对近年来的相关工作进行全面分析、横向比较,梳理出基于深度学习的EEG数据分析闭环流程. 对EEG数据进行介绍,从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开,梳理深度学习算法在相应阶段提供的研究思路和解决方案,包括各阶段所存在的难点与问题. 全方位总结出不同算法的主要贡献和局限性,讨论深度学习技术在各个阶段处理EEG数据时所面临的挑战及未来的发展方向.
针对单模态特征提取存在的模态特征异质性难以保留问题和跨模态特征融合存在的特征冗余问题,基于跨模态Transformer,提出新的多模态情感分析模型(MTSA). 使用长短时记忆(LSTM)与多任务学习框架提取单模态上下文语义信息,通过累加辅助模态任务损失以筛除噪声并保留模态特征异质性. 使用多任务门控机制调整跨模态特征融合,通过层叠Transformer结构融合文本、音频与视觉模态特征,提升融合深度,避免融合特征冗余. 在2个公开数据集MOSEI和SIMS上的实验结果表明,相较于其他先进模型,MTSA的整体性能表现更好,二分类准确率分别达到83.51%和84.18%.
针对现有服务推荐方法中高阶服务特征提取不够充分的问题,提出基于超图卷积神经网络的多行为感知服务推荐方法(MBSRHGNN). 该方法根据服务交互类型和服务组合信息构建多重超图,基于谱分解理论和多重超图的功能结构特性以设计双通道超图卷积网络. 利用切比雪夫多项式近似超图卷积核来降低计算复杂度;在超图卷积过程中,结合多行为推荐方法和自注意力机制度量多行为交互之间的重要性差异,提出HG-DiffPool超图池化方法来降低特征维度;通过融合服务嵌入向量和超图信号,学习不同服务的推荐概率分布;爬取真实服务数据,构造不同稀疏度的数据集进行实验. 实验结果表明,所提的MBSRHGNN服务推荐方法能够适应数据高度稀疏的推荐场景,并且在推荐精确度和相关性上的表现优于现有基线方法.
现有的交通流量预测方法关注交通信息的时空相关性,未充分考虑外部因素对交通的影响,为此提出融合静态和动态知识图谱的时空多图卷积交通流量预测模型. 基于道路交通信息和外部因素,构建城市交通知识图谱和4个不同语义的路网拓扑图,将城市交通知识图谱输入关系演化图卷积神经网络,实现知识嵌入;使用知识融合模块将车流量矩阵与知识嵌入融合;将4个路网拓扑图和融合知识的车流量矩阵输入时空多图卷积模块,提取时空特征,通过全连接层输出交通流量预测值. 在杭州交通数据集上评估模型性能,与先进的基线模型对比,所提模型的性能提高了5.76%~10.71%. 鲁棒性实验结果表明,所提模型具有较强的抗干扰能力.
基于现有足式机器人触地检测方法的研究,综合论述了腿部结构设计、足端设计、传感器设计对触地检测的影响. 总结外部传感器直接检测的触地检测方法、基于运动学与动力学的触地检测方法以及基于学习的触地检测方法. 归纳地面湿滑、地面松软以及非足端触地这3种特殊场景中的触地检测方法. 分析触地检测技术的应用场景,具体包括运动控制的需要、导航中的应用、地形与地质的感知这三大应用场景. 指出硬件改进和集成、多模态触地检测、多传感器融合化触地检测以及智能化触地检测这四大触地检测方法相关的发展趋势,总结各触地检测算法之间的具体关联,为触地检测后续技术的发展及触地检测的具体应用提供指导.
