改进的多层感知机在客户流失预测中的应用

针对在传统的客户流失预测数据预处理中，使用one-hot编码处理离散属性导致数据维度增加及数据过于稀疏的问题，提出了两种基于多层感知机的改进后的客户流失预测模型。其主要思想是分别使用堆叠自编码器和实体嵌入两种方法对多层感知机进行改进，通过将离散属性的高维编码数据向低维空间映射，有效地减少了one-hot编码产生的稀疏数据，增加了离散属性值之间的关联度。在对两份公开的数据集进行交叉验证后的实验结果表明，改进后的模型既有效地提高了预测的准确度，又维持了传统多层感知机模型在并行化计算方面的优势。     

融合发音动作特征和声学特征的病理语音检测

为提高听障患者病理语音的检测效果,提出一种融合发音动作特征和声学特征的检测方法.分析病理语音和正常语音发音动作特征的差异,提取位移、速度两种发音动作特征,提取梅尔倒谱系数、基频、共振峰3种声学特征,对两类特征归一化处理,使用核主成分分析法进行降维,在支持向量机、随机森林、多层感知机中测试特征的检测性能.实验结果表明,发音动作特征和声学特征同样有效,两类特征构成的融合特征检测效果优于单一特征,验证该方法提高了病理语音的检测效果.     

基于深度学习的自闭症谱系障碍fMRI数据分类研究

与健康儿童对照相比，自闭症谱系障碍（ASD）患者的脑结构和功能存在显著异常，因此文中采用脑影像的方法实现ASD的辅助诊断。由于基于传统的脑图谱构建脑网络节点依赖于人为的先验知识和假设，因此将由受试者的数据通过数据驱动的方法即独立成分分析（ICA）进行全脑独立成分（ICs）分析，并将提取的ICs作为感兴趣区域（ROI）提取时间序列，随后用计算得到的相关性矩阵构建脑网络并通过Node2vec方法将脑网络的节点向量化以生成节点特征，最后通过图卷积网络（GCN）刻画脑网络连接水平状态，并通过多层感知机（MLP）实现对ASD的识别。所用方法 ICA+GCN在79名ASD患者和105名典型对照组中取得了86.1%的分类精度。综上，文中所用方法有望用于ASD辅助诊断。     

ORDINAL REGRESSION FOR INFORMATION RETRIEVAL

This letter presents a new discriminative model for Information Retrieval （IR）, referred to as Ordinal Regression Model （ORM）. ORM is different from most existing models in that it views IR as ordinal regression problem （i.e. ranking problem） instead of binary classification. It is noted that the task of IR is to rank documents according to the user information needed, so IR can be viewed as ordinal regression problem. Two parameter learning algorithms for ORM are presented. One is a perceptron-based algorithm. The other is the ranking Support Vector Machine （SVM）. The effectiveness of the proposed approach has been evaluated on the task of ad hoc retrieval using three English Text REtrieval Conference （TREC） sets and two Chinese TREC sets. Results show that ORM significantly outperforms the state-of-the-art language model approaches and OKAPI system in all test sets; and it is more appropriate to view IR as ordinal regression other than binary classification.     

一种用于组合导航的多层感知机模型

针对组合导航系统，研究了一种多层感知机模型，采用相应的ＢＰ算法训练此神经网络，并将其代替闭环卡尔曼滤波器，应用于ＧＰＳ／ＳＩＮＳ组合导航系统，通过计算机仿真，表明了这种模型较标准的前馈型神经网络更适于组合导航系统，具有较好的学习能力与较快的收敛速度 。     

关于单体模糊神经网络感知机收敛定理的讨论

考虑单体模糊神经网络模型,讨论了单体模糊神经网络的感知机收敛定理与传统神经网络感知机收敛定理的关系,指出了在证明单体模糊神经网络的感知机收敛定理时存在的问题,提出了两种修改方案,即给出了两个改进的感知机收敛定理,并给出相应的证明和说明.     

一种去注意力机制的动态多层语义感知机

Transformer在大规模数据集上取得了优异效果,但由于使用多头注意力使得模型过于复杂,且在小规模数据集上效果不理想.对于多头注意力替换的研究在图像处理领域已取得一些成果,但在自然语言处理领域还少有研究.为此,首先提出一种去注意力的多层语义感知机(multi-layer semantics perceptron,MSP)方法,其核心创新是使用token序列转换函数替换编码器中的多头注意力,降低模型复杂度,获得更好的语义表达;然后,提出一种动态深度控制框架(dynamic depth control framework,DDCF),优化模型深度,降低模型复杂度;最后,在MSP方法和DDCF的基础上,提出动态多层语义感知机(dynamic multi-layer semantics perceptron,DMSP)模型,在多种文本数据集上的对比实验结果表明,DMSP既能提升模型分类精度,又能有效降低模型复杂度,与Transformer比较,在模型深度相同的情况下,DMSP模型分类精度大幅提升,同时模型的参数量大幅降低.     

基于感知机神经网络的智能温湿度控制系统

针对一般温湿度控制系统大滞后、大惯性的特点和通讯基站能源浪费严重的现象,介绍了基于感知机神经网络的温湿度控制系统.通过训练多个神经元组成的多层感知机神经网络,对温湿度信号进行分析,从而控制空调、风机和换气扇在不同的环境条件下运行.经试验测试,该系统具有快速、稳定的控制效果并达到了节能的目的.     

水文时间序列趋势预测挖掘系统研究

讨论了时间序列趋势预测研究的现状和典型方法，并在时间序列预测中引入神经网络方法。介绍了水文时间序列趋势预测挖掘系统的设计与实现，详细分析了系统采用的时间序列预测的神经网络方法。     

基于特征流的面部表情运动分析及应用

面部表情的分析与识别,不但在社会生活中具有普遍意义,而且在计算机的情感计算方面也起着有重要作用.关于表情运动特征的分析,有根据人脸面部几何结构特征的变化来分析的,有根据特征脸的概念定义的"表情空间"来分析的,也有从特征点跟踪的方法或运动模板的角度来分析的.基于人脸面部物理-几何结构模型,提取面部表情特征区域,通过动态图像序列中的光流估计,计算其运动场,进而计算特征流向量,把一组图像序列的运动向量组成运动特征序列,对表情的运动进行分析.该系统作为一个智能体应用到多功能感知机中,作为视频通道输入的一部分来理解人类的体势语言信息.