高速钢材料的粗金刚石砂轮轴向进给数控磨削机理研究

根据正交试验确定了影响高速钢材料的粗金刚石砂轮轴向进给数控磨削表面粗糙度值Rα的最主要因素是进给速度Vfo。在此基础上，进行进给速度巧单因素数控磨削实验，对数控磨削后表面粗糙度值进行了分析。分析结果表明，要用粗金刚石砂轮进行轴向精密加工，采用具有较多的磨粒数且磨粒均匀分布在轴向和周向的砂轮和采用较低的进给速度对精密加工更有利。     

高速钢材料的粗金刚石砂轮轴向进给数控磨削机理研究

根据正交试验确定了影响高速钢材料的粗金刚石砂轮轴向进给数控磨削表面粗糙度值Ra的最主要因素是进给速度Vf.在此基础上,进行进给速度Vf单因素数控磨削实验,对数控磨削后表面粗糙度值进行了分析.     

基于潜在关系的实体关系联合抽取模型

实体关系联合抽取的作用是从特定文本中识别出实体和对应关系,同时它也是知识图谱构建和更新的基础。目前的联合抽取方法在追求性能的同时都忽略了抽取过程中的信息冗余。针对此问题,提出基于潜在关系的实体关系联合抽取模型,通过设计一种新的解码方式来减少预测过程中关系、实体和三元组的冗余信息,从整体上分为提取潜在实体对、解码关系两步来完成从句子中抽取三元组的任务。首先通过潜在实体对提取器预测实体间是否存在潜在关系,同时筛选出置信度高的实体对作为最终的潜在实体对;其次将关系解码视作多标签二分类任务,通过关系解码器预测每个潜在实体对之间全部关系的置信度;最后通过置信度确定关系数量和类型,以完成三元组的抽取任务。在两个通用数据集上的实验结果表明,所提模型相比基线模型在准确率和F1指标上的效果更好,验证了所提模型的有效性,消融实验也证明了模型内部各部分的有效性。     

少样本知识图谱补全技术研究

少样本知识图谱补全（FKGC）是目前知识图谱补全任务的一个研究热点,旨在拥有少量样本数据的情况下,完成知识图谱补全任务。该任务在实际应用和知识图谱领域都有着重要的研究意义,为了进一步促进FKGC领域的发展,对目前各类方法进行了全面总结和分析。首先,描述了FKGC的概念和相关内容;其次,以技术方法作为分类依据,归纳总结出三类FKGC方法,包括基于度量学习的方法、基于元学习的方法以及基于其他模型的方法,并从模型核心、模型思路、优缺点等角度对每种方法进行分析和总结;然后,汇总了FKGC方法的数据集和评价指标,并从模型特点和实验结果两方面对FKGC方法进行分析与归纳;最后,从实际问题出发,总结了目前FKGC任务的难点问题,分析了问题背后的困难,给出了相应的解决方法,同时展望了该领域未来值得关注的几个发展方向。     

基于Matlab软件对曲面方程已知的曲面面形误差求解与分析

利用Matlab软件结合Excel软件解决磨削工件曲面面形加工误差问题的一个过程.整个过程描述了测头半径误差补偿方法,坐标的旋转变换,平移坐标系对齐,最后对误差原因进行了必要的分析.因为理论曲面为二次曲面,所以利用截面近点补偿法,方便快捷地对误差进行了补偿.