目标检测模型在电子元件生产环境中的实时检测能力不佳,为此采用GhostNet替换YOLOv5的主干网络. 针对电子元件表面缺陷存在小目标及尺度变化较大的目标的情况,在YOLOv5主干网络中加入坐标注意力机制,在避免大量计算资源消耗的前提下增强感受野,将坐标信息嵌入通道注意力中以提升模型对目标的定位. 使用加权双向特征金字塔网络结构替换YOLOv5特征融合模块中的特征金字塔网络(FPN)结构,提升多尺度加权特征的融合能力. 在自制缺陷电子元件数据集上的实验结果表明,改进的GCB-YOLOv5模型平均精度达到93%,平均检测时间为33.2 ms,相比于原始YOLOv5模型,平均精度提高了15.0%,平均时间提升了7 ms,可以同时满足电子元件表面缺陷检测精度与速度的需求.
为了提高铝合金电弧增材制造的质量和效率,采用新型的电弧增材制造工艺——熔滴复合电弧增材制造(DAAM)技术来制造铝合金样品. 采用全新的熔滴生成系统(DGS)代替传统的送丝系统,使得材料的添加与电弧能量相互独立. 成形的材料为2219铝合金,通过熔滴系统添加了微量Mg元素. 利用熔滴复合电弧增材制造设备沉积了薄壁结构,沉积速率较传统电弧增材制造技术大幅提升(约为160 mm3/s). 观察和分析薄壁结构截面的微观组织表明,薄壁结构的晶粒形态以柱状晶为主,呈现层内柱状晶和层间等轴晶的周期性分布规律. 经过T6热处理后,试样水平和垂直方向的平均抗拉强度分别为455.4和417.0 MPa,屈服强度分别为342.4和316.4 MPa. 较之前的研究结果对比表明,Mg元素的添加提升了2219铝合金的屈服强度,但导致延伸率降低.
针对现有疲劳状态检测方法无法适用于疫情防控下的驾驶员,利用改进后的YOLOv5目标检测算法,对驾驶员的面部区域进行检测,建立多特征融合的疲劳状态检测方法. 针对公交驾驶特性,建立包含佩戴口罩和未佩戴口罩情况的图像标签数据. 通过增加YOLOv5模型的特征采样次数,提高眼、嘴、面部区域的检测精度. 利用BiFPN网络结构保留多尺度的特征信息,使得预测网络对不同大小的目标更敏感,提升整体模型的检测能力. 结合人脸关键点算法提出参数补偿机制,提高眨眼、打哈欠帧数的准确率. 将多种疲劳参数融合归一化处理,开展疲劳等级划分. 公开数据集NTHU和自制数据集的验证结果表明,该方法对佩戴口罩和未佩戴口罩情况均可以进行眨眼、打哈欠识别,可以准确地判断驾驶员的疲劳状态.
为提高继电保护整定计算中电源运行方式选择的合理性与计算效率,提出一种基于电源贡献系数法的优化选择方法.提出电源贡献系数的概念和基于节点阻抗矩阵的计算方法;根据保护支路和助增支路电源贡献系数的计算结果,构建电源运行方式的优化选择方法.在新英格兰10机39节点系统中进行算例验证,结果表明:上述方法能够准确地给出各电源在最小或最大配合系数的计算中所对应的大小方式,可以避免排列组合的枚举,提高了自动整定计算的效率.
现有类案检索研究忽略了模型应当蕴含的法律逻辑,无法适应实际应用中案件相似标准的要求;类案检索任务的中文数据集较少,难以满足研究需求现状. 为此提出基于法律逻辑、有较强可解释性的类案检索模型,构建以谓语动词为基础的案件事理图谱. 将各类罪名对应的法条知识融入所提模型,将提取的不同要素输入以神经网络为基础的评分器以实现准确、高效的类案检索. 构建针对类案检索任务、以易混淆罪名组为主要检索案由的Confusing-LeCaRD数据集,所提模型在LeCaRD数据集和Confusing-LeCaRD数据集上的归一化折损累计增益分别为90.95%和94.64%,在各项指标上均优于TF-IDF、BM25和BERT-PLI模型.
根据中文字体风格转换研究发展的不同阶段进行方法分类,简要回顾传统方法,梳理分析深度学习方法. 介绍常用的公开数据集和评价标准. 分别从提高生成质量、增强个性化差异、减少训练样本数量和学习书法字体风格共4个方面展望未来研究.
