专栏评述

◎评《基于STDP规则的忆阻神经网络在图像存储中的应用》从1971年华裔科学家蔡少棠教授在理论上预言了忆阻器的存在,到2008年美国惠普公司实验室的斯坦·威廉斯和同事制造出忆阻实物模型,证实了忆阻现象在纳米尺度的电子系统中确实存在,这一过程历经     

忆感等效电路的特性分析与实验验证

忆感器是从忆阻器概念推演出来的一个新的具有记忆功能的非线性电路元件。基于忆感近似等效电路模型,采用一个有源磁控忆阻器实现等效电路中的忆阻器,建立了忆感近似等效电路的状态方程组;借助MATLAB数学工具软件,进行了等效忆感器特性的数值仿真分析。结果表明,等效忆感器的韦安关系呈现典型的紧磁滞回线特性,且依赖于外加电压激励频率。通过有源磁控忆阻器的等效电路进行了忆感近似等效电路的实验验证,实验测量结果和数值仿真结果基本一致,说明了忆感近似等效电路模型的正确性。     

基于灰度最优阈值的虹膜分割与定位

文章讨论了图像处理中常用的一维、二维灰度直方图分割法,对最优闽值灰度分割法原理进行了描述,并将其运用到虹膜图像的分割中,取得了良好的效果。     

功率VD—MOSFET饱和区中的漏特性

功率VD—MOSFET的漏特性在饱和区通常会出现动态负阻,其栅压越高,漏源电流越大,动态负阻就越显著.本文对自制的功率VD—MOSFET(CS5N450型)进行了测试和分析.用脉冲法测试,通过分析对比证实,在测量范围内,引起这种动态负阻的根源主要是自加热效应.     

基于边缘拐点的医学图像配准

利用控制点进行医学图像配准是医学图像处理领域的重要研究内容,其中控制点的选取是重点研究的一点。本文提出先将图像二值化,提取边缘,在边缘处利用边缘信息及其邻域内的信息提取拐点作为控制点。将变形图像和参考图像的拐点坐标分别作为网络学习的输入和输出样本,经过训练得到一组网络连接权参数,利用学习好的网络预测配准图像。以人脑CT图像为例,通过实验验证了算法的有效性。     

坚实信号处理的半无穷维二次优化方法

采用普通方法设计的传感器阵列处理器对有用信号参量的变化极为敏感,有用信号参量的微小变化均可能引起处理性能严重下降。本文讨论阵列处理器的一种坚实性设计方法。这种方法将阵列处理器设计问题转化为半无穷维二次优化模型。该模型使输出功率最小化,通过选择约束来确保有用信号响应,从而允许有用信号可在一定范围内变化以实现坚实性。最后,文中给出了一个用该方法设计的天线阵列处理器的例子,证明了该方法的有效性。     

多通道特征融合卷积神经网络的齿轮箱故障诊断

针对一维数据的卷积神经网络故障诊断方法无法十分准确地识别齿轮箱故障类型的问题,提出一种二维振动信号的多通道特征融合卷积神经网络(MC-FFCNN)算法。采用格拉米角场将传感器获取的一维振动信号转换为二维矩阵,将矩阵中的数值作为像素值转换为灰度图从多个通道输入卷积神经网络,经过多个卷积层、池化层及增加的融合层,导出各通道的融合数据到全连接层。在试验中,通过对多个故障数据进行训练与测试,实现齿轮箱单一故障的诊断。将诊断结果与单通道的卷积神经网络诊断结果进行比较分析,结果显示：所提方法的故障诊断准确率更高。     

电弧炉电极系统双模控制策略研究及应用

针对交流电弧炉电极控制系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,采用基于最近邻聚类方法的径向基函数(RBF)神经网络快速学习算法,通过实时在线辨识,建立电弧炉电极系统的精确逆模型并用于控制,实现了将具有强耦合特性的多变量输入/输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与比例微分(P/D)控制相结合的双模控制策略。应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性。     

基于数/模变换技术的多种波形发生器的设计

介绍了一种基于数/模变换技术、集成化的多种波形发生器的设计方法.将周期性变化的连续信号经过采样、编码后,获得相应的波代码,波代码存放到EPROM存储器中,一片EPROM存储器可以存储多种波形的波代码,利用波形选择电路选择某种波形的波代码输出,经D/A转换器和放大器输出连续变化的模拟信号.电路中通过改变存储器输出波代码的速度来调节输出信号的频率,改变放大器的放大倍数来调节输出信号的幅值.     

