基于扩展联想神经网络的语音识别系统

将扩展联想记忆神经网络用于噪音语音识别，它是在一多层感知器（ＭＬＰ）后接一反馈构成，对于反馈联想网络，我们提出基于误差反传的快速梯度学习算法，从而提高网络的联想记忆能力的训练速度，通过改变误差能量函数，使权值修正根据的大小而改变，并导出相应的快速算法，使扩展联想网络的速度提高３－５倍，整个系统具有很高的自适应性、鲁棒性容错性、和联想记忆能力。最后根据语音识别结果提取概念，进行拓扑义影射，在平面上反     

多层感知器网络的联合优化算法

在非线性优化的理论基础上，提出了多层感知器的联合优化算法。针对多层感知器激活函数存在过长的“记忆区”的缺陷，提出了根据样本所在区域采用不同的激活函数的算法；针对目标函数存在学习的盲目性，提出了一种改进的目标函数，迅速分清已学会的模式与没有学会的模式；针对初值选取的盲目性，提出了一种简单的初值选取方法，以防止网络在初始状态就进入“迟钝状态”。实验证明收敛速度比传统的ＢＰ算法快十几倍。     

噪音环境下语音识别理解系统的研究

根据人对语言的认知过程提出了含噪语音识别理解的模型，语音识别采用两级模块扩展联想记忆神经网络，第一级扩展联想网络将待识别语音类分组，第二级分支扩展联想网络实现各自组内的区分，两级模块扩展联想网络的学习速度比传统ＢＰ网络快９倍，它对噪音语音信号具有很高的自适应性、鲁棒性、容错性和联想记忆能力。语音理解提取语音识别的候选词，采用统计推理和句法规则相结合的多层分析查错的结构，由统计推断库预测下一词，句法     

基于优先级的语音/数据业务联合功率和速率控制

针对综合语音和数据系统的上行链路,提出了一种基于语音业务优先级的联合功率和数据速率控制算法.该算法在进行资源分配时考虑了语音业务的实时性,给予语音用户更高的优先级,并且在保证语音业务通信质量的前提下,最大化数据业务的吞吐率.仿真表明,在轻负荷环境下,本文算法与不区分优先级的联合功率和速率算法性能相当;而在重负荷环境下,本文算法比不区分优先级的联合功率和速率算法综合性能更好.当系统达到平衡状态时,由于本文方法使语音用户和数据用户的平均发射功率分别降低了43%和68%,语音用户的中断概率降低了30%,而数据用户的平均速率减少9%,所以在数据业务的吞吐率和语音业务的中断概率以及用户的平均发射功率之间取得较好的折衷.     

一种新的峰值提取方法及其在语音基频提取中的应用

提出聘种基于二值化的侧抑制网络的峰值提取方法。二值化侧抑制网络具有很强的锐化作用，并具有很高的计算效率，本文这种简单有效峰值提取方法应用在语音基频提取算法中，对语音的甜美时谱进行峰值提取，形成了一种新型基频提取算法。该基频提取算法在ＣＯＳＤＩＣ数据库上进行了测试，实验数据表明利用了新的峰值提取方法的基频算法，比传统的自相关基频提取法和倒谱基频提取法有更好的性能，并验这种峰值提取方法的实用性     

ON-OFF信源呼叫接纳控制的研究

基于码分多址（CDMA）技术的第3代（3G）移动通信系统中，有效的无线资源管理是保证系统服务质量QoS的重要课题。呼叫接纳控制CAC是无线资源管理的重要功能实体。提出一种基于掉线概率的CAC方案，该方案在多小区环境下，通过对小区内外的干扰情况和ON-OFF信源特性的研究，以小区掉线概率作为准则，提出新的呼叫接纳判决算法。     

基于曲波域移动平行窗的受电弓滑板裂纹识别

针对受电弓滑板非接触式裂纹故障检测问题,提出一种基于曲波域移动平行窗的受电弓滑板裂纹识别算法。算法利用曲波变换多方向性及各向异性特点,对受电弓滑板图像点状、线性和非线性特征进行分类。在曲波分解方向矩阵中使用移动平行窗口并计算窗口能量值,依据能量值区分线性平行接缝与背景噪声、螺钉和刮痕等其他非线性图像特征,最终获取滑板裂纹信息。实验结果表明,本文算法能有效地分类滑板图像特征,较准确地检测并定位滑板裂纹故障,识别率达到94.1%。     

