巧用华中系统复合循环G71指令车削零件

结合实例详解了华中数控系统复合循环指令G71在实际编程与加工中的应用。此指令的应用,解决了在加工轴类零件过程中运用传统的加工方法难以满足形状复杂、精度高等要求的问题,从而提高了工作效率。     

复合乳化沥青的粘附性试验方法研究

鉴于目前使用的阳离子乳化沥青粘附性试验方法难以有效评价复合乳化沥青粘附性，通过试验研究并综合考虑乳化沥青施工和路用实际情况，提出了乳化沥青水煮法试验方法和采用该方法检验复合乳化沥青粘附性时的评定标准。     

吴家庄水库库区岩溶渗漏分析

吴家庄水库坝址区岩洛渗漏是最主要的工程地质问题，直接影响建库规模和工程的可行性。通过对库区岩溶发育规律、特征及库区岩溶渗漏条件进行分析、计算、评价，认为水库正常高水位825m为宜。     

基于主成分分析与Wasserstein距离的低压用户相别识别

负载不平衡会导致电能质量差、功率损耗增加、变压器使用寿命缩短等问题,而准确识别用户相别可调整部分用户相别,尽可能达到三相负载平衡,因此提出一种基于主成分分析与Wasserstein距离的低压用户相别识别方法.首先利用主成分分析提取低压用户电压主成分进行聚类,然后计算聚类中值与关口各相电压Wasserstein距离进行相别归属.实测数据证明该方法对相别识别准确性较高,且相较于传统相似度算法在判别相别时具有明显区分度.     

堆场疏浚泥颗粒分选特性初步量化方法

为了准确评估堆场存储能力和合理选择疏浚泥处理工艺,以泥沙运动学为理论基础,将疏浚泥颗粒分为d0.005 mm、0.005 mm≤d≤0.01 mm和d0.01 mm 3个粒组,分析了各粒组相对含量的沿程变化规律,明确了堆场疏浚泥分选的主要原因是d0.01 mm粒组与0.005 mm≤d≤0.01 mm粒组的相对运动;以分选系数量化堆场疏浚泥分选的显著程度,以偏离系数量化原泥颗粒组成对堆场疏浚泥分选的影响,分析了分选系数、偏离系数分布与堆场疏浚泥土性分布的关系,提出了堆场疏浚泥分选特性的初步量化方法。研究结果表明:随着离吹填口距离的增大,分选系数沿程减小,呈幂函数分布,堆场疏浚泥分选性沿程减弱,吹填口附近分选系数最大,颗粒分选显著,粒度差异大,退水口附近分选系数趋近于零,分选不明显,颗粒分布均匀;偏离系数沿程先减小后增大,呈勺形分布,反映堆场前、后段疏浚泥土性与原泥相差较大,而堆场中段疏浚泥土性与原泥接近;分选系数、偏离系数的沿程分布与堆场疏浚泥土性分区具有良好的相关性。     

基于用户-标签-项目语义挖掘的个性化音乐推荐

个性化推荐系统面临的难题是推荐的准确性、多样性以及新颖性,同时其数据集存在稀疏、信息缺失(如用户描述、项目属性以及明确的评分)等问题.协同标注中的标签包含丰富的个性化描述信息以及项目内容信息,因此可以用来帮助提供更好的推荐.算法以二部图节点结构相似与重启型随机游走为基础,分析音乐社交网络Last.fm中用户、项目、标签两两之间的联系,首先构建音乐间及标签间的相邻关系,初步得到音乐推荐列表和间接关联音乐集合,然后按所提算法融合结果,重新排序,得到最终推荐列表,从而实现个性化音乐推荐算法.实验表明,在该数据集上,所提方法能够满足用户对音乐的个性化需求.     

"为你写诗":面向中国古典诗歌的可视化交互创作系统

中国古典诗歌具有工整的句式和悠扬的韵律,这些特点对创作者提出了较高的要求.现有的诗歌生成系统大多着眼于生成模型的效果,用户的参与度和发挥空间有限.基于古诗文网、THUNLP-AIPoet等开源数据,设计并实现了一个面向中国古典诗歌的可视化交互创作系统"为你写诗".其自定义视图支持自定义句式情感;"挥毫泼墨"视图自动生成诗歌作为创作基础,并且可视化诗歌文本的韵律情感等多维度属性;修改辅助视图在创作过程中提供改进建议和候选推荐.通过实例分析和用户调研对系统视图的功能和创作结果的连贯性、情感和韵律进行评价,结果表明了它的有效性和实用性.     

基于时空循环神经网络的下一个兴趣点推荐方法

下一个兴趣点推荐已经成为基于位置的社交网络(location-based social networks,LBSNs)中一个重要任务。现有的模型没有深入考虑相邻签到兴趣点之间的转移时空信息,无法对用户访问下一个兴趣点的长短时间偏好和远近距离偏好进行有效建模。本文通过对循环神经网络(recurrent neural network, RNN)进行扩展,提出一个新的基于会话的时空循环神经网络模型(sesson-based spatial-temporal recurrent neural network, SST-RNN)用于下一个兴趣点推荐。该模型通过设置时间转移矩阵和空间转移矩阵分别对用户的时间和空间偏好信息进行建模,综合考虑连续签到兴趣点的序列信息、时空信息以及用户偏好进行下一个兴趣点推荐。通过在2个真实公开的数据集上进行实验,结果显示本文提出的SST-RNN模型的推荐效果比主流的推荐模型有显著提升。在Foursquare和CA数据集上,ACC@5评价指标分别提升了36.38%和13.81%,MAP评价指标分别提升了30.72%和17.26%。     

Task-wise attention guided part complementary learning for few-shot image classification

Science China Information Sciences -     

Heteroskedasticity tuned mixed-norm sparse regularization for face hallucination

Multimedia Tools and Applications - Face hallucination is typically an ill-posed inverse problem, so it is essential to exploit an effective norm-regularized underlying representation. Due to the...