环域上p-Ginzburg-Landau泛函的径向极小元的唯一性与正则化

研究了p-Ginzburg-Landau型泛函的径向极小元在环域上的极限行为,鉴于极小元于环域内无零点,证明了极小元的唯一性与正则化.     

一种反映数据生物特性的ART2神经网络

文章对传统的ART2神经网络结构进行了改进,增加了伴随神经元和重置系统,解决了ART神经网络在基因表达谱中的同相位不可分问题.实验证明,新型神经网络较好地反映了基因表达谱数据的生物特性.     

基于神经网络自适应滑模的旋翼飞行器姿态控制

针对四旋翼小型无人机的姿态控制问题,考虑四旋翼无人机动力学模型中的未建模动态以及外部未知扰动,采用基于径向基函数的神经网络在线对未建模部分进行补偿,并结合滑模控制算法增强系统对外部未知扰动的鲁棒性.随后,对控制系统的闭环稳定性给出了严格的理论性证明.基于MATLAB/SIMULINK的数值仿真结果验证了所提出的控制算法...     

超声挤压轴类零件表面粗糙度预测模型分析

为实现对超声挤压轴类零件表面粗糙度的合理预测,采用多元回归法、MLP神经网络法以及支持向量机回归法进行预测分析研究。将模型预估时所得数值与实际检测值进行比较分析,结果表明：相比于其他学者借助径向基神经网络构建的模型,其预测的相对误差为5.2%;借助多元回归法构建的模型具有更高的预测准确度,其预测的平均相对误差最小,最小值为4.92%。该预测模型可以进行不同参数下零件表面粗糙度的预测。     

基于CutMix和YOLOv3的工件表面小缺陷识别方法

针对工件表面小缺陷经常由于数量少且视觉特征不明显而导致的被漏检和错判的问题,提出一种基于CutMix和YOLOv3的工件表面小缺陷识别方法CSYOLOv3.使用贝塔分布动态调整的CutMix方法在网络训练时动态扩充训练集中小缺陷的数量;并对YOLOv3网络进行了改进,拆分其浅层大特征图,取部分与预测分支的特征图融合以保...     

基于CNN和XLNet的音乐多模态情感分析方法

在情感分析领域,仅依靠文本等单一模态进行情感分析,限制了从多模态数据中提取多样化特征的能力,限制了情感分析结果的准确度和鲁棒性。为此,提出了融合音频分析网络和文本分析网络的多模态情感分析方法。其中,利用预训练卷积神经网络(CNN)和迁移学习技术进行基于Mel频谱图的音频情感分类,通过改进的XLNet模型执行歌词文本的特征提取和情感分类任务。CNN和XLNet输出包含概率权重和不同情感值的情感预测矩阵,最后使用堆叠集成方法合并不同模态的输出结果,完成多模态情感分类。在自建民族音乐数据集的消融实验证明,多模态方法具有良好的互补性,在情感识别任务中的性能显著优于单模态方法。公开数据集结果表明,所提方法的分类准确度达到83.75%,优于其他先进方法。     

线上课程教学全过程质量评价体系构建研究

高质量的在线课程是保障在线教学效果的关键,对在线课程进行有效评价可以提高课程质量,在梳理相关文献的基础上,综合运用SPSS、Matlab等软件,结合BP神经网络,对线上课程教学的评价指标体系进行研究。首先建立了三级线上课程评价指标体系,其中,二级指标包括学习支持、课程内容与资源、课程教学设计、交互与学习效果,细化的三级指标有18个。基于此设计发放了调查问卷,构建了基于BP神经网络的线上课程教学质量评价模型。     

基于Keras框架下的航空公司评论数据的情感分析

长短时记忆网络(LSTM)模型可有效改善循环神经网络梯度消失,但在评论文本情感分类中未能达到一定普适性.针对此问题,文章基于Keras框架,采用模型融合的方法,对LSTM网络和反向循环神经网络结构进行融合和改进,即D-LSTM、BRNN以及M-BRNN.以航空公司评论数据集为例,采用改进的模型对文本进行分类,研究不同参...