一种基于超节点理论的本体关系消冗算法

本体作为指导知识图谱数据构建的上层结构,在知识图谱技术中具有重要意义。本体在发展的过程中会形成结构上的冗余。现有的本体消冗方法无法处理含有等价关系的本体结构,只能针对单一类属关系进行冗余的检测与消除。该文针对含有等价关系的本体提出一种基于超节点理论的消冗算法,首先将相互等价的节点看作超节点,消除单一类属关系之间的的冗余;然后还原等价节点,消除等价关系与类属关系之间的冗余。在计算机生成网络和真实网络上的实验和分析表明,该算法能够准确识别关系冗余,具有较高的稳定性和综合性能。     

响应曲面优化超微粉碎法提取灵芝多糖

采用单因素法确定影响灵芝多糖提取的主要因素,即超微粉碎时间、浸提时间、温度,进一步利用BOX-Behnken模型对其进行响应曲面优化。DesignExpert软件分析表明:超微粉碎法提取灵芝多糖在超微粉碎17.56min,浸提4.60h,提取温度87.83℃的最佳工艺条件下,得率达到最高,理论值为2.16105%,实测结果与响应面拟合所得方程的预测值符合良好。     

灵芝多糖提取及生理活性的研究进展

综述了灵芝多糖的提取纯化方法,简要介绍灵芝多糖的在免疫调节、抗肿瘤、抗氧化和降血糖等方面的生理活性,并对灵芝多糖未来的研究、生产做出展望。     

ARM+FPGA控制的LED脱机屏系统设计

采用基于ARM核的新一代32位嵌入式RISC微处理器S3C2410和FPGA组成控制中心,与上位机通过以太网进行通信。该系统可支持256灰度级全彩LED屏的文字、图片和动画显示,同时可以根据需要存储更多的显示内容,并能较快地传输图片数据。ARM控制数据的下载、存储和发送,FPGA实现数据的接受、缓存和扫描显示。ARM和FPGA之间数据通信采用了ARM内置的LCD接口,实现了数据的并行传输,使传输速率达到客观的效果,且最大可显示1024×1024分辨率大小的图片。目前系统可显示256×256分辨率大小的图像,为了提高系统灵活性,提高应用性,在FPGA部分图片被分成了128×64大小的8个图像小块,可通过外部跳针选择,整个系统具有较强稳定性和通用性。     

电力电子和牵引电机技术

由于电力电子技术的发展,铁道车辆用牵引电机中开始广泛使用交流牵引电机。在使用的初期阶段为感应牵引电机方式和同步牵引方式并用。其后,随着GTO和IGBT式的自我消弧方式部件的实用化,逐渐固定于电压式逆变器。因此加感应电机驱动后,永磁同步电机开始出现。在控制方式上,由以前的转差频率控制逐渐向32位的矢量控制普及,同时应用无速度传感器控制。这样,就实现了驱动系统和车辆系统的较好的组合方式。     

大型风力机“下风向2MW机”的开发

本文针对矢量控制理论在对三相异步电动机进行调速控制实践中出现的难点和不足．阐述了用电压空间矢量的概念在定子坐标上分析交流异步电动机的数学模型,从而对电动机的转矩进行直接控制的新颖思想。论述了转矩模型、磁链模型相关因子的函数关系及基本结构,对选择不同的电压空间矢量形成六边形及圆形磁链轨迹的方法、策略及地铁动车在不同速度段所采取的不同的控制技术和方法作了分析介绍。     

电化教育的重要意义

电视教育是一种重要的现代教育技术。电视教学在世界不少国家已经成为十分普及的教育手段。其主要优点在于能突破空间,时间的限制,把包括宏观世界和微观世界在内的各种教学内容,用生动的礼觉,听觉形象传播给学生,不但在数量上,而且在质量上更好地满足学生对获得知识的要求。     

一种基于可变形部件模型的快速对象检测算法

为了解决可变形部件模型检测过程中的速度瓶颈问题,该文针对模型的检测流程,提出一种结合快速特征金字塔计算的级联可变形部件模型。由于模型的检测速度主要取决于特征计算以及对象定位这两个过程,提出一种两阶段的加速算法:首先采用尺度上稀疏采样的特征金字塔来近似表示精细采样的多尺度图像特征,以加快特征计算过程;然后在定位过程中结合级联算法,以一个序列模型顺序地评估各个部件,从而快速剪除大部分可能性较小的对象假设,以加快对象定位过程。在PASCAL VOC 2007和INRIA数据集上的实验结果表明,该算法可以明显加快检测速度,而检测精度仅略有下降。     

原油性质及其与企业炼油装置的匹配性研究

原油组成及其性质非常复杂。要简明、准确地描述一种原油的性质是很困难的，而且已有评价和分类描述指标都不针对具体炼油装置。本文利用炼油PIMS模型针对具体炼油装置计算出了原油的性质匹配系数。利用这些匹配系数可以量化地比较各种原油的性质。企业实际加工原油的加权平均匹配系数一般应控制在0.60~0.80范围内。同时本文还指出，炼油装置综合配套能力强、产品质量标准低的企业，原油匹配系数相对较大，反之较小。     

基于XLnet嵌入的中文命名实体识别方法

命名实体识别是自然语言处理的核心任务。在基于深度学习的中文命名实体识别方法中,静态字向量无法表征字的多义性。针对该问题,提出了基于XLnet嵌入的中文命名实体识别方法。该方法首先通过XLnet(Generalized Autoregressive Pretraining for Language Understanding,XLnet)模型获取字级别的上下文表示。其次,利用BiLSTM-CRF模型获取文本依赖信息和标签信息。实验结果表明,该方法在人民日报、MSRA、Boson等3种数据集上分别达到91.9%、89.8%、74%的F1值,均高于其他主流的中文命名实体识别方法。