基于双向循环神经网络的汉语语音识别*

当前基于深度神经网络模型中,虽然其隐含层可设置多层,对复杂问题适应能力强,但每层之间的节点连接是相互独立的,这种结构特性导致了在语音序列中无法利用上下文相关信息来提高识别效果,而传统的循环神经网络虽然做出了改进,但是只能对上文信息进行利用。针对以上问题,该文采用可以同时利用语音序列中上下文相关信息的双向循环神经网络模型与深度神经网络模型相结合,并应用于语音识别。构建具有5层隐含层的模型,其中第3层为双向循环神经网络结构,其他层采用深度神经网络结构。实验结果表明:加入了双向循环神经网络结构的模型与其他模型相比,较好地提高了识别正确率;噪声对双向循环神经网络汉语识别有重要影响,尤其是训练集和测试集附加噪声类型不同时,单一的含噪声语音的训练模型无法适应不同噪声类型的语音识别;调整神经网络模型中隐含层神经元数量后,识别正确率并不是一直随着隐含层中神经元数量的增加而增加,神经元数量数目增加到一定程度后正确率出现了降低的趋势。     

SE-MCNN-CTC的中文语音识别声学模型

针对国内外缺少对振动轮噪声预估的问题,以某型振动轮为研究对象,首先基于动力学有限元理论对振动轮进行频率响应分析,其次采用声学边界元技术对振动轮辐射噪声进行了数值模拟,并通过实验验证了仿真结果的准确性,然后比较了垂直振动与圆周振动两种不同激振形式对辐射噪声的影响,得出垂直振动辐射噪声低的结论,最后对驾驶室声腔模态进行了仿真,与振动轮激振频率相近发生共振。通过调整激振频率,降低了司机耳旁噪声。所得研究成果可为振动轮辐射噪声的预估与改进提供一种切实可行的参考依据。     

大脑血液动力学现象中的能量编码

神经信息的编码与解码是神经科学中的核心研究内容,同时又极具挑战性.传统的编码理论都具有各自的局限性,很难从脑的全局运行方式上给出有效的理论.而由于能量是一个标量具有可叠加性,因此能量编码理论可以从神经元活动的能量特征出发来研究脑功能的全局神经编码问题,取得了一系列的研究成果.本研究以王-张神经元能量计算模型为基础,构建了一个多层次结构的神经网络,通过计算机数值模拟得到了神经网络的能量消耗和血液中葡萄糖供能的变化情况.计算结果显示,和网络的神经活动达到峰值的时间相比,血液中葡萄糖的供能达到峰值的时间延迟了约5.6s.从定量的角度再现了功能性核磁共振(fMRI)中的血液动力学现象:大脑某个脑区的神经元集群被激活以后经过5~7 s的延迟,脑血流的变化才会大幅增加.模拟结果表明先前发表的由王-张神经元模型所揭示的负能量机制在控制大脑的血液动力学现象中起着核心的作用,预测了刺激条件下大脑的能量代谢与血流之间变化的本质是由神经元在发放动作电位过程中正、负能量之间的非平衡、不匹配性质所决定的.本文的研究结果为今后进一步探究血液动力学现象的生理学机制提供了新的研究方向,在神经网络的建模与计算方面给出了一个新的视角和研究方法.      

多值测试诊断策略优化设计

针对电子系统中多值测试条件下的测试排序问题,提出了一种诊断策略优化方法。首先,以相关性矩阵模型为基础,将已有的二值测试的优化算法同多值测试问题相结合,提出了适用于多值测试的基于霍夫曼编码的启发式函数;其次,将平均测试代价最小和平均测试步骤最少作为优化目标,采用与或树启发式搜索算法生成诊断树,得到多值测试的诊断策略,并给出了诊断策略优化方法的具体实现步骤;最后,将其应用到航空设备的实例中。结果表明提出的基于霍夫曼编码的与或树启发式搜索算法是可行的,其生成的诊断树是最优的,比基于信息熵的与或树启发式搜索算法具有更小的平均测试代价和更少的平均测试步骤。     

基于编码超表面的太赫兹宽频段雷达散射截面缩减的研究

本文设计了一种柔性, 非定向低散射的1bit编码超表面, 实现了太赫兹宽频带雷达散射截面的缩减. 这种设计基于对“0”和“1”两种基本单元进行编码, 其反射相位差在很宽的频段范围内接近180°, 为一种非周期的排列方式, 该电磁超表面使入射的电磁波发生漫反射, 从而实现雷达散射截面的缩减. 全波仿真结果表明, 在垂直入射条件下, 编码超表面的镜像反射率低于-10 dB的带宽频段范围为1.0-1.4 THz, 该带宽内超表面相对同尺寸金属板可将雷达散射截面所减量达到10 dB以上, 最大缩减量达到19 dB. 把柔性编码表面弯曲在直径为4 mm的金属圆柱面上, 雷达散射截面的所减量高于10 dB以上的带宽频段范围为0.9-1.2 THz, 仍然可实现宽频带缩减特性. 总之, 编码超表面为调控太赫兹波提供一种新的途径, 将在雷达隐身、成像、宽带通信等方面具有重要的意义.     

噪声情况下的量子网络直接通信

提出和研究了噪声情况下的量子网络直接通信. 通信过程中所有量子节点共享多粒子Greenberger-Horne-Zeilinger (GHZ)量子纠缠态; 发送节点将手中共享的GHZ态的粒子作为控制比特、传输秘密信息的粒子作为目标比特, 应用控制非门(CNOT)操作; 每个接收节点将手中共享GHZ 态的粒子作为控制比特、接收到的秘密信息粒子作为目标比特, 再次应用CNOT门操作从而获得含误码的秘密信息. 每个接收节点从秘密信息中提取部分作为检测比特串, 并将剩余的秘密信息应用奇偶校验矩阵纠正其中存在的比特翻转错误, 所有接收节点获得纠正后的秘密信息. 对协议安全、吞吐效率、通信效率等进行了分析和讨论.