差大的问题，提出多传感信号融合方法。对原始采集的负荷强度信号实施降序处理，并利用小波包变换法对分配后的数据重新定义，运用函数定义序列重建原始强度数据，排除噪声干扰；以该数据值作为运动负荷强度的判定集合，参考传感器监测状态、强度评价参数以及灵敏度数值三者间对应关系，以国家规定强度参数为判定依据，完成运动强度监测。仿真实验证明，所提方法的监测精准度较高、稳定性较好、整体实用性较强。     

结合新颖的互注意力和门控机制的图像标题生成

图像标题生成是通过机器产生描述图像的语句，属于多模态领域的重要研究方向之一.现有的工作大多数有两点不足：1)采用单一的图像特征，导致在非结构化场景中无法完全描述图像中更加细粒度的内容信息；2)模型大多数完全依赖图像的特征生成句子，而没有引入外部知识作为辅助信息.针对上述两点，提出一种互注意力和门控机制的方法.在MSCOCO2014数据集上和Flickr 30k数据集上分别进行实验，结果在各项指标上相较于主流模型均有一定的提升，表明该方法对图像内容的理解更加全面且生成的句子更加丰富.