浅析农村饮水水源污染及防治

目前,在全面建设小康社会、建设社会主义新农村的进程中,山东省大力推行“村村通自来水工程”。截至2005年年底,临沂市兰山区已完成47个村庄的工程施工,解决了5.34万人的饮水困难。但由于目前广大农村的饮用水大多没经过处理,再加上排水设施不健全,生活废水因地势自然流淌,于村内或距水源较近的低洼处汇集,一旦水源受到污染,将直接危及农村居民的生命健康和安全。现以兰山区为例,分析说明农村饮水水源污染问题值得关注,并亟待解决。1兰山区农村饮用水现状兰山区位于鲁东南临郯苍平原北部,临沂市政府所在地,总面积650km2,其中微丘陵面积111.8…     

面向边-端协同的并行解码器图像修复方法

针对现有神经网络图像修复方法在移动终端设备上部署存在效果差、响应时间长、高能耗的问题,提出了一种面向边-端协同的并行解码器图像修复方法及计算卸载策略。结合移动边缘计算（mobile edge computing,MEC）技术边-端协同的特性,提出一种面向边-端协同的并行解码器门控卷积图像修复网络ETG-Net（edge-terminal gated convolution network）。通过边-端共享权值的方式,提升图像修复及训练效率,并保留移动终端的独立工作能力。基于计算卸载决策,将图像修复部分计算任务有选择地卸载至边缘云,进一步降低终端节点的计算时延和能耗。实验结果表明,与近年来先进的模型相比,所提模型在保证图像修复质量的同时,解决了移动终端设备上部署图像修复模型存在的问题,降低了任务的响应时延。     

浅谈混凝土输水管道设计安装时转角的处理

预应力钢筋混凝土输水管采用承插式柔性连接,具有方便安装、抗地震、抗局部地层形变和可小角度转向的优点,可避免在处理钢筋混凝土输水管道转角时使用钢管的弊端。     

基于深度学习的命名实体识别研究综述

命名实体识别是自然语言处理领域的一项关键任务,其目的在于从自然语言文本中识别出具有特定含义的实体,如人名、地名、机构名和专有名词等。在命名实体识别任务中,研究人员提出过多种方法,包括基于知识和有监督的机器学习方法。近年来,随着互联网文本数据规模的快速扩大和深度学习技术的快速发展,深度学习模型已成为命名实体识别的研究热点,并在该领域取得显著进展。文中全面回顾现有的命名实体识别深度学习技术,主要分为四类：基于卷积神经网络模型、基于循环神经网络模型、基于Transformer模型和基于图神经网络模型的命名实体识别。此外,对深度学习的命名实体识别架构进行了介绍。最后,探讨命名实体识别所面临的挑战以及未来可能的研究方向,以期推动命名实体识别领域的进一步发展。     

“外固定牵拉法”在大口径管道安装中的应用

根据大口径预应力钢筋混凝土输水管道的实际安装情况，提出采用管道基槽两壁固定横木的牵拉方法，充分利用横木拉紧后形成弓的弹性拉力，解决大口径预应力钢筋混凝土输水管承插口牵拉就位的质量和效率问题。     

“外固定牵拉法”在大口径管道安装中的应用

根据大口径预应力钢筋混凝土输水管道的实际安装情况，提出采用管道基槽两壁固定横木的牵拉方法，充分利用横木拉紧后形成弓的弹性拉力，解决大口径预应力钢筋混凝土输水管承插口牵拉就位的质量和效率问题。     

中文命名实体识别研究综述

命名实体识别（named entity recognition,NER）是自然语言处理中最基本的任务之一，其主要内容是识别自然语言文本中具有特定意义的实体类型和边界。然而，中文命名实体识别（Chinese named entity recognition,CNER）的数据样本存在词边界模糊、语义多样化、形态特征模糊以及中文语料库内容较少等问题，导致中文命名实体识别性能难以大幅提升。介绍了CNER的数据集、标注方案和评价指标。按照CNER的研究进程，将CNER方法分为基于规则的方法、基于统计的方法和基于深度学习的方法三类，并对近五年来基于深度学习的CNER主要模型进行总结。探讨CNER的研究趋势，为新方法的提出和未来研究方向提供一定参考。