基于层次化语义框架的知识库属性映射方法

面向知识库的自动问答是自然语言处理的一项重要任务,其旨在对用户提出的自然语言形式问题给出精练、准确的回复。目前由于缺少数据集,存在特征不一致等因素,导致难以使用通用的数据和方法实现领域知识库问答。因此,该文将“问题意图”视作不同领域问答可能存在的共同特征,将“问题”与三元组知识库中“关系谓词”的映射过程作为问答核心工作。为了考虑多种层次的语义并避免重要信息的损失,该文分别将“基于门控卷积的深层语义”和“基于交互注意力机制的浅层语义”通过门控感知机制相融合。在NLPCC-ICCPOL 2016 KBQA数据集上的实验表明,该文方法与现有的CDSSM和BDSSM方法相比,效能有明显提升。此外,该文通过构造天文常识知识库,将问题与关系谓词映射模型移植到特定领域,结合Bi-LSTM-CRF模型构建了天文常识自动问答系统。     

基于光谱尺度空间与管道滤波的红外目标检测

为了准确地从复杂干扰背景下检测出真实弱小目标，本文引入视觉显著性，设计了基于快速光谱尺度空间与动态管道滤波的红外目标检测算法。基于真实目标与背景内容之间的整体差异，引入快速光谱尺度空间与阈值分割技术，设计视觉显著性机制，对红外图像完成处理，输出全局显著性映射，以高效过滤干扰背景内容。考虑目标与背景的局部特征差异，构建自适应局部对比度增强机制，对粗检测结果实施处理，获取对应的局部显著性映射，改善视觉显著性区域内目标的对比度。引入高斯差分理论，通过估算每一帧红外图像中的目标像素直径，形成动态管道滤波，充分消除虚警，准确识别出弱小目标。多组实验数据显示：较已有的红外目标检测技术而言，在各种不同的复杂背景干扰下，所提算法呈现出更好的检测能力，拥有更理想的接收机工作特性ROC曲线。     

Kinetic Energy Harvesting Toward Battery-Free IoT:Fundamentals,Co-Design Necessity and Prospects

Energy harvesting(EH)technology is developed with the purpose of harnessing ambient energy in different physical forms.Although the available ambient energy is usually tiny,not comparable to the centralized power generation,it brings out the convenience of onsite power generation by drawing energy from local sources,which meets the emerging pow?er demand of long-lasting,extensively-deployed,and maintenance-free Internet of Things(IoT).Kinetic energy harvesting(KEH)is one of the most promising EH solutions toward the realization of battery-free IoT.The KEH-based battery-free IoT can be extensively deployed in the smart home,smart building,and smart city scenarios,enabling perceptivity,intelli?gence,and connectivity in many infrastructures.This paper gives a brief introduction to the configurations and basic principles of practical KEH-IoT systems,including their mechani?cal,electrical,and computing parts.Although there are already a few commercial products in some specific application markets,the understanding and practice in the co-design and optimization of a single KEH-IoT device are far from mature,let alone the conceived multia?gent energy-autonomous intelligent systems.Future research and development of the KEHIoT system beckons for more exchange and collaboration among mechanical,electrical,and computer engineers toward general design guidelines to cope with these interdisciplinary en?gineering problems.     

WSN低功耗低时延路径式协同计算方法

针对云计算应用于无线传感器网络(Wireless Sensor Network,WSN)时延敏感型业务时存在的高传输时延问题,提出了一种WSN低功耗低时延路径式协同计算方法。该方法基于一种云雾网络架构开展研究,该架构利用汇聚节点组成雾计算层;在数据传输过程中基于雾计算层的计算能力分步骤完成任务计算,降低任务处理时延;由于汇聚节点计算能力较弱,时延降低将导致能耗增加,WSN工作寿命减短,为此提出能耗约束下的任务映射策略,并利用离散二进制粒子群优化(Binary Particle Swarm Optimization,BPSO)算法解决能耗约束下的时延优化问题。仿真结果表明,在相同的能耗约束下,对比其他算法,基于BPSO算法得出的映射方案能有效降低业务处理时延,满足时延敏感型业务的需求。     

工业互联网在炼化企业的应用

为解决某炼化企业数据采集不规范、系统部署不统一、应用系统多集成度不高、上下游业务信息链条未有效打通、信息孤岛突出等问题，结合企业现状打造了具备炼化企业特色的工业互联网平台。将企业重点管控的仪表、设备、装置等物理实体进行数据采集、集中存储，并借助专用平台进行综合分析处理。规划了统一的虚拟化平台，构建了标准的数据服务、开发服务、中间件服务等通用组件，制定了相应的数据输入与输出标准，提供了相应的数据支撑服务。同时将企业重点关注的生产计划、调度优化、设备管理、安全管控等业务进行数据化、模型化、流程化处理，最终形成行业特色软件平台。通过平台建设，对企业生产经营各链条业务实现了从原料采购、计划排产、调度优化、装置优化、产品销售的全流程管控。同时借助设备大数据分析、统一报警、应急指挥等平台，确保了生产的安全稳定。本文探索了以“数据+平台+应用”的工业互联网平台建设模式，为后续企业数字化转型，围绕生产经营难点痛点，深入推进信息系统应用，积极融入数字经济潮流，奠定了坚实的基础。     

基于业务优先级划分的虚拟网可靠性映射算法

现有研究在重映射失效虚拟网过程中未对不同类型的虚拟网承载业务进行有效区分,导致资源收益较低。为此,提出一种基于业务优先级划分的虚拟网可靠性映射算法。定义虚拟节点和虚拟链路的重要性指标,运用混合整数线性规划方法将基于业务优先级划分的虚拟网可靠性映射问题建模为最优化问题。在此基础上,提出快速可扩展的启发式虚拟网可靠性映射算法,以提高失效虚拟网的重映射效率。实验结果表明,该算法在虚拟网请求接受率、服务提供商收益和利润成本比3个指标上,表现优于FD-EVN、APG-TABU和MW-AC算法。     

加密环境下大数据特征集并行存储方法研究

针对传统方法存在数据存储速度慢,容量小的问题,提出一种加密环境下大数据特征集并行存储方法。采用MMSE算法对大数据特征集进行优化处理,以获得并行的大数据特征集。在加密环境下,当内存中保留数据记录达到一定数量时,在并行处理后的数据中插入批量Hash索引。以此为基础,基于Map函数对数据进行映射处理,进而完成对大数据特征集的并行存储。实验结果表明,利用所提方法的存储过程中数据分布通道具有较好的一致性,且存储速度约为传统方法的3倍,存储容量大。     

基于单常数Kubelka-Munk理论的棉纤维颜色预测

为解决混色棉纤维颜色预测效果较差、模型预测精度较低的问题,文章通过对Kubelka-Munk理论的分析,确定采用基于单常数Kubelka-Munk理论的配色模型对混色棉纤维进行预测。在明确此配色模型不足之处的基础上,提出了标准化映射的方法对模型进行适用性改进,消除极端K/S值对模型预测效果产生的不利影响,从而改善模型的颜色预测效果。通过试验发现,模型对混色棉纤维颜色预测的适用性有明显改善,改进后的单常数K-M模型对混色棉纤维颜色预测精度有大幅度提高。