无池化层卷积神经网络的中文分词方法

在中文信息处理中,分词是一个十分常见且关键的任务。很多中文自然语言处理的任务都需要先进行分词,再根据分割后的单词完成后续任务。近来,越来越多的中文分词采用机器学习和深度学习方法。然而,大多数模型都不同程度的有模型过于复杂、过于依赖人工处理特征、对未登录词表现欠佳等缺陷。提出一种基于卷积神经网络（Convolutional Neural Networks,CNN）的中文分词模型--PCNN（Pure CNN）模型,该模型使用基于字向量上下文窗口的方式对字进行标签分类,具有结构简单、不依赖人工处理、稳定性好、准确率高等优点。考虑到分布式字向量本身的特性,在PCNN模型中不需要卷积的池化（Pooling）操作,卷积层提取的数据特征得到保留,模型训练速度获得较大提升。实验结果表明,在公开的数据集上,模型的准确率达到当前主流神经网络模型的表现水准,同时在对比实验中也验证了无池化层（Pooling Layer）的网络模型要优于有池化层的网络模型。     

模糊综合评价分析两种生物农药单剂对小麦储藏品质的影响

应用单因素方差分析和模糊综合评价,研究蛇床子素和多杀菌素两种生物农药单剂对小麦储藏品质的影响。建立小麦储藏品质变化的模糊综合评价模型,分析储藏4个月和8个月小麦品质多指标动态变化模型,先用极差变换及线性比例变换对指标矩阵进行无量纲化处理,再用夹角余弦法确定权重向量,最后得到模糊综合评价值,并用拉依达检验法检验。结果表明:储藏4个月和8个月的综合评分值H和F均小于2 s(2 s相当于显著水平a=0.05),确定了评价模型的可行性,也表明了各样品差异不显著,即分别拌以0.50、0.75、1.00 mg/kg的1.0%蛇床子素粉剂和0.50、1.00、1.50 mg/kg的0.5%多杀菌素粉剂的小麦样品与不拌药的小麦样品在储藏8个月内的品质没有显著影响,为小麦品质储藏寻求到较为安全的两种生物农药,同时也为粮食品质储藏研究工作提供了一个重要的分析方法。     

圆形盾构隧道水土压力表示与计算半径取值分析

盾构隧道周围的水土压力有投影表示法与径向表示法,两种表示方法的比较分析表明:水压力宜采用径向表示法,当径向表示法转换为投影表示法时,任意点的投影荷载数值与径向表示法时的荷载数值完全相等;土压力宜采用竖向与水平的投影表示法。针对圆形盾构隧道周围的水土压力作用半径与盾构隧道横断面曲梁的中心半径不一致问题,对盾构隧道计算半径的取值方法进行了分析,结果表明:当隧道的计算半径取为外半径时,盾构隧道的内力与变形偏大;当隧道的计算半径取为中心半径时,盾构隧道的内力与变形偏小。从荷载作用效果的等效性角度,分别得到了盾构隧道计算半径不同取值方法对应的水土压力修正系数与曲梁刚度修正系数,并给出了不同荷载对应的盾构隧道计算半径的取值建议。     

砂卵石地层圆形深基坑支护结构土压力

在以砂卵石地层为主的成都平原地区,近年来圆形深基坑工程逐渐出现,但一直无适宜的支护结构土压力的确定方法,对土压力分布特征尚不清楚。运用弹塑性数值模拟方法,充分考虑桩土变形协调关系,确定了成都地区砂卵石地层的圆形深基坑支护结构上土压力的分布规律,呈现出在围护桩中下部偏大的近似三角形分布模式,平均值小于Rankine主动土压力。开展了模型试验研究,针对试验模型,数值计算值与试验值分布规律整体上具有相似性,二者较为接近,说明了数值计算结果具有一定的合理性。     

针对文本分类的神经网络模型

文本分类是自然语言处理领域的一项重要任务,具有广泛的应用场景,比如知识问答、文本主题分类、文本情感分析等.解决文本分类任务的方法有很多,如支持向量机（Support Vector Machines,SVM）模型和朴素贝叶斯（Naïve Bayes）模型,现在被广泛使用的是以循环神经网络（Recurrent Neural Network,RNN）和文本卷积网络（TextConventional Neural Network,TextCNN）为代表的神经网络模型.本文分析了文本分类领域中的序列模型和卷积模型,并提出一种组合序列模型和卷积模型的混合模型.在公开数据集上对不同模型进行性能上的对比,验证了组合模型的性能要优于单独的模型.     

砂卵石地层圆形深基坑支护结构土压力

在以砂卵石地层为主的成都平原地区,近年来圆形深基坑工程逐渐出现,但一直无适宜的支护结构土压力的确定方法,对土压力分布特征尚不清楚。运用弹塑性数值模拟方法,充分考虑桩土变形协调关系,确定了成都地区砂卵石地层的圆形深基坑支护结构上土压力的分布规律,呈现出在围护桩中下部偏大的近似三角形分布模式,平均值小于Rankine主动土压力。开展了模型试验研究,针对试验模型,数值计算值与试验值分布规律整体上具有相似性,二者较为接近,说明了数值计算结果具有一定的合理性。