一种实用的单相交流脉宽调压电路

提出了一种针对单相交流负载进行的交流调压电路———脉宽调压电路 ,此调压电路使用一只自关断型电力电子器件对单相交流负载上的电压进行脉宽调压控制。分析了工作原理 ,给出了实验结果。结果表明 :对单相负载采用此方法调压可使负载上的电压谐波分量小 ,系统响应快 ,电路结构简单。适用于单相感应电动机调压调速、单相电阻炉调温控制等单相交流负载的应用中     

模糊控制在小型热水锅炉温度控制中的应用

介绍了小型热水锅炉模糊控温系统中，环境温度与锅炉供水温度之间数学模型的建立，运用两输入单输出的模糊控制模型进行了具体的模糊控制器的设计，给出了以MCS－51系列单片机8031为核心实现模糊控制器的最小硬件电路系统及软件程序框图。     

国内一流大学计算机教学改革三个值得注意的问题

面对计算机科学与技术的快速发展,结合笔者在教学实践中的体会,指出目前国内一流大学计算机教学改革中存在的三个值得注意的问题,对如何处理这三个问题作出初步解答。     

基于EPROM芯片构成的单片机键盘接口电路

本文以TA89c52单片机为例，基于可编程只读存储器EPROM2716芯片构成了一种单片机的键盘接口电路，介绍了它的工作原理，并给出了该键盘接口的硬件电路及软件程序。     

一种三相交流调压电路——三相Y接对称性负载脉宽调压电路

提出了一种仅针对三相Y型接法对称性负载的调压电路———脉宽调压电路,此调压电路使用一只可关断电力电子器件对三相Y型接法对称性负载进行调压控制。分析了工作原理,给出了实验结果。结果表明:对Y型接法的三相对称性负载采用此方法调压能使系统的电路结构简单、负载上的电压谐波分量小,系统响应快。可适用于Y型接法的三相感应电动机调压调速、三相Y接电阻炉调温控制等负载的应用中。     

基于无指导学习策略的无词表条件下的汉语自动分词

探讨了基于无指导学习策略和无词表条件下的汉语自动分词方法，以期对研制开放环境下健壮的分词系统有所裨益,全部分词知识源自从生语料库中自动获得的汉字Bigram．在字间互信息和t-测试差的基础上，提出了一种将两者线性叠加的新的统计量md，并引入了峰和谷的概念，进而设计了相应的分词算法，大规模开放测试结果显示，该算法关于字间位置的分词正确率为85．88％，较单独使用互信息或t-测试差分别提高了2．47％和5．66％。     

中文开放域问答系统数据增广研究

开放域问答是自然语言处理中的重要任务之一。目前的开放域问答模型总是倾向于在问题和文章之间做浅层的文本匹配,经常在一些简单问题上出错。这些错误的原因部分是由于阅读理解数据集缺少一些真实场景下常见的模式。该文提出了几种能够提高开放域问答鲁棒性的数据增广方法,能有效减少这些常见模式的影响。此外,我们还构造并公开发布了一个新的开放域问答数据集,能够评估模型在真实场景下的实际效果。实验结果表明,该文提出的方法在实际场景下带来了性能提升。     

高频最大交集型歧义切分字段在汉语自动分词中的作用

交集型歧义切分字段是影响汉语自动分词系统精度的一个重要因素。本文引入了最大交集型歧义切分字段的概念,并将之区分为真、伪两种主要类型。考察一个约1亿字的汉语语料库,我们发现,最大交集型歧义切分字段的高频部分表现出相当强的覆盖能力及稳定性:前4,619个的覆盖率为59.20% ,且覆盖率受领域变化的影响不大。而其中4,279个为伪歧义型,覆盖率高达53.35%。根据以上分析,我们提出了一种基于记忆的、高频最大交集型歧义切分字段的处理策略,可有效改善实用型非受限汉语自动分词系统的精度。     

基于中英平行专利语料的短语复述自动抽取研究

短语复述自动抽取是自然语言处理领域的重要研究课题之一,已广泛应用于信息检索、问答系统、文档分类等任务中。而专利语料作为人类知识和技术的载体,内容丰富,实现基于中英平行专利语料的短语复述自动抽取对于技术主题相关的自然语言处理任务的效果提升具有积极意义。该文利用基于统计机器翻译的短语复述抽取技术从中英平行专利语料中抽取短语复述,并利用基于组块分析的技术过滤短语复述抽取结果。而且,为了处理对齐错误和翻译歧义引起的短语复述抽取错误,我们利用分布相似度对短语复述抽取结果进行重排序。实验表明,基于统计机器翻译的短语复述抽取在中英文上准确率分别为43.20%和43.60%,而经过基于组块分析的过滤技术后准确率分别提升至75.50%和52.40%。同时,利用分布相似度的重排序算法也能够有效改进抽取效果。     

基于局部语义相关性的定义文本义原预测

作为人类语言的最小语义单位,义原已被成功应用于许多自然语言处理任务。人工构造和更新义原知识库成本较大,因此义原预测被用来辅助义原标注。该文探索了利用定义文本为词语自动预测义原的方法。词语的各个义原通常都与定义文本中的不同词语的语义有相关关系,这种现象被称为局部语义相关性。与之对应,该文提出了义原相关池化(SCorP)模型,该模型能够利用局部语义相关性来预测义原。在HowNet上的评测结果表明,SCorP取得了当前最好的义原预测性能。大量的定量分析进一步证明了SCorP模型能够正确地学习义原与定义文本之间的局部语义相关性。