小家电图精选

HA836(27)P/TSDL型电话机电气原理图取刃]sk C46压Jp身淤涂一一欲7{ DZU盆刊咭口琦·一--创卜~月冲司卜卜阴口二01止二一。汗舰姗kl4 22压 ..一一~,~,厄‘人才一叫户瞥 }〔】:。、.~}:“!}。:,;}{iC:。「’。;3。!。钮\舫?{’。‘心叱矛C〔与二…」迎一l墨参常介;」尸q广盆门司曰粼巨冲;寡鸟。,:{犷广「井厂下门巨二一-‘,reswe 旧卜产弓OV广厂刃陈门网「函胜:〕韶 阔濡园·品2、同同画回区区区匣〔互三时戮蕊一州1,曰5}朋}四IF呱旧佣正)}6吻}}}队836(27)p/TSoL型电话机元件排列图尸”Jl““!。。1 00n厂 引OOOOOOOOOO〕岁OOO…     

卫星遥感森林火点监测系统的设计与实现

根据江西省1：25万基础地理信息及卫星遥感数据，本文采用Microsft visual Basic 6．0和Microsoft Access 2000、Microsoft SQL Server 2000，以ESRI公司的AreView软件、MapObjects 2．0组件为GIS平台，设计和实现了一套可兼顾自动和手动运行的卫星遥感森林火点监测系统。系统可以实时处理卫星遥感信息，并结合基础地理信息确定火点及其周边环境信息，可进行点定位、边定位、区域定位，即查找出距火点最近的村、乡、县等居民点、道路及火点距离、方位，通过GIS控件快速定位村或火点所属的县、地市，实时入库和发布。     

氧化锌避雷器的老化检测

绪言避雷器作为电力系统的过电压保护是极为重要的设备。自1975年无间隙固体氧化锌避雷器取代原来的阀型避雷器应用于电力系统以来,在结构和性能方面都有了飞速地提高。据最近调查,现在各厂家制造的电力用避雷器大部分为氧化锌(ZnO)避雷器。因为这种避雷器具有优越的特性,正在成为避雷器的主流。另一方面,由于侵入电力系统的雷电波和操作冲击波等应力作用,也会使(ZnO)避雷器逐渐老化。一旦避雷器老化时,将使正常对地绝缘性能降低,泄漏电流增大,同时发热,导致避雷     

融合情感轮注意力的情感分布学习

情感分布学习是一种近年提出的有效的多情绪分析模型,其核心思路是通过情感分布记录示例在各个情绪上的表达程度,适于处理存在情绪模糊性的情感分析任务。针对现有的情感分布学习方法较少考虑情感心理学先验知识的问题,提出一种基于情感轮注意力的情感分布学习（emotion wheel attention based emotion distribution learning,EWA-EDL）模型。EWA-EDL模型为每种基本情绪生成一个描述情绪心理学相关性的先验情感分布,再通过注意力机制将基于情感轮的先验知识直接融入深度神经网络。EWA-EDL模型采用端到端的方式对深度网络进行训练,同时学习情感分布预测和情绪分类任务。EWA-EDL模型主要由5部分构成,分别为输入层、卷积层、池化层、注意力层和多任务损失层。在8个常用的文本情感数据集上的对比实验表明,EWA-EDL模型在情感分布预测和情绪分类任务上的性能均优于对比的情感分布学习方法。     

融合卷积神经网络与层次化注意力网络的中文文本情感倾向性分析

文本情感倾向性分析是自然语言处理研究领域的一个基础问题。基于深度学习的模型是处理此问题的常用模型。而当前的多数深度学习模型在中文文本情感倾向性分析方面的应用存在两个问题: 一是未能充分考虑到文本的层次化结构对情感倾向性判定的重要作用,二是传统的分词技术在处理文本时会产生歧义。该文针对这些问题基于卷积神经网络与层次化注意力网络的优点提出了一种深度学习模型C-HAN(Convolutional Neural Network-based and Hierarchical Attention Network-based Chinese Sentiment Classification Model),先用并行化卷积层学习词向量间的联系与组合形式,再将其结果输入到基本单元为双向循环神经网络的层次化注意力网络中判定情感倾向。实验表明: 模型在中文评论数据集上倾向性分类准确率达到92.34%,和现有多个情感分析模型相比有所提升;此外,对于中文文本,选择使用字级别词向量作为原始特征会优于词级别词向量作为原始特征。     