基于双向权值调整算法的神经网络非线性系统辨识

使用神经网络建模是非线性系统辨识的一个重要方法。为克服传统BP算法训练多层前向神经网络进行系统辨识中存在的一些问题,本文提出一种使用双向权值调整学习算法训练单隐层前向神经网络进行非线性系统辨识的方法。此辨识方法使用结构简单的单隐层前向神经网络,在正向阶段由Moore-Penrose广义逆确定输出权值,反向阶段则按误差梯度下降原则对隐层权值进行调整。算法能在正向和反向两个过程对网络的权值做出调整,具有较快的学习速度,并且能在一定程度上保证神经网络的泛化能力。通过基准辨识仿真实验验证,基于此方法的非线性系统辨识具有建模结构简单、训练速度快且辨识精度高的特点。     

区间干涉下衬砌结构系统非概率可靠度研究

研究目的:衬砌结构进行非概率可靠性分析时,非概率可靠度指标0η1,结构发生应力-强度区间干涉。同时衬砌结构系统可靠度分析时,系统各单元失效概率多采用基于概率理论和模糊理论的传统方法。基于此,本文提出应力-强度非概率区间干涉模型,以失效域面积与不确定变量构成的总面积之比表征衬砌结构非概率失效度,并结合"概率网络估算法"将其运用在隧道结构系统非概率可靠度分析中。研究结论:(1)成功解决了区间干涉情况下衬砌结构非概率失效度的求解问题,并且证明了非概率失效度与概率理论所得失效度具有相容性;(2)可以运用衬砌结构区间干涉模型对隧道结构系统中各衬砌单元进行非概率可靠度计算分析;(3)该研究成果为隧道结构系统可靠度分析提供了一种新的可行方法,同时使实际工程中非概率可靠度分析中的区间干涉问题得到解决。     

基于EfficientDet与Vision Transformer的接触网吊弦故障检测

针对传统检测方法在铁路接触网吊弦故障状态检测中存在识别率低,识别速度慢的问题,提出一种基于轻量型网络EfficientDet与Vision Transformer网络相结合的接触网吊弦状态检测算法。该算法包括目标定位和分类检测2个部分,利用改进EfficientDet进行吊弦定位,将定位出的吊弦送入改进Vision Transformer网络进行故障类别检测。首先,使用空洞卷积替代EfficientDet网络中第2层和第3层的普通卷积,以扩大感受野,并用CBAM代替原网络中的SE注意力机制,汇聚吊弦的高层语义信息,使得改进后的EfficientDet能有效定位出接触网中尺寸占比较小的吊弦;其次,为减少参数量并保留较大范围的特征相关性,应用4个3×3的小卷积替代Vision Transformer中Embedding的16×16的卷积层,以深度提取浅层与深层特征之间的联系,同时对比当Num-head取值不同时,分析注意力机制对空间信息的影响,以确定吊弦故障分类检测的最优模型;最后分别与定位网络YOLOv3,Faster R-CNN和分类网络AlexNet,VGG16进行对比分析,吊弦定位...     

工程岩体的支持向量机分类研究

文章提出一种新的工程岩体分类和寻找最优支持向量机网络的方法,通过采用支持向量机的回归算法来解决多类分类的问题。通过对相同工程岩体的分类结果对比,发现可以采用支持向量机回归算法来解决工程岩体的分类问题,取得与采用支持向量机多类分类算法相同的分类效果,从而证明了采用回归算法来解决分类问题是可行的。     

一种多式联运网络的最优分配模式研究

多式联运巳成为我国现代交通运输体系的一个重要组成部分。在对多式联运网络进行具体描述的基础上，从实现总成本最小的原则出发，建立了一种多式联运网络的最优分配模型，从定量角度分析了多式联运系统的合理组织。     