梯形模糊数据基于期望值简约的模糊非线性回归

模糊非线性回归是研究数据不确定性的一种有效方法。借鉴2-型模糊数学理论中的模糊简约思想,提出了一种利用期望值简约技术处理梯形模糊数据的模糊非线性回归模型。首先将梯形模糊输入输出利用其期望值简约为清晰输入输出,然后利用经典随机赋权神经网络对其进行学习,最后利用目标输出模糊变量的宽度矩阵将网络实际清晰值输出还原为梯形模糊输出。与已有模型的对比实验表明,提出的模型具有更高的学习准确度和更好的扩展能力。     

基于投影的fMRI时间序列图像配准方法研究

利用投影技术,针对功能磁共振时间序列图像,介绍了一种新的自动图像配准方法。该方法将序列图像二值化后沿着水平方向或垂直方向进行投影,根据投影向量元素的位置和大小,快速地计算出图像的旋转、平移运动的变化参数。仿真实验和实际的功能磁共振应用证实了该方法的有效性。     

焦炉立火道温度的智能集成软测量方法及其应用

在分析焦炉立火道温度特性的基础上,提出了一种基于线性回归(LR)和监督式分布神经网络(SDNN)的立火道温度智能集成软测量方法。通过特性分析提出了典型蓄热室的选取原则,并利用级数验证了选取的有效性。为反映蓄顶温度与立火道温度的关系,首先分别建立了一元、二元和十二元LR模型,并通过智能集成将3个模型的输出进行有机融合;然后在对样本监督式聚类后,利用SDNN获得各个子网的综合输出;最后由专家协调器协调LR和SDNN的输出,得到立火道温度的软测量值。实际运行结果验证了该方法的有效性。     

英语教学中语言输入与输出的不平衡及对策

Krashen的语言输入假设理论和Swain的语言输出假设理论对二语习得的研究具有深远影响。由于受到传统教学习惯和母语思维的影响,我国英语教学存在着输入与输出的不平衡。从语言学视角看,学生接受了大量的词汇、结构、规则,却未能将其内化吸收转换成语言应用能力;从心理学视角看,学生由于不能熟练应用所习得的语言而缺乏自信心,产生焦虑心态;从社会学视角看,学生缺乏语言学习环境,对所学语言国家文化的认知存在偏差。因此,教师应该平衡语言输入与输出,重视母语的作用,引导学生克服心理障碍,提升语言学习能力。     

一种研究死区非线性对系统频率特性影响的图解方法

基于描述函数法将控制系统中死区非线性环节等效为可变增益的线性环节。通过计算不同频率下控制系统在死区环节中的输入和输出值,得到其等效增益值。将控制系统等效变换为单位负反馈系统,先不考虑死区非线性,得到系统开环传递函数及其开环幅相特性曲线。在复平面上连接原点和不考虑死区的系统开环幅相特性曲线各频率下对应的点,每个频率都形成一条直线。死区非线性的效果是使各频率对应的点沿直线向原点移动。将等M圆、等N圆映射到开环幅相曲线上,可以得到系统闭环幅频特性和闭环相频特性。基于上述方法,研究了传动间隙对电动伺服系统闭环频率特性的影响。研究结果显示：可以通过等M圆、等N圆及线性部分的开环幅相曲线直观地观测到间隙对系统频率特性的影响;死区非线性对系统闭环频率特性的影响取决于不考虑死区环节时的线性部分;负载间隙比闭环内的间隙对系统闭环频率的影响更大。     

