关键词： 突触晶体管   电荷捕获   浮栅晶体管   金属纳米颗粒   模式识别  

摘要： 近些年来,随着人工智能（AI）和大数据的发展,人工智能高需求与当前计算系统的计算能力之间的矛盾日渐明显。基于存储与计算分离的传统冯诺依曼架构的计算机,面临着功耗高、计算效率低下等问题,难以满足未来的需求。人脑由大量相互连接的神经元和突触组成,使其成为已知最有效的计算实体。不同于冯诺依曼架构,存储与计算相结合的方式使人脑在进行高速并行信息处理时,同时具备超低功耗运行和极高容错率等特性。受人脑功能和结构的启发,科研工作者们正在努力构建各种能够实现突触仿生功能的电子器件。在这些器件中,基于电荷捕获机制的突触晶体管由于高可靠性和良好的CMOS兼容性,成为一种很有前途的用于未来神经形态计算系统的候选器件。本研究中分别采用溶胶凝胶技术和热蒸发技术制备了电荷捕获层,成功地集成了基于电荷捕获机制的突触晶体管,模拟了各种突触行为,并构建了人工神经网络,进行了图像识别仿真。主要研究内容如下: （1）以氧化钕（Nd2O3）作为电荷捕获层,采用溶胶凝胶法成功制备了氧化铟锌（In Zn O）突触晶体管。依靠电荷捕获层在正负偏置电压下对电荷的捕获与释放行为,模拟了一系列生物突触特性,如兴奋性突触后电流、抑制性突触后电流、短期记忆向长期记忆的转变、长时程突触可塑性和尖峰数目依赖塑性等。该晶体管具有较低的沟道电导,每个突触事件的能量消耗约为0.13 p J。基于突触晶体管的增强和抑制行为,通过人工神经网络仿真,对来自MNIST的手写数字图像数据集的识别准确率达到93.0%。该研究证明了溶液法制备电荷捕获突触晶体管的可行性,并有望推动人工突触晶体管领域的进一步发展。 （2）利用热蒸发技术制备了镍（Ni）金属纳米颗粒电荷捕获层,并集成了以Al2O3/Ni/Zr O2为叠层栅介质的氧化铟镓锌（IGZO）浮栅突触晶体管。研究表明,由于Ni金属纳米颗粒的电荷捕获作用,在正反扫过程中,该浮栅突触晶体管呈现出明显的顺时针滞后行为,并获得了约2.2 V的存储窗口。该突触晶体管成功地实现了多种生物突触功能,并且模拟出艾宾浩斯记忆遗忘曲线。通过采用阶梯式栅极电压脉冲调制策略,实现了较好的线性沟道电导调制和长程塑性。同时,对不同调制策略下的图像识别准确率进行了对比分析。该工作研究了金属纳米颗粒在突触晶体管中的应用,展现了其在构建神经网络方面的潜在应用价值。

关键词： 杜仲降压片   指纹图谱   化学模式识别   松脂醇二葡萄糖苷   含量测定  

摘要： 目的结合成分定量与化学模式识别建立杜仲降压片的HPLC指纹图谱,评价杜仲降压片的差异,并且测定松脂醇二葡萄糖苷含量。方法采用色谱柱Ultimate AQ-C_(18)(250 mm×4.6 mm,5μm),以乙腈-水为流动相进行梯度洗脱,检测波长为277 nm,对10批杜仲降压片样品进行指纹图谱研究,利用化学模式识别法对共有峰面积色谱数据进行聚类分析和主成分分析,对不同批次的杜仲降压片样品进行质量评价,并对其松脂醇二葡萄糖苷进行含量测定。结果建立了杜仲降压片指纹图谱,包含15个共有峰。并对共有峰的面积作为变量进行了化学模式识别,可将不同公司的杜仲降压片大致分为两大类。松脂醇二葡萄糖苷在0.0625~1.0000 mg/mL内线性关系良好;平均加样回收率为111.24%,RSD为1.69%。结论通过指纹图谱结合化学模式识别技术评价杜仲降压片的差异,该方简便可行且重复性强,以期为杜仲降压片的质量控制提供了依据。