基于SBB算法的复杂背景手势输入系统

弱假设学习在近年来的机器学习领域得到越来越广泛的应用。本文提出一种多分类的基于应力的SBB(Stress Based Boosting)算法。在实时情况下,对输入的英文手语字母进行分类和识别,并转换成相应的汉字,实现了汉字的手势输入。首先对视频流进行预处理,利用双检测方法,消除噪声和背景得到手部区域,使用固定尺度的兴趣点检测器,利用特征提取器归纳出手部特征点,再利用SBB算法的学习规则对含有特征点的新样本进行分析和归类,采用应力反馈对于错判的手势进行纠正。在每个周期,都加入特征学习过程。算法能集中原手势训练集,通过已有分类器的分类结果确定分类策略。本系统具有自主学习、分类快速准确的特点。实验结果证明,本系统在实际条件下具有较高的识别率和鲁棒性,具备很好的应用前景。     

运用知识发现工具激活被动数据库

作者对知识发现系统的输出提出了一种自动转换到主动数据库规则的结构。这一过程称为数据库模式精化。作者引入了一种新的规则分类方法来将规则分为语义完整性约束和概率规则,提出了一种转化为ECA规则的通用方法。     

一种基于神经网络的分类系统

本文研究一种基于神经网络的分类系统，该系统采用传统模式识别与神经网络结合的方法，即在特征提取选择的基础上，用神经网络分类器进行分类识别。本文还针对ＢＰ算法易陷于局部极小的缺陷，提出了模拟退火法和ＢＰ的组合算法。将此分类系统用于脑干听觉诱发电位识别，其分类性能大大优于最近邻分类器。     

认知无线电的联合频谱检测与共享算法

提出一种基于信任度因子的频谱空穴检测模型以确认频谱机会.当能量以信任度因子为1分布于检测区域时,认知用户将发送1 bit量化值以报告侦听结果;否则,认知用户将发送2 bit量化值.评估了平均侦听比特数和漏检概率的性能.基于此模型,给出一种多跳认知无线电网络的频谱共享算法.它允许激活认知用户节点以一定的接入概率充分利用分配给其他认知用户的时隙进行通信.同时,算法还采用基于发射码字的传输机制,即每个激活认知用户都有自己唯一的发射码.进一步地,推导出系统吞吐量,即被定义为平均成功传输的概率和能耗公式.最后,通过仿真评估了系统性能.     

基于BFS和加权半监督聚类算法的地铁客流分配研究

复杂的城市轨道交通线网给乘客提供多种出行路径选择,而轨道网络起讫点间可能存在多条可选有效路径,给城市轨道客流清分工作带来难度。为求解相同起讫站点间各路线乘客选择的概率问题,以广州市地铁自动售检票(automaticfarecollection,AFC)系统刷卡数据为研究对象,提出一种创新性的半监督聚类算法框架。首先基于广度优先(breadth first search, BFS)的K短路径的搜索算法,识别起讫点间的有效路径集,由此确定初始聚类中心及个数;然后以路径距离和换乘次数等特征值依次标定各有效路径权重,由这些标记数据出发,采用加权半监督的方式增强聚类算法的分类能力。最后结合客流调查结果,与经典K-means算法和朴素贝叶斯分类算法进行比对。通过算例证实提出的客流分配算法性能最优,准确率高达94%,具有较好的分类效果。     

一种基于MPLS-DiffServ流量工程的故障恢复模型

针对基于MPLS流量工程的本地、路径、重路由故障恢复模型存在资源利用率不高、恢复周期较长的缺点,提出了一种基于MPLS-DiffServ流量工程的故障恢复模型。该模型根据网络的故障发生概率、故障恢复时延的要求与网络资源利用率等参数和数据流分类进行配置,选择路径恢复算法。结果表明,该模型提高了资源利用率,缩短了故障恢复周期,对网络数据流故障恢复具有较强的有效性。     

基于铁路出行数据的旅客常住地智能识别算法研究

常住地是判断旅客消费能力与收入水平的重要因素，利于根据旅客常住地进行个性化产品推荐。针对铁路客票发售与预订系统的海量出行数据，依据逻辑判断与概率计算设计了铁路旅客常住地智能识别算法；最后利用Scala语言在铁路客运大数据平台上实现算法，并针对最近两年铁路旅客出行数据进行案例验证，结论表明:该算法有效，旅客常住地信息的识别率为67.7%。     

动车组入所在线智能检测系统图像自动识别的研究与实现

介绍了新型动车组入所在线智能检测系统的组成,提出并实现了基于图像自动识别算法的智能检测方案,结果表明动车组入所在线智能检测系统具有较高的检测识别率和精度。