基于度量学习的意图识别和槽填充方法

人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题.本文采用基于度量学习的方法,通过计算query set中的样本与support set中样本的距离,寻找距离最近的类别样本作为分类标签,同时将两个任务联合进行训练,用以提升模型的效果.从实验结果中可以得出,本文提出的Fine-tune方法,对意图识别和槽填充任务都有一定的帮助和提升.胶囊网络在意图识别中也起到了一定的效果,可以帮助去除一部分无关信息,但对槽填充任务的帮助不明显;而任务自适应的投影网络,可以更好地将不同类的向量分开,提升了两个任务的性能.     

CAD二次开发中型材截面特性计算功能的实现

截面特性计算是工程实践中非常重要的一个环节.CAD程序中虽然提供了质量特性查询工具,但是无法满足工程实际需要,采用手工计算则非常繁琐,小型截面计算工具是很多行业软件必备的功能.利用VBA进行CAD二次开发、实现型材截面计算功能是非常方便的.     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。     

一种跨公司航天软件缺陷预测方法

为提高航天软件测试的效率和质量，针对同公司航天软件数量少、研制周期长的特点，提出了一种跨公司航天软件缺陷预测方法。从航天软件背景信息复杂、规模大、功能独立等特征出发，提出基于静态分类缺陷预测的模型构建思想。引入迁移学习方法，利用最近邻分类器和数据引力模型，对训练数据的分布特征进行修正，提高训练数据与目标数据的相似性；为提高模型的泛化能力以适应目标数据的多样性，提出在训练数据中加入少量目标数据用于模型训练。将该方法在实际工程中进行应用，实验结果表明，与已有软件缺陷预测方法相比，该方法在保持较低误报率（不高于0.3）的情况下可有效提高召回率（接近0.6），整体可信度得到有效增强（G- measure超过0.6），方法稳定度高，泛化能力较强；本方法在实际工程中对测试规模影响可控，测试效率得到提高。     

基于间隙模式的并发序列模式挖掘算法

在研究并发序列模式和带间隙约束的模式匹配方法基础上,提出间隙模式的概念,并设计基于间隙模式的并发序列模式挖掘算法PBcon.该算法借鉴已有的基于支持量机制,首先挖掘2-分支的并发间隙模式,然后逐步生成3-分支、4-分支及更多分支的并发间隙模式.用真实蛋白质数据对算法进行验证,并与已有的蛋白质相关算法比较,PBcon算法在挖掘效率和挖掘质量上都较有优势.     

基于伏安电子舌的枸杞产地快速辨识

提出一种基于希尔伯特—黄变换(HHT)—线性判别分析(LDA)的枸杞产地电子舌辨识方法。以宁夏、新疆、甘肃、青海4个产地的枸杞为试验材料,采用伏安电子舌采集不同产地枸杞的"指纹图谱"信息,利用集合经验模态分解(EEMD)对电子舌原始信号进行多尺度分解得到一组本征模态函数(IMF),分别求取其奇异谱熵和Hilbert边际谱作为特征向量。在该基础上,利用LDA建立枸杞产地非线性组合预测模型。试验结果表明,HHTLDA与分别采用特征点提取(FPE)、主成分分析(PCA)和离散小波变换(DWT)的算法相比,具有更好的分类效果。对未知产地枸杞的总体分类精度和kappa系数分别达到98%和0.973,均表明该模型具有较好的鉴别效果。     

一种基于GN算法的动态图划分方法

随着图规模的急剧增长，对动态图进行实时处理的需求日益增加。大多现有的算法针对静态图划分是有效的，直接用其处理动态图会带来较大的通信开销。针对该问题，提出一种基于GN算法的动态图划分方法。首先收集一段时间内加入动态图中的顶点；然后，利用GN算法对这些新加入的顶点进行预划分，产生若干个内部联系紧密的社区；最后，将预划分产生的社区结果插入到已经划分好的当前图中。实验从交叉边数和负载均衡度两方面将该方法与传统流式划分方法进行比较，结果表明， 在公开数据集上，该方法的交叉边数降低了13%，负载均衡度减少了42.3%。由此可见，该方法的划分质量明显优于传统的流式划分方法。