摘要：建立了一种基于门控循环单元(GRU)神经网络和隐马尔科夫模型(HMM)结合的声学模型。采用梅尔倒谱系数(MFCC)作为该声学模型的输入,利用GRU神经网络能够对时间序列的实时记忆能力来对语音数据进行概率统计,所得概率值通过HMM模型进行统计和重新评估,最终得到辨识结果。用该方法对湖南方言进行了辨识研究,实验证明,此声学模型与传统声学模型相比具有更好的辨识效率。

摘要：针对移动机器人定位和建图过程中产生的位姿漂移问题,研究了在整个视觉SLAM框架中产生位姿漂移的原因。在使用视觉传感器的移动机器人进行移动的过程中,通过相邻两帧的图片,计算机器人的位姿变化,随着时间的增加,图片帧数的增加,每次计算的位姿都是基于前一张图片,因此机器人的位姿误差逐渐累加,产生漂移。而论文的目的是为了解决机器人运动过程中产生的漂移问题。论文中使用了深度学习的方法来实现回环检测功能解决机器人的位姿漂移问题,并且通过实验验证了方法的有效性。

摘要：假定股票价格、公司价值、公司负债均服从双分数Brown运动驱动的随机微分方程,利率满足双分数Vasicek利率模型,建立双分数布朗运动环境下金融数学模型,利用保险精算方法研究脆弱期权定价问题。

摘要：为了实现土木结构损伤模态频率的精确提取,论文将一种新型ICA算法——鲁棒独立分量分析(RobustICA)应用于IASC-ASCE的四层钢结构框架比例模型,选取无损伤和东侧所有斜支撑断裂这两种工况进行模态固有频率提取。首先选取距离激励点较近的检测节点;其次利用RobustICA算法对这些检测节点采集的混合信号进行盲源分离,得到各个独立分量;之后通过频谱分析,确定了不同工况下的模态固有频率。结果显示RobustICA算法分离出的各分量之间的独立性更高,且固有频率能较精确地分离出来。

摘要：在完美图的基础上,Gyárfás提出了用f(ω)表示图的色数上界的概念。通过对不含3K1和K1+C4为导出子图的图结构进行分析,得到了该类图色数的关于团数线性函数表达式的上界。此结果改进了Choudum等关于此类图的结论。