基于最大熵原理的汉语词义消歧

词义消歧是自然语言处理中亟待解决的一个关键问题,本文提出一种基于最大熵模型的有监督的机器学习方法,用于汉语词义消歧。该方法综合了词标记、词性、主题等上下文特征,并用一种统一的表示方法规范化特征形式,解决了多种不同特征之间的融合和特征的知识表示。实验对20个汉语高频多义词进行了测试,平均正确率为87％,验证了该方法的有效性。     

考虑拥堵情形的污染路径问题及其求解算法

考虑拥堵情形的污染路径问题是经典的带时间窗车辆调度问题的一个扩展。该问题的目标函数包括车辆行驶产生的排放成本,约束条件则包括交通拥堵带来的车辆行驶速度约束——该拥堵只与时间有关(time-dependent),且拥堵的开始时刻和结束时刻都可以自由设定。首先提出了拥堵情形下的行驶时间计算模型,在此基础上建立污染路径问题的线性规划模型,并提出了基于节点时间窗变换以及速度和出发时间优化的求解算法。算例结果验证了该算法的高效性。     

结合新颖性和风险评估的内在奖励方法

强化学习算法依赖于精心设计的外在奖励,然而Agent在和环境交互过程中,环境反馈给Agent的外在奖励往往是非常稀少的或延迟,这导致了Agent无法学习到一个好的策略。为了解决该问题,从新颖性和风险评估这两方面设计一个内在奖励,使Agent能充分地探索环境以及考虑环境中存在不确定性动作。该方法分为两部分,首先是新颖性描述为对当前状态-动作和转换后状态的访问次数,将具体执行的动作考虑进去;其次是动作的风险程度,风险评估从累积奖励方差考虑,来判断当前动作对状态的意义是有风险的还是无风险的。该方法在Mujoco环境下进行了评估,实验验证该方法取得了更高的平均奖励值,尤其是在外在奖励延迟的情况下,也能取得不错的平均奖励值。说明该方法能有效地解决外在奖励稀疏的问题。     

重组(酵母)恶性疟疾疫苗抗原PfCP-2及其制剂质量分析

目的　对第二军医大学 (二军大 )和上海万兴生物制药有限公司 (万兴公司 )研制的重组 (酵母 )恶性疟疾疫苗抗原PfCP- 2及其制剂进行分析。方法　按我所和申报公司共同拟定的《重组 (酵母 )恶性疟疾疫苗制造与检定规程》要求进行质量检定。结果　PfCP- 2浓度为 2 . 1mg/ml,纯度达 99%以上 ,连续生产的 3批抗原质量稳定 ;所制备的疫苗经检定各项指标全部合格。结论　PfCP -2抗原性强 ,其疫苗安全免疫效果好。     

供应链管理上的关键整合

汽车行业现状纵览 全球汽车业的竞争在不断加剧,中国经济的蓬勃发展和庞大的人口基数,使得中国成为全世界最关注的汽车市场.随着WTO的开放和改革的进一步深入,中国汽车市场也逐渐成为全世界竞争最激烈的市场.     

他克莫司酶免检测试剂盒的质量分析

<正>他克莫司(Tacrolimus)是从放线菌Streptomyces tsukubaea-sis的代谢产物中提取的新型大环内酶类物质,比环孢菌素具有更强的免疫抑制作用,主要用于肝、肾和小肠等脏器移植中,抑制机体的排异反应,具有十分重要的临床实用价值。 由DiaSorin公司在美国明尼苏达州生产的他克莫司ELISA试剂盒,已在世界70多个国这有和地区销售使用。它主用于临床病例中他克莫司血液内药物浓度的监测,以指导该药物安全有效使用。该检测方法简便、快速、敏感、特异,并获得美国专利(1997,No.5650288)。     

C-V模型的一种集成化改进

C-V(Chan-Vese)模型不能分割灰度不均图像,分割速度慢.因此,对图像分割理论进行深入探讨,采用实验方法,提出一个新的边缘停止函数,并将其与图像灰度变换及H1正则项融入C-V模型中,对其进行集成化改进,提出一个新颖的以偏微分方程形式表示的活动轮廓模型.实验表明:该模型能分割灰度不均图像,对初始轮廓的大小敏感性较小,抗噪性较强,分割速度较快.     

基于平均序列累计奖赏的自适应ε-greedy策略

探索与利用的权衡是强化学习的挑战之一。探索使智能体为进一步改进策略而采取新的动作,而利用使智能体采用历史经验中的信息以最大化累计奖赏。深度强化学习中常用“[ε]-greedy”策略处理探索与利用的权衡问题,未考虑影响智能体做出决策的其他因素,具有一定的盲目性。针对此问题提出一种自适应调节探索因子的[ε]-greedy策略,该策略依据智能体每完成一次任务所获得的序列累计奖赏值指导智能体进行合理的探索或利用。序列累计奖赏值越大,说明当前智能体所采用的有效动作越多,减小探索因子以便更多地利用历史经验。反之,序列累计奖赏值越小,说明当前策略还有改进的空间,增大探索因子以便探索更多可能的动作。实验结果证明改进的策略在Playing Atari 2600视频游戏中取得了更高的平均奖赏值,说明改进的策略能更好地权衡探索与利用。     

基于动态迁移的光传送网SDN低时延调度研究

光传送网SDN调度较传统网络具有更好的动态性,为了使SDN网络性能与大数据和云计算需求匹配,提出了一种低时延动态迁移策略.先以SDN网络结构、流表耗时、以及时延调整系数等变量构建通信代价模型,得到通信代价的目标与约束.基于通信代价模型对SDN网络架构采取动态迁移,根据路径请求量计算控制器的平均时延与累计效用,再利用控制与数据信道负载对流表采取动态调整.通过仿真,确定了光传送网SDN调度过程中,当控制器个数改变时,时延几乎不受影响;当数据量增加时,时延及其增速也能得到有效控制;在动态迁移后,负载差异度降低至迁移前的71.92％.实验结果表明所提方法能够有效降低光传送网SDN调度时延,并保证良好的网络负载均衡.