基于词重要性的信息检索图模型

在信息检索建模中,确定索引词项在文档中的重要性是一项重要内容。以词袋(bag-of-word)的形式表示文档来建立检索模型的方法中大多是基于词项独立性假设,用TF和IDF的函数来计算词项的重要性,并未考虑词项之间的关系。该文采用基于词项图(graph-of-word)的文档表示形式来捕获词项间的依赖关系,提出了一种新的基于词重要性的信息检索图模型TI-IDF。根据词项图得到文档中词项的共现矩阵和词项间的概率转移矩阵,通过马尔科夫链计算方法来确定词项在文档中的重要性(Term Importance, TI),并以此替代索引过程中传统的词项频率TF。该模型具有更好的鲁棒性,我们在国际公开数据集上与传统的检索模型进行了比较。实验结果表明,该文提出的模型都要优于BM25,且在大多数情况下优于BM25的扩展模型、TW-IDF等模型。     

手指静脉图像鲁棒边缘检测算法*

手指静脉识别技术已成为研究热点, 为定位用于识别的静脉区域, 首先需要对手指边缘进行检测. 对于低质量手指静脉图像, 经典边缘检测算法检测效果不理想. 为此, 提出一种新的可应用于低质量手指静脉图像的鲁棒边缘检测算法, 主要分为三个步骤：首先, 寻找手指内部分界线, 将图像分为上下两个部分;其次, 利用上下两个水平边缘检测模板, 分别检测手指的上下边缘;最后, 检测边缘中的错误片段, 并利用插值、拟合、填补等技术进行修复.实验结果表明该算法具有检测准确率高, 鲁棒性强的特点.     

实体驱动的双向LSTM篇章连贯性建模

篇章连贯性建模是自然语言处理研究领域的一个基础问题。主流的篇章连贯性模型分为两大类,分别是基于实体网格的连贯性模型和基于神经网络的篇章连贯性模型。其中,基于实体网格的篇章连贯性模型需要进行特征提取,而基于深度学习的模型没有充分考虑篇章中句子间的实体链接对连贯性建模的重要作用。基于此,该文首先抽取篇章中相邻句子的实体信息,将其进行分布式表示,然后将此信息通过多种简单且有效的向量操作融合至句子级的双向LSTM深度学习模型之中。在汉语和英语篇章语料上的句子排序和中英文机器翻译连贯性检测两种任务上的实验表明该文提出的模型性能和现有模型相比有所提升,尤其在中文上有显著提升。     

基于语谱图的江西境内赣方言自动分区研究

汉语方言分区研究是语言学的重要组成部分。鉴于传统基于词汇和语法的人工方言分区方法具有一定的主观性,该文研究了如何有效利用语音本身特征进行方言的自动分区。论文首先构建了江西省11个省辖市、91个下辖县级行政区的时长约1 500分钟的1 223条语音语料库,然后在传统的MFCC语音特征提取基础上,提出了基于CNN的自编码降维语谱图的深度学习特征提取模型,对降维后的语音特征分别采用k均值算法聚类、高斯混合聚类和层次聚类对方言自动分区。实验结果表明,新型语谱图特征的聚类性能度量内部指标DBI指数以及DI指数显著优于传统MFCC特征,维度为16时语谱图和MFCC下的拼接特征聚类效果与传统人工方言分区较为接近。     

关于加强电力电容器运行管理的几个问题的探讨

目前,安装于电网、电力用户的电容器逐步增多,质量也在不断改进。对于改善电网电压和功率因数,降低线损起到了一定作用。但是,无功补偿设备仍然不足,当前电网电压水平还很低,除尚须增加无功补偿设备外,必须充分挖掘现有无功设备潜力。加强电容器的运行管理、维护,充分发挥现有电容器的作用,对于电网的安全经济运行,是一个很重要的方面。