基于梯度的自适应阈值结构化剪枝算法

在边缘设备上运行深度神经网络模型并进行实时性分析,需要对网络模型进行压缩以减少模型参数量和计算量,但现有剪枝算法存在耗时长和模型压缩率低的问题。提出一种基于梯度设置不同阈值的结构化剪枝算法。对神经元进行细粒度评价,采用神经网络的梯度信息衡量权重的重要性,通过网格搜索和计算曲率的方式获取不同网络层的剪枝权重阈值,根据搜索后的剩余参数量确定不同网络层的卷积核中需要剔除的冗余参数。在此基础上,保留网络层中有效参数较多的卷积核,实现对卷积核个数的调整,进而重新训练以保证模型精度。分别对VGG16、ResNet50分类模型和SSD、Yolov4、MaskRCNN目标检测模型进行剪枝实验,结果表明,经该算法剪枝后,分类模型参数量减少92%以上,计算量减少70%以上,目标检测模型参数量减少75%以上,计算量减少57%以上,剪枝效果优于Rethinking、PF等算法。     

基于.NET和MapObjects的WebGIS

以国家“863”计划子课题“国家草业信息化平台”系统应用为背景，结合微软最新开发平台.NET和ESRI公司的M印Objects，研究并实现了一个新的WebGIS。通过分离地图图素数据和属性数据达到提高访问效率和属性数据安全目的，实现了简易的数据维护界面，并且可以结合现有的流媒体服务实现图素和多媒体资料问的关联。     

基于PDA的农业专家系统的知识表示与推理策略

专家系统在农业领域的应用是当前关于专家系统研究和应用的热点课题之一。智能化信息技术特别是人工智能(专家系统技术)在世界农业领域中的应用始于70年代末。经过20余年发展,应用已经遍及作物栽培管理、设施园艺管理、畜禽饲养、水产养殖、资源保护与耕作以及农场管理与决策等各方面。目前,农业专家系统基本上都是在PC平台上开发的,不便于带到田间地头直接指导农业生产;另一方面,我国大部分农村还不富裕,PC台式机和笔记本电脑的价格还难以承受,因而不能用PC平台上的农业专家系统在农村进行广泛的推广。另外我国和发达国家国情有很大不同,例如美国、日本、以色列及欧洲一些国家的农庄面积大,机械化程度高,基本上是工厂化管理方式,农场主科技文化素质高,因此这些国家的农场主对如何提高资源利用率、农业经济效益、保护环境实现持续发展等方面等技术研究与应用比较重视,农业信息化程度较高,劳动生产率也较高;而我国由于广     

基于PDA的农业专家系统的设计和实现

文章根据文犤3,4犦提出的基于PDA的综合知识表示与推理策略,在PDA上将数据库和知识库集成,运用基于PDA的通用推理算法,首次实现了基于PDA的农业专家系统。这些软件已投入运行,并取得了良好的效果。另外还介绍了系统实现的一些关键技术。     

2005年度863计划中文信息处理与智能人机接口技术评测回顾

2005年度863计划中文信息处理与智能人机接口技术评测于2005年9月20-22日举行.本次评测涉及机器翻译、语音识别、信息检索三大类技术.本文给出了此次评测的组织过程、参评单位、评测方案、数据准备、结果分析等各方面总体情况,更详细的情况在本论文集收集的各分项评测报告中给出.与往年的863评测相比,本次评测的主要特点是全面采用了国际上通行的网上评测的方式,提供了大量的训练数据,并且在评测研讨会上为参评单位提供了更加充分的交流机会.     

一种基于模拟退火的自适应算法

针对常规BP算法收敛速度慢和易陷入局部极小的问题,文章提出了一种新的BP算法———SASSFBP算法。该算法根据训练中最近两个梯度的符号及其相对大小来动态地改变权步因子,提高了神经网络的收敛速度,并同时结合模拟退火算法来避免陷入局部极小。仿真实验结果表明:SASSFBP算法在收敛速度与运算精度,以及避免陷入局部极小的能力等方面均明显优于常规的BP算法。     

基于PDA的知识库与数据库集成和通用推理算法

由于关系数据库与传统的演绎推理都基于相同的数学背景,即一阶谓词逻辑,关系数据库的数据检索(关系演算)事实上都可以看成逻辑演算的一种特例,因此有人进行基于PC的知识库与数据库集成的研究,如将基于关系数据库的管理系统扩充为演绎推理等,但是这些处理都较复杂,如带回溯的搜索就很难在PDA上实现。因此,针对PDA的容量和处理能力,为了一体化地管理数据和知识,把农业专家系统中的推理机制放到数据和知识的集成环境中,使推理过程靠近数据,减少由于规则处理和数据分离造成的接口开销,本文研究将知识库与数据库集成,以便在PDA上处理演绎推理,并与文提出的综合知识表示和综合推理策略结合起来,提出了基于PDA的通用推理算法。     

基于汉盲对照语料库和深度学习的汉盲自动转换

汉盲转换是指将汉字文本自动转换为对应的盲文文本,其在盲文出版、盲人教育等领域具有重要应用价值,但当前已有系统性能难以满足实用需求。该文提出一种基于汉盲对照语料库和深度学习的汉盲自动转换方法,首次将深度学习技术引入该领域,采用按照盲文规则分词的汉字文本训练双向LSTM模型,从而实现准确度高的盲文分词。为支持模型训练,提出了从不精确对照的汉字和盲文文本中自动匹配抽取语料的方法,构建了规模为27万句、234万字、448万方盲文的篇章、句子、词语多级对照的汉盲语料库。实验结果表明,该文所提出的基于汉盲对照语料库和深度学习的汉盲转换方法准确率明显优于基于纯盲文语料库和传统机器学习模型的方法。     

基于迁移学习的行人检测研究进展

行人检测是计算机视觉的研究热点和难点,近年来基于机器学习的行人检测技术取得了长足的进步,但由于不同场景的数据分布存在差异,已有检测器在新场景下的行人检测性能出现显著下降。为了避免繁琐的人工标注,充分利用原有检测器和标注样本,基于迁移学习的行人检测研究受到越来越多的关注。对其中涉及到的样本获取、迁移学习机制等关键技术进行综述,并从多个角度对现有方法进行分析和比较,最后对该技术的未来进行展望。