关键词： 电子对抗   工作模式识别   聚类算法   神经网络   深度学习  

摘要： 对多功能相控阵雷达工作模式准确识别可为电子对抗决策提供依据,具有重要研究意义。现有工作模式识别方法主要基于已知标签的训练集,而实际中先验信息匮乏,数据标签难以获知,极大影响了工作模式识别性能。为此,提出了一种在少量先验信息辅助下基于半监督学习聚类实现未知数据标注的工作模式识别方法。首先根据聚类算法的内部评价指标和外部评价指标对比分析AP聚类(affinity propagation clustering)、DBSCAN聚类(density-based spatial clustering of applications with noise)和模糊C均值聚类(fuzzy C-means clustering,FCM)3种典型聚类算法的性能,验证了AP聚类算法性能最优,并将其应用于对截获数据的数据标注中。然后利用卷积神经网络对雷达工作模式进行识别,并与已知标签训练集下的网络进行对比,验证了基于AP聚类算法进行数据标注的可行性,提升了相较传统识别网络的抗噪性,为后续多功能雷达行为认知提供了基础。

关键词： 煤矿企业   信息化建设   数据融合   模式识别   管理工作  

摘要： 对于煤矿企业而言,信息化建设工作应将底层数据的管理作为重点。底层数据来自各项生产工作的自动化子系统,关系到生产工作的安全。在实际工作中,通过将生产子系统的数据进行融合,并以具体的资源需求为依据,开展模式识别与特征提取工作,才能够掌握各子系统的真实情况,保证安全生产,使煤矿企业能够安全运营。因此,煤矿企业在开展信息化建设工作时,应加强底层数据的数据融合与模式识别。为此,本文对煤矿信息化建设之数据融合与模式识别的要点进行了论述,以供参考。

关键词： 机载雷达   特征参数   D-S证据理论   模式识别  

摘要： 工作模式识别是通过对信号的处理分析来确定雷达功能和行为状态的,是情报侦察、电子对抗领域的重要手段之一。随着现代机载雷达功能的多样化,其对应的信号样式也变得越来越复杂,而且日益复杂的侦察环境也导致侦察信号的质量参差不齐,这些都给传统的工作模式识别方法带来了巨大的困难。针对这一问题,在现有工作模式识别方法的基础上,提出了一种参数特征识别与D-S证据理论识别相融合的工作模式识别方法。首先,对于各侦察机处理得到的辐射源特征信号,利用特征参数识别算法快速得到工作模式信息,并结合D-S证据理论对识别结果加以验证。其次,对于单平台无法识别的信号,采用D-S证据理论融合识别的方法来完成工作模式的判别。从理论分析可以得出,该识别算法具有运算速度快,结构简单等优点,且新的融合识别方法可以提高工作模式的识别精度。最后,仿真验证了此方法的可行性。

关键词： 模式识别   快速自适应多元经验模态分解   样本熵   秃鹫优化算法   支持向量机  

摘要： 为了增强相位敏感光时域反射仪(Φ-OTDR)系统对不同扰动事件的识别能力,提出了一种基于快速自适应多元经验模态分解(FA-MVEMD)样本熵和非洲秃鹫算法优化支持向量机(AOVA-SVM)的光纤振动信号模式识别算法。光纤振动信号经FA-MVEMD分解后得到若干多元本征模态函数(IMF),通过计算与原始信号的相关系数,筛选出相关系数大于0.1的有效分量并计算其样本熵作为信号的特征,最后利用AOVA-SVM分类模型进行识别。实验结果表明,相比于其他SVM分类模型,AOVA-SVM的分类准确率更高,对6种事件的平均分类准确率达到了97.5%,实现了Φ-OTDR系统模式识别的既定目标,具有实用价值。

