融入语言模型和注意力机制的临床电子病历命名实体识别

临床电子病历命名实体识别(Clinical Named Entity Recognition,CNER)的主要任务是对给定的一组电子病历文档进行识别并抽取出与医学临床相关的命名实体,然后将它们归类到预先定义好的类别中,如疾病、症状、检查等实体。命名实体识别任务通常被看作一个序列标注问题。目前,深度学习方法已经被广泛应用于该任务并取得了非常好的效果。但其中大部分方法未能有效利用大量的未标注数据;并且目前使用的特征相对简单,未能深入捕捉病历文本自身的特征。针对这两个问题,文中提出一种融入语言模型和注意力机制的深度学习方法。该方法首先从未标注的临床医疗数据中训练字符向量和语言模型,然后利用标注数据来训练标注模型。具体地,将句子的向量表示送入一个双向门控循环网络(Bidirectional Gated Recurrent Units,BiGRU)和预训练好的语言模型,并将两部分的输出进行拼接。之后,将前一层的拼接向量输入另一个BiGRU和多头注意力(Multi-head Attention)模块。最后,将BiGRU和多头注意力模块的输出进行拼接并输入条件随机场(Conditional Randoin Field,CRF),预测全局最优的标签序列。通过利用语言模型特征和多头注意力机制,该方法在CCKS-2017 Shared Task2标准数据集上取得了良好的结果(F1值为91.34%)。     

电子鼻技术新进展及其应用前景

详细阐述了电子鼻技术的基本原理 ,介绍了它的研究历史、应用现状与发展趋势 ,指出了这门信息新技术实现过程中需要解决的问题 ,重点展望了它在香料香精、卷烟、酒等轻工业品香气质量定性评定中的广阔应用前景     

RBF—LBF串联神经网络模式分类法快速测定微量甲醇

提出了由两层径基函数（ＲＢＦ）和两层线性基本函数（ＬＢＦ）网络组成的串联神经网络模式分类方法。对气敏传感器陈列测试八种浓度甲醇溶液挥发蒸汽所得到的样本集进行分类实验表明，这种模式分类方法速度快、分类精度高，优于前向三层径基函数网络和线笥基本函数网络模式分类方法。     

融合频率和通道卷积注意的脑电(EEG)情感识别

现有的脑电(EEG)情感识别研究普遍采用神经网络和单一注意机制来学习情感特征,具有相对单一的特征表示.而神经科学研究表明,不同频率和电极通道的脑电信号对情感有不同的响应程度,因此文中提出了一种融合频率和电极通道卷积注意的方法,用于脑电情感识别.具体来说,首先将EEG信号分解到不同的频带上并提取相应的帧级特征,然后用预激活残差网络来学习深层次的脑电情感相关特征,同时在残差网络的每个预激活残差单元中都融入频率和电极通道卷积注意模块,以建模脑电信号的频率和电极通道信息,并生成脑电特征的最终注意表示.在DEAP和DREAMER数据集上的独立于受试者场景下的实验结果表明,所提出的卷积注意方法相比单一注意机制更有助于增强EEG信号中情感显著信息的导入,并且能产生更好的情感识别结果.     

人工嗅觉研究进展及其在食品香气评定中的应用前景

概述了人工嗅觉系统的研究历史与应用现状，详细介绍了人工嗅觉系统的基本原理，阐述了基于神经网络的人工嗅觉系统在食品内在质量评定中的广阔应用前景。     

嗅觉模拟技术综述

详细阐述了嗅觉模拟技术的基本原理,介绍了嗅觉模拟技术研究的历史、应用现状与发展趋势,指出了嗅觉模拟技术研究中需要解决的问题,展望了嗅觉模拟技术在香料香精、卷烟、酒等轻工业品香气质量定性评定中的广阔应用前景.     

基于J2EE平台面向服务的体系结构研究与应用

面向服务的体系结构(service-oriented architecture,SOA)因其固有的松散耦合与互操作性,成为许多企业应用的自然选择。本文针对国家教育资源库863项目中需要耦合多个自成体系的系统,提出了使用J2EE 1.4提供的Web服务功能进行构建能够访问现有业务系统的SOA框架。详细研究了SOA框架的构成和相关技术,并分析了在SOA框架上进行的几次迭代过程,给出了在国家教育资源库863项目的实际应用。