轻轨用55Q钢的高温流变应力本构模型

通过Gleeble-3800热模拟实验机,在应变速率为0.1～20 s^-1、变形温度为900～1200℃的条件下对轻轨用55Q钢进行轴向单道次压缩实验,得到55Q钢的真应力-真应变曲线,并分析研究了不同热加工条件对55Q钢高温流变应力的影响。实验结果表明：在相同变形温度下,低应变速率时的流变应力较低,在相同应变速率下,高温时的流变应力较低,说明低应变速率和高温有利于动态软化。对流变应力、应变速率和变形温度之间的关系进行线性拟合,建立了55Q钢的修正Johnson-Cook本构模型和基于应变补偿的Arrhenius本构模型,对比两种模型发现,基于应变补偿的Arrhenius本构模型的预测精度更高,能够较好地揭示55Q钢的热变形特性。     

基于图对比学习的长文本分类模型

当前基于字符级考虑的文本分类方法在长文本分类上，存在输入维度过大致使计算困难以及内容过长难以捕捉长距离关系，从而导致准确度不足的问题。由此，提出基于自适应视图生成器和负采样优化的图对比学习长文本分类模型。首先将长文本分为若干段落，用BERT衍生模型对段落进行嵌入表示，然后基于文本的高级结构将段落的嵌入表示视为节点构建图模型，接着使用自适应视图生成器对图进行增广，并通过图对比学习得到文本的嵌入表示，同时在图对比学习的负采样阶段，引入PU Learning知识修正负采样偏差的问题，最后将得到的文本嵌入表示使用两层线性层进行分类。通过在两个中文数据集上的实验显示，方法优于主流先进模型。