关键词： 电子对抗   工作模式识别   特征选择   层析分析法   特征综合评价  

摘要： 针对电子对抗系统中亟待解决的雷达辐射源作战意图反演难题,提出了一种基于层次分析法的雷达辐射源工作模式识别方法。首先,对辐射源特征中能够体现辐射源工作模式特性的特征进行了分析和选择;然后,引入层次分析法对待识别的特征进行综合评价;最后,基于综合评价的结果利用卷积神经网络(Convolutional Neural Network,CNN)分类器实现对雷达辐射源工作模式识别。试验结果表明,文中方法不仅可实现对单一雷达不同模式的识别,对不同雷达不同工作模式的识别也有较好的效果。

关键词： 模式识别   多边形剖分   谱分析   聚类   凸率  

摘要： 文中对二维多边形物体有意义剖分进行了研究。心理学家通过研究后发现对物体进行有意义的剖分是人类识别物体的一个重要过程。研究对二维多边形物体的剖分,对于图像识别具有重要意义。在进行图像识别时可首先提取图像中物体的边缘,并用封闭多边形表示。研究如何对该多边形进行有意义的剖分,是正确识别该图像中的物体很关键的一步。文中首先用谱分析结合K-均值的方法,对要剖分的多边形的顶点进行聚类,然后用计算多边形剖分线段适合度的方法,递归地在顶点类内部和顶点类之间选择最佳剖分线段,实验结果表明了该方法的有效性。该算法剖分结果和知名的人工剖分结果的定量分析比较表明,算法剖分结果符合人类思维,取得了较好的剖分结果。

关键词： 济川煎   指纹图谱   化学模式识别   相似度评价   聚类分析   主成分分析   正交偏最小二乘法-判别分析  

摘要： 目的:建立济川煎HPLC指纹图谱,并进行化学模式识别评价不同产地饮片对济川煎质量的影响。方法:使用不同产地饮片制备济川煎样品,利用Caprisol C_(18)-AQ 100A色谱柱(250 mm×4.6 mm,5μm),乙腈-0.1%磷酸水溶液为流动相,梯度洗脱,测定了15批济川煎的指纹图谱,结合相似度评价、聚类分析(CA)、主成分分析(PCA)和正交偏最小二乘法-判别分析(OPLS-DA)模式识别方法,对不同产地饮片制备的济川煎进行质量分析。结果:建立的指纹图谱方法符合方法学要求,15批济川煎HPLC指纹图谱有13个共有特征峰,指认了3个特征峰成分,其相似度均在0.9以上;通过CA发现,样品主要受枳壳产地影响,可分为两大类;PCA与CA结果基本一致;OPLS-DA筛选出了不同批次济川煎的2个差异性质量标志物,通过对照品指认,确定了8号为柚皮苷。结论:建立的指纹图谱方法稳定可靠,结合化学模式识别可将济川煎按枳壳产地不同分为2类,差异性质量标志物为柚皮苷,可用于济川煎的质量控制评价。

关键词： 深度学习   机器学习   模式识别   深度分组卷积   多尺度卷积   自注意力机制  

摘要： 针对低信噪比条件下雷达信号特征提取难、识别稳定性低的问题,提出了一种基于深度分组卷积、多尺度卷积和自注意力机制的雷达行为模式识别算法,在不增加训练难度的情况下提高复杂环境下的识别能力。该算法先采用深度分组卷积在浅层网络分离弱相关的通道,再通过多尺度卷积代替常规卷积实现多维特征的提取,最后利用自注意力机制调整优化不同特征图的权值,抑制低相关和负相关的通道与空间带来的影响。对比实验表明,所提MSCANet在0~50%丢失脉冲和虚假脉冲条件下平均识别率达到约92.25%,与基线网络AlexNet、ConvNet、ResNet、VGGNet相比,准确率提升了约5%~20%,不同雷达行为模式识别稳定,模型具有更好的泛化性和鲁棒性。同时,消融实验证明了深度分组卷积、多尺度卷积和自注意力机制对模式识别的有效性。