为了刻画以短视频形式传播的交通事件舆情对公众情绪的导向,通过文本情感分析和多模态生理信号特征提取,构建生理特征图谱. 爬取抖音平台136个高赞视频及38 805条评论,以所有视频为文档集,单个视频为文档,评论为单词,采用隐狄利克雷分布主题模型进行主题挖掘,获得不同主题的评论单词分布和不同视频的主题分布. 使用基于朴素贝叶斯的SnowNLP计算评论单词的情感分数,分析不同舆情主题表达的情感倾向. 开展神经科学实验,采集脑电、眼动、心电和呼吸等多模态生理信号及情绪评分. 统计检验结果表明,不同情感倾向的视频会诱发不同情绪,不同情绪下脑电的相对谱功率、眨眼频率、呼吸标准差和心电极低频功率等多模态生理特征具有特异性,评论文本中蕴含的情感语义会在视频诱发情绪的基础上对公众情绪造成不同方式的影响.
为了提升自动驾驶汽车对周边环境的感知能力,提出优化DeepSort的前方多车辆目标跟踪算法. 采用Gaussian YOLO v3作为前端目标检测器,基于DarkNet-53骨干网络训练,获得专门针对车辆的检测器Gaussian YOLO v3-vehicle,使车辆检测准确率提升3%. 为了克服传统预训练模型没有针对车辆类别的缺点,提出采用扩增后的VeRi数据集进行重识别预训练. 提出结合中心损失函数与交叉熵损失函数的新损失函数,使网络提取的目标特征有更好的类内聚合以及类间分辨能力. 试验部分采集不同环境的实际道路视频,采用CLEAR MOT评价指标进行性能评估. 结果表明,与基准DeepSort YOLO v3相比,跟踪准确度提升1%,身份切换次数减少4%.
现有研究较少涵盖最先进的多目标粒子群优化(MOPSO)算法. 本研究介绍了多目标优化问题(MOPs)的研究背景,阐述了MOPSO的基本理论. 根据特征将其分为基于Pareto支配、基于分解和基于指标的3类MOPSO算法,介绍了现有的经典算法. 介绍相关评价指标,并选取7个有代表性的算法进行性能分析. 实验结果展示了传统MOPSO和3类改进的MOPSO算法各自的优势与不足,其中,基于指标的MOPSO在收敛性和多样性方面表现较优. 对MOPSO算法在生产调度、图像处理和电力系统等领域的应用进行简要介绍. 并探讨了MOPSO算法用于求解复杂优化问题的局限性及未来的研究方向.
针对协同推荐和序列表征方法在预测用户行为任务上面临的行为不确定性和数据稀疏问题,提出基于意图识别的不确定性行为序列预测(G2IE)方法. G2IE方法根据计划行为理论(TPB),对用户行为序列中受控行为模式进行挖掘;基于信息熵计算相邻受控行为之间的不确定性行为列表的行为转移意图强度;融合行为转移意图增强行为关系,弥补行为意图缺失. G2IE方法挖掘行为的不确定性关系,并用模型进行量化,用于解决行为不确定性难点;通过融合转移意图方法能够发现更多的行为关系,也在一定程度上缓解数据稀疏的问题. 较其他使用行为直接关系的方法,G2IE方法有更准确丰富的表示能力. 在3个公开行为数据集上进行对比实验,结果表明,本研究方法在综合指标F1值上均为最优,证明了所提方法的有效性.
