基于差分星座轨迹图的多任务802.11b/g信号识别方法

针对802.11b/g无线信号的调制方式识别和辐射源个体识别问题,提出了一种基于差分星座轨迹图的多任务卷积神经网络识别方法。将调制识别和辐射源个体识别看作两个相互关联的学习任务,通过共享参数的深度网络提取差分星座轨迹图的特征,并由结构不同的两个分支网络进行分类识别,同时对这两个任务进行联合优化训练并相互促进学习。实验中使用6个不同的路由器进行验证,结果表明相比于单任务模型的识别方法,多任务模型所用的训练时长和模型所占内存均比两个单任务模型之和少,同时对辐射源个体、调制方式的识别率分别平均提高了1.17%和3%。     

基于多任务学习的番茄叶片图像病害程度分类

针对现有的分类深度神经网络大多为扁平型的网 络架构,很少关注数据类别的层次 性结构,导致分类器训练难度较大的问题,本文提出一种基于数据层次关系的多任务学习分 类网络模型。依托番茄叶片病害的层次结构信息设计了一个带有共享网络的由粗粒度到细粒 度的层次结构进行病害程度分类,网络模型以ResNet-50作为网络主干,包括两个子网络: 粗粒度网络模块负责区分番茄病害共5类,细粒度网络模块在残差网络模块的基础上添加 SE模块负责病害程度的分类共9类。通过对网络架构各个分支的验证,以及同VGG-16、 ResNet-34、ResNet-50 3种扁平型网络在病害程度分类任务上做比较,证明本文网络结构 的 可行性和有效性,最终测试集分类精度达到93.97%。证明本文结合数 据与网络的层次结构 采用多任务分类方法,是一种有效的病害程度分类算法。     

Language Representation Models: An Overview

In the last few decades, text mining has been used to extract knowledge from free texts. Applying neural networks and deep learning to natural language processing (NLP) tasks has led to many accomplishments for real-world language problems over the years. The developments of the last five years have resulted in techniques that have allowed for the practical application of transfer learning in NLP. The advances in the field have been substantial, and the milestone of outperforming human baseline performance based on the general language understanding evaluation has been achieved. This paper implements a targeted literature review to outline, describe, explain, and put into context the crucial techniques that helped achieve this milestone. The research presented here is a targeted review of neural language models that present vital steps towards a general language representation model.     

一种基于多任务学习的微多普勒目标识别方法

近年来为了更好地适应不同场景下的智能化探测,人们对雷达目标识别任务的需求越来越高,因此本文提出了一种基于多任务学习方法的微多普勒目标识别方法.该方法基于BLSTM框架,针对两个不同的微多普勒目标识别任务使用特征提取器共享的方法训练模型.本方法既减小了识别系统整体的计算量,同时由于共享了不同任务之间的特征表示,又提高了模...     

基于ViT和多任务自监督学习的图像质量评价

针对现有的基于深度学习的图像质量评价方法,因为标注数据不足而存在的过拟合与泛化性能不足的问题,提出了一种基于多任务自监督学习的图像质量评价方法。首先,通过算法合成17种失真类型图像,并以全参考MDSI(mean deviation similarity index)得分和失真类型作为合成失真图像的2个标签;随后,在ViT(vision transformer)上进行预测MDSI得分和失真类型的多任务自监督学习;最后,将训练得到的模型在下游任务上进行微调,将上游任务学习到的语义特征迁移到下游任务。将本文方法与主流无参考图像质量评价(no reference image quality assessment,NR-IQA) 方法在多个公开的图像质量评价数据集上进行了充分比较,在LIVE、CSIQ、TID2013以及CID2013等数据集上的测试 结果相比于表现最好的算法均提升了1—2个百分点,这表明提出的算法优于大多数主流的NR-IQA算法。     

嵌入式多任务程序设计

对嵌入式系统中的任务进行了分析,针对有操作系统的情况,以VxWorks操作系统为例分析了其调度机制,并对优先级翻转提供了解决方法;对于无操作系统的情况,文中提供了多种实现多任务调度的方法。     

平均1-依赖决策树集成算法

基于平均1-依赖贝叶斯分类器(AODE)算法的思想, 提出了平均1-依赖决策树集成算法(AODT), 该算法通过使用每个输入属性和类别属性共同建立集成学习中的个体决策树分类器.同时,我们从多任务学习的角度探讨了AODE和AODT算法的工作原理. 通过在Weka平台上使用40个UCI数据集的实验结果表明, 该算法可以显著提高决策树学习算法的分类性能, 并且具有很好的抗噪声性能.     

基于多任务学习和注意力机制的双分支深度换脸检测方法

深度换脸技术的出现严重威胁了公众的隐私安全。为了解决现有深度换脸检测方法的局限性,基于多任务学习策略提出了一种双分支检测网络,实现在检测视频伪造的同时逐帧检测。该网络引入了注意力机制和时序学习模块,通过学习局部空间信息和时序信息提升检测性能。该方法在公开数据集Celeb-DF和FaceForensics++上获得了比当前先进换脸检测方法更高的准确率和ROC(Receiver Operating Characteristic)曲线下面积（Area under ROC Curve,AUC）,面对不同光照、人脸朝向、视频质量时表现出了良好的鲁棒性。     

平面近场天线多任务测试系统工程设计

提出了一种平面近场天线多任务测试系统的工程设计方法,该方法通过增加多功能天线测试控制器和远控微波开关对传统平面近场测试系统进行升级,使其具备对平面相控阵雷达天线多频点、多波位、多通道一次最多可测试35个天线方向图的测试能力。对新引入的幅相误差及扫描面截断误差进行了计算分析。大型相控阵天线的实测结果表明,在提高测试效率的同时,其测试精度亦能满足测试要求。     

基于多测量向量模型的极化探地雷达成像算法

针对极化探地雷达( GPR)工作过程中目标成像空间的联合稀疏性,提出了一种基于多测量向量模型的极化探地雷达成像算法。在建立极化探地雷达回波信号模型的基础上,利用各极化通道测量数据的联合稀疏性将各个极化通道的测量数据等效成多测量向量( MMV ),通过多任务贝叶斯压缩感知( MT-BCS)算法对各个极化通道的测量数据进行联合处理从而实现各个极化通道对应的探测场景反射率的重建。基于时域有限差分( FDTD)法的仿真数据处理结果表明所提成像算法在目标位置重建的准确性和背景杂波抑制能力上均优于单测量向量( SMV)模型的极化探地雷达成像算法。