基于稀疏编码和极限学习机的设备故障诊断方法及应用

针对复杂工况与海量监测数据下滚动轴承难以进行故障诊断的问题,提出了一种基于稀疏编码和极限学习机（ELM）的滚动轴承故障模式识别方法。首先,利用K-SVD方法对海量数据样本学习得到自适应原子字典,在此基础上使用正交匹配追踪（OMP）算法进行稀疏编码;然后,构建基于数据驱动的ELM网络模型,将稀疏编码输入ELM模型;最后,通过模型输出实现了对滚动轴承的不同故障类型及不同故障程度的智能识别。通过实际实验分析,验证了所提方法的有效性,与传统的时、频域指标和主成分分析（PCA）为输入的ELM模型进行了对比,并对比分析了BP神经网络、支持向量机（SVM）模型,证实了所提方法具有更好的诊断正确率和可靠性。     

基于通道组合-数据对齐-多尺度全局CNN的MI-EEG分类

由于运动想象脑机接口(MI-BCI)范式不需要视觉刺激,应用MI-BCI范式在提高人机交互系统舒适度方面具有重要意义。为实现辅助设备的异步控制,提高模型的鲁棒性,减少通道使用数量以降低BCI系统输入的复杂性,提出一种基于通道组合(channel combination, CC)-数据对齐(euclidean space data alignment, EA)-多尺度全局卷积神经网络(multiscale global convolutional neural network, MGCNN)的运动想象脑电分类方法。通过引入大脑静息状态下的脑电信号,扩展MI-BCI输出指令集;利用CC将22通道脑电数据重构为左右对称通道加中间通道的3通道形式,重构后的数据经过EA方法规范后作为网络输入;构建多尺度卷积模块与全局卷积模块,并行提取脑电信号的局部特征和ERS/ERD全局特征;利用迁移学习提升模型的解码能力。结果表明：该方法在BCI Competition IV 2a数据集上达到了99.28%的平均准确率和0.99的Kappa值,提高了运动想象脑电分类精度,为在线异步运动想象脑机接口的应用与发展...     

算法驱动型虚拟数字人涉侵权纠纷的规范解决路径

算法驱动型虚拟数字人作为生成式人工智能的典型代表,能够在基于元数据投喂的基础上,通过对海量大数据（文本、图片、音频、视频等）自主解析与人类进行多维交互。搭载ChatGPT技术的虚拟数字人,将实现算法驱动+真人建模/虚拟形象相结合的3D场景化应用。其输出内容（人工智能生成物）包括音乐、舞蹈、文本等多种形式。算法驱动型虚拟数字人因具备交互性、数字化、拟人化、独特性四大特征,随之产生了虚拟数字人本身的权利保护和因其交互性而生成相关内容的权属划定等争议问题。第一类是算法驱动型虚拟数字人在研发之初,预训练数据采集和优化训练数据过程中对享有数据权利的主体造成的损害;第二类则是算法驱动型虚拟数字人自身或者对其享有财产权益的研发主体可能遭受的侵权。具体又可以分为由算法驱动型虚拟数字人自主产生的具有独创性内容的生成物所可能面临的权属争议和算法驱动型虚拟数字人基于不同的创作模式下产生的不同权属划归两种情形。运营公司单方创作的情形下,算法驱动型虚拟数字人的权益应划归运营公司,但如果用户也参与到虚拟数字人的创作过程中,又可以细分为“材料主义”“创作主义”与“合作主义”三种形式,分别对应着平台所有、用户所有和共有三种归属主体。现阶段,虚拟数字人作为一种数字化工具,并不具备拥有人格利益前提的人格尊严,因此不宜认定其具有独立人格,享有人格利益。通过对虚拟数字人各部分进行解构的方式,如肖像、名称、声音以及名誉所产生的利益主要采取“财产说”进行保护,而对虚拟数字人的名誉则通常采用“同一说”予以救济。另外,智能型虚拟数字人生成物可版权性问题本质上是基于深度学习技术的人工智能生成物的可版权性问题,学界存在将其是否纳入公共领域的争议。我国在生成式人工智能发展过程中可考虑探索人工智能统一立法的方式。具体而言,一是通过增强生成式人工智能服务提供者的大型基础设施服务义务来平衡其和政府之间的监管义务分配责任,二是从鼓励发展的角度建构起生成式人工智能服务提供者元数据采集的适度豁免规则,三是明确现阶段人工智能生成物不宜直接进入公共领域,其权属划分以服务提供者与使用者的约定为主。