为了研究远近分坑的施工顺序、分隔墙位置及其他因素对分坑施工引起软土深大基坑及周围设施变形的影响,基于杭州某邻近运营地铁盾构隧道的深基坑案例,建立分隔型基坑的有限元数值模型. 结合实测数据,验证各土层小应变刚度硬化(HSS)模型参数的合理性. 结合在实际案例基础上简化的基坑算例,研究“平台”式分隔型基坑的分坑施工顺序对坑外地层及既有隧道位移的影响. 结果表明,杭州软土地层分隔型基坑开挖引起的坑外地层和隧道位移与分坑施工顺序、分隔墙位置、软黏土厚度及隧道与基坑的相对位置等因素相关. 当采用先近后远施工时,远坑宽度越大,近坑围护墙变形、地表沉降和隧道位移越大. 对于先远后近施工,则反之,此时远坑与近坑宽度之比取3.0~4.0、近坑宽度取15 ~20 m的分坑方案对近坑围护墙和邻近隧道变形的控制效果最佳. 随着软黏土层厚度的增大,先近后远和先远后近2种分坑施工顺序引起的近坑围护墙变形、地表沉降和隧道位移均明显增大. 提出分坑施工顺序对坑外地层位移的影响分区的概念,影响分区的分界线可以简化取为与坑壁夹角近似为45°的直线,随着远坑宽度和软黏土层厚度的增大,先近后远施工引起的地层位移小于先远后近施工的影响分区的范围逐渐减小. 通过参数分析,提出与分隔墙位置和软土层厚度相关的影响分区分界线拟合公式.
针对当前高铁站房能耗高、形式趋同的问题,提出回应不同气候的通过式空间界面适度开敞的设计策略. 运用基于建筑信息建模(BIM)的性能模拟工具,构建高铁站房典型模型;通过风环境和热环境模拟分析,确定不同气候区界面开敞的时间段. 实验结果表明,除夏热冬暖地区(以广州为例)以外,在其他气候区的夏季典型计算日里,通过式空间界面开敞可行,满足室内热舒适性要求. 在全年特定时间段,界面开敞有利于站房节能减排,尤其在夏热冬冷地区(以上海为例)和寒冷地区(以北京为例)的节能率分别达到44.8%和32.2%,减碳率分别为36.1%和21.3%. 界面开敞策略在高铁站房绿色设计方案中具有重要应用潜力,能够为高铁站房空间形式的地域性表达开拓思路.
针对路面病害生成和恶化的预测问题,提出应用图卷积神经网络的路面病害态势预测方法. 通过聚类算法建立拓扑网络,选取目标病害在演化过程中的主要影响因素;为了增强图神经网络对病害信息的表达能力,采用图拓扑增强的方法,从静态和动态方面分别构造与病害信息相关的视图;采用图神经网络(GNN)架构增强的方法,在视图维度上应用注意力机制调整不同视图的影响力,并在时间维度上应用Transformer和GRU模块,增强模型在长时间序列中对病害状态的预测性能. 设计模型的内部调整测试,经消融试验、多样本测试和超参数对照组的验证,证明所提模型的适用性和稳定性. 针对大型稀疏的路面病害数据集,此模型的平均绝对误差均值收敛在4.0以内,综合性能优于传统预测算法.
摘要: 具有低介电常数的多孔材料适合于集成电路方面的应用.从组成与结构、制备方法和介电性能等方面,分别介绍了以无机材料、有机材料、无机/有机复合相为基体的多孔低介电常数材料,其介电常数分别可以降低至1.99、1.50、1.99.以有机材料为基体的多孔低介电常数材料的使用温度达到450 ℃;以无机材料为基体的多孔低介电常数材料的抗弯强度达到136 MPa.在获得低介电常数的同时,改善材料由于引入孔隙导致的材料力学性能下降、介电损耗升高等问题,可以进一步拓展材料的应用空间.
综述2013-2018年基于穿戴式惯性传感器的跌倒检测研究工作.从跌倒的定义出发,阐述常规跌倒行为的几种状态、跌倒的分类方式及其类别.以可穿戴跌倒检测系统框架为基础,依次从数据采集、预处理、特征提取、模型构建等角度分别展开介绍当前的研究工作.归纳用于跌倒检测性能评估的一系列技术指标,展示9个跌倒检测的公开数据集,以及当前跌倒检测研究工作在这些数据集上的检测精度.旨在为后续开展可穿戴跌倒检测工作提供借鉴与参考.