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.     

以学生为中心的计算机类专业核心课程的课程思政改革

在介绍“计算机组成原理”课程内容与课程专业教学目标和课程德育教学目标基础上,提出课程思政融入式改革总体设计,对课程改革指导思想和课程改革总体思路进行分析,重点阐释以学生为中心的课程思政贯通式改革基本框架;基于具体教学内容与思政的融合案例,剖析思政融入式教学内容及体系;最后对教学方法与教学形式的适配性改革进行介绍。     

结合预训练模型和语言知识库的文本匹配方法

针对文本匹配任务,该文提出一种大规模预训练模型融合外部语言知识库的方法。该方法在大规模预训练模型的基础上,通过生成基于WordNet的同义—反义词汇知识学习任务和词组—搭配知识学习任务引入外部语言学知识。进而,与MT-DNN多任务学习模型进行联合训练,以进一步提高模型性能。最后利用文本匹配标注数据进行微调。在MRPC和QQP两个公开数据集的实验结果显示,该方法可以在大规模预训练模型和微调的框架基础上,通过引入外部语言知识进行联合训练有效提升文本匹配性能。     

基于KD树的k-means聚类算法优化

作为模式识别最基本的分类方法之一,聚类在各个科学领域的数据分析中都扮演着重要的角色.然而随着大数据的出现,聚类分析在前沿发展中不断地面临着计算复杂度和计算成本等新的问题和挑战.通过研究k-means聚类算法的时间复杂度O(nk),针对迭代过程中大量的最近邻计算和其特殊场景,引入KD树作为索引,提出了基于单KD树的近似近邻算法和基于多KD树的交叉搜索算法.将k-means聚类算法的时间复杂度降为O(nlog k),并通过实验验证,基于多树的交叉搜索算法具有与k-means聚类算法相当的聚类质量.     

一种大行程自动对焦的激光辅助加工平台

为了提高激光辅助加工效率,设计一种自动对焦高精度大行程精密定位工作台。该平台的光学对焦理论以激光三角法为基础,这是典型的非接触式测量,不需要计算机的对比计算,这也是该机构精度大、误差小的原因之一。同时,该平台机构在竖直方向上的位移能够达到100μm,这是普通精密机构很难达到的。传动部分中,丝杠两端采用交叉滚子轴承作为支撑,提高机构精度和稳定性。同时,利用压电陶瓷与柔性铰链相连作为微位移驱动器,实现平台精密定位和自动对焦。对焦过程中,不同的离焦量对应不同的LED信号灯提示,同时报警器会发出相应的报警信号提醒。驱动部分应用双联机构,避免了直流电机在驱动时产生震颤的问题,很大程度上提高了对焦平台的精度和对焦效率。     

基于DBSCAN算法的城市交通拥堵区域发现

现阶段我国车辆的数目不断增加,这必然会导致现有的交通条件等不再能够满足现在的交通状况。因时空数据蕴含丰富的信息,本文将通过分析车辆的时空轨迹数据,即GPS轨迹数据,并利用DBSCAN算法挖掘出城市中交通最拥堵的城市区域,再将得到的结果映射到城市路网上,使得相关部门能够清楚地了解问题,并制定一系列相应措施,如调整道路规划等,保证该区域的问题能够迅速得到解决。本文的实验结果清晰地标明了城市中具体的拥堵区域,本文下一步将根据城市拥堵区域的发现结果预测区域的下一次拥堵的时间。     

基因组高通量测序数据结构变异识别算法

遗传变异是生命的基本特征,遗传变异与表型差异之间的关系,是现代生物学的一个基本问题。由基因决定生物体的遗传特征和主要个体差异的观念正在逐渐改变,过去几年的许多研究显示,基因组中大尺度的结构变异与个体的表型差异和疾病等有一定的关联。有关遗传变异和表型多样性的研究,需要比较生物体个体基因组间的各种不同。利用NGS数据全面分析结构变异的技术目前仍然不成熟。因此本文根据生物学知识,利用高通量测序数据,对植物基因组结构变异的识别问题深入系统的研究,提出新的结构变异识别方法和精确的断点预测方法。