信号处理和人工智能等领域的研究和开发方法和算法)在过去二十年变得越来越重要。在这个特殊的问题,我们提出新的想法和混合方法基于上述的技术科学领域鼓励来自不同领域的研究者采用它们在实现复杂的多学科的任务。这个特殊的问题包括一组新贡献,涵盖范围广泛的先进的信号处理技术和自适应学习方法对各种工程的目的。
在这篇名为《RnRTD:智能方法基于这种关系建立神经网络和受限制的张量分解为多个指控判断在合法的情况下,“x郭等人描述的一种新方法来判断多个犯罪在法律案件。这是multilabel分类,它是基于这种关系建立递归神经网络(rdRNN)和受限制的张量分解(RTD)。作者表明,拟议的RTD层和relation-driven循环神经网络对不同深度有显著的优化影响神经网络算法。
接下来,小说情感识别方法基于互信息特征重量,它捕获的相关性和冗余特性,本文提出了名为“适应性学习情感识别方法的简短文本在线医学知识分享社区”甘d . et al。
论文题为“演讲技术进步基础上新机器学习范式”诉Delić等人概述的语音信号处理技术发展为一个典型的区域。作者提供了一个自然语音信号的分析和处理,相应的机器学习算法,并应用计算智能为了深入了解几个字段,包括言语生成和听觉感知、认知方面的言语交际和语言理解、语音识别和语音合成更多的细节,因此口语对话系统的主要发展方向。此外,本文论述了概念和最新进展在语音信号压缩、编码、传输,包括认知语音编码。
“语言使用形态学数据建模为塞尔维亚大词汇量语音识别”是语音信号处理领域的一篇论文,提出的e . Pakoci et al .,作者证明了使用额外的形态学知识语言模型训练可以解决大部分问题高度屈折的塞尔维亚等语言。
产品模块网络设计中描述基于复杂网络理论的论文,题为“产品模块进化网络建模和分析”h·乔et al。为了分析的变化造成的产品模块网络模块进化,一个BBV模型(Barrat-Barthelemy-Vespignani)产品模块的网络建立动态地确定产品的脆性风险模块网络。
“运动稳态视觉诱发电位(SSMVEP)增强方法基于时频图像融合”是论文的标题严w . et al .,,作者提出了一个基于t f SSMVEP增强方法图像融合为了探索是否t f域分析比时域分析可以获得更好的融合效果。作者证明了t f图像融合算法的关键是小波低频成分的融合,网络t f图像融合方法的性能优于传统的空间滤波方法,这表明该方法是可行的融合SSMVEP t f的域。
论文题为“深度学习网络的多用户检测卫星移动通信系统”由g .问:杨等人提出了一种基于深度学习的多用户检测(MUD)算法对卫星移动通信系统网络。作者已经证明,通过建立一个典型的卫星通信系统仿真平台,与正交信号跟踪(OMP)和迭代最小二乘排序(IORLS)算法,提出了深学习网络算法具有更好的性能在不同的信噪比条件下,CINR和载波频率偏移干扰。
小说的方法增加不同ANN-based系统的预测精度提出了本文题为“并发,基于绩效的方法增加短期神经预测的准确性和确定性系统”由m . Milićet al。作者在GNI预测测试了这种方法在国民经济层面,城市交通量预测、日常消费电负载预测和郊区。
本文“KeratoDetect:圆锥形角膜检测算法使用卷积神经网络”由a Lavric等人提出了一个算法促进圆锥形角膜疾病的诊断。算法分析眼睛的角膜地形使用卷积神经网络(CNN)能够提取和学习圆锥形角膜眼的特性。作者证明了算法能够协助眼科医生快速筛查的患者,从而减少诊断错误和促进治疗。
最后,N.-D。黄平君提出了一种自动图像处理方法定期评估壁结构的条件在报纸上题为“提供基于图像处理识别墙使用机器学习方法的缺陷,并可操纵的过滤器。“为了从数字图像中提取有用的特性,可操纵的过滤器和投影积分使用。作者表明,该方法可以实现良好的分类性能,较高的分类精度,同时,它代表了一种承诺援助在周期性维护机构的调查。
通过提供各种各样的应用程序,从传统信号处理等领域的演讲中,图像,和医学信号处理法律事务的应用程序进行分析和土木工程,我们表明,不管我们的主要研究领域是机器学习和信号处理技术可以显著改善现有方法的性能,并使新方法的出现。等先进技术的应用也为在其他领域取得进展,这是一个额外的使命这个特殊的问题。
的利益冲突
客人编辑声明没有(现有的和预期的)的利益冲突。客人编辑行使他们的专业判断在评审过程中,但他们的意见并不一定反映他们的雇主的官方排名或组织他们可能属于。
Zoran Perić
Vlado Delić
Zoran Stamenković
大卫Pokrajac