基于点积自注意力卷积神经网络的歌声检测

传统的歌声检测过程往往包含了复杂的特征工程,而基于深度神经网络统一框架的算法则可以利用其强大的学习能力学习到特征,从而忽略特征工程。但是,这些学习到的特征通常得不到重要性区分,在网络中所占权重相同。针对这一问题,提出在卷积神经网络中嵌入点积自注意力模块的算法,该算法通过学习得到各个特征的注意力分布,调整注意力权重,使得卷积神经元在“观察”这些特征时能区分轻重,从而提升网络的整体性能。在实验部分,通过在两个公开数据集下测试,并和基准模型进行对比,证明了该算法对提升歌声检测水平切实有效。      

新型PTCDA/p-Si光电探测器

研制成功的PTCDA／p—Si新型光电探测器与型号为PHD714的PIN光电二极管的电参数进行了测试对比。结果表明,两者的光谱响应范围均为450～1100nm,峰值波长为930nm,对光的响应速度均小于10^-9s;在1000Lx及1．5V电压作用下,前者的光电流普遍大于100μA,后者光电流小于100μA,前者经高温（120℃）48h及低温（-80℃）12h 2次循环实验后测得其电参数稳定。表明,这种新型有机／无机光电探测器具有更优良的光敏性及可靠性。     

LiBq4/ITO和LiBq4/CuPc/ITO表面的AFM与XPS分析

用 AFM 对蓝色 OLED 的空穴传输层 LiBq4/ITO 和 LiBq4/CuPc/ITO 表面扫描。结果均呈岛状结构。LiBq4沉积在 ITO 上成膜较差,在 CuPc 上成膜较好。说明加入 CuPc 能有效改善 LiBq4的成膜质量。XPS 对样品表面 In3d 和 Sn3d 的电子状态分析也证实 ITO 表面沉积 LiBq4膜存在裂缝,加入 CuPc 可抑制裂缝出现。分析指出,CuPc 由于 Cu(II)离子半满的 dx2-y2轨道在卟啉环平面内和氮强烈作用形成离域大π键,使 LiBq4的沉积状态改善。     

OLEDs中CuPc缓冲层作用的AFM与XPS研究

利用AFM对CuPc/ITO样品表面进行扫描,发现其生长较均匀,基本上覆盖了ITO表面的缺陷,且针孔较少.通过样品表面和界面的XPS谱图分析,进一步证实了这一结果,同时发现,CuPc可以抑制ITO中的化学组分向空穴传输层的扩散.有利于器件的性能的改善和寿命的提高.     

实现SPIRITS的关键问题研究

SPIRITS提供了智能网与Internet互通的又一种模型（从PSTN/IN请求Internet业务）。 本文简要介绍了SPIRITS标志性业务及体系结构，着重对实体之间使用的服务及原语作了阐述、归类，并给出了使用SIP实现的业务流程，讨论了实现的细节，提出用XML实现INAP在SIP报文体中的表示。     

网络管理体系结构的深层次剖析

网络管理体系结构从当初的集中式体系,向分布化、智能化发展,采用的网络管理技术更是层出不穷,众说纷纭。该文对网络管理的体系结构和其中的技术从计算思想、委托粒度、信息模型的语义三个方面作了深层次的剖析。有助于设计者在分析和设计网络管理应用时选取合适的体系结构和技术。     

PTCDA/ITO表面和界面的AFM和XPS分析

利用X射线光电子能谱(XPS)对苝四甲酸二酐[3,4,9,10-perylenetetracarboxylic dianhydride(PTCDA)]/铟锡氧化物(ITO)表面和界面进行了研究.用原子力显微镜(AFM)对PTCDA/ITO样品的表面形貌进行了分析.XPS表明,在原始表面的C1s精细谱存在两个主谱峰和一个伴峰,主谱峰分别由结合能为284.6eV的苝环中的C原子和结合能为288.7eV的酸酐基团中的C原子激发;而结合能为290.4eV的伴峰的存在,说明发生了来源于ITO膜中的氧对C原子的氧化现象.O原子在C=O键和C-O-C键的结合能分别为531.5和533.4eV.在界面处,C1s谱中较高结合能峰消失,且峰值向低结合能方向发生0.2eV的化学位移;O1s谱向低结合能方向发生1.5eV的化学位移.由此可以推断,在界面处PTCDA与ITO的结合是PTCDA中的苝环与ITO中的In空位的结合.AFM的结果显示,PTCDA薄膜为岛状结构,岛的直径约为100～300nm,表面起伏约为14nm.相邻两层PTC-DA分子由于存在离域大π键而交叠和PTCDA分子中的苝环与ITO的In空位的紧密结合是最终导致PTCDA岛状结构形成的原因.     

一种新型音符起始点检测算法

提出一种利用乐音频率变化特征进行音符起始点检测的算法,该算法基于连续小波变换（CWT）对音乐信号进行分解,分解后的信号频率和乐音频率分布相同。从分解后的信号中提取音符起始点特征,使用双边指数光滑和移动窗口归一化算法优化检测函数,产生音符起始点。