天然气压缩机出口耐振测温元件的选用

振动对温度传感器的影响不可忽视,极端的振动也会缩短温度传感器的寿命,会引起材料疲劳,进而导致绝缘失效和短路,以及测量不准确或间歇性读数,同时可能造成频繁的停机和更高的运行成本。针对具体的工况分析选择耐振测温元件,以某天然气管道压缩机出口的温度计故障为例,提出温度计保护套管在设计选型中应注意的问题。     

基于模型的无刷电机控制代码快速生成

基于模型设计是国外流行的一种先进的嵌入式系统开发方式。以无刷直流电机为例,利用开发工具Simulink、Stateflow、Real-Time Workshop（RTW）等,可在MATLAB平台实现其算法模型。经验证正确后直接生成嵌入式代码,用户仅需作少量代码微调即可在Proteus中进行虚拟硬件测试。该方法无需设计者精通各种编程语言,只需了解设计规范与实现原理,极大地降低了嵌入式系统开发难度,缩短了开发周期,并且能够保证代码的高效性、可靠性。     

层级标签语义引导的极限多标签文本分类策略

极限多标签文本分类任务具有标签集大、类间关系复杂、数据分布不平衡等特点,是具有挑战性的研究热点。现有模型对标签语义信息利用不足,性能有限。对此,该文提出一种利用层级标签语义信息引导的极限多标签文本分类模型提升策略,在训练和预测过程中给予模型层级标签引导的弱监督语义指导信息,利用这种弱监督信息规约多标签文本分类任务中要对应的多标签语义边界。在标准数据集上的实验结果表明,该文所提策略能够有效提升现有模型性能,尤其在短文本数据集中增效显著,宏精准率最高提升21.23%。     

基于深度学习的短文本情感倾向分析综述

短文本情感倾向分析是自然语言处理领域的关键研究问题之一。情感倾向分析是用于检测语言所蕴含主观倾向语义的一系列方法、技术和工具,是对文本深层语义理解的关键。短文本数据的随意性、高歧义性以及简短性使得传统基于特征工程和机器学习分类技术的情感倾向分析任务性能有限。随着深度学习技术在自然语言处理中的广泛应用,基于深度学习的短文本情感倾向分析模型取得了新的突破。通过对相关文献的梳理,首先概述和对比了传统方法和深度学习方法,介绍和剖析了近年基于深度学习的短文本情感倾向分析模型,并阐述了模型的联系、区别与优势;其次归纳了深度学习在短文本情感倾向分析中的研究热点和进展思路,介绍了情感倾向分析常用的公开数据集以及评价指标;最后结合深度学习技术特点和任务难点,对深度学习在短文本情感倾向分析方向的应用前景进行预测。     

自动化仪表在石油化工发展中的应用

自进入21世纪以来,我国科技的飞速发展带来的是各行各业的高速进步。同样,作为传统工业的石油化业是每个国家经济发展的基础性产业。在石油原料和存储过程中,自动化仪表也发挥着非常关键的作用。本文主要分析了自动化仪表在石油化工企业中工作现状,并具体阐述了其基本应用情况及可靠性,之后针对自动化仪表技术特点对石油发展中的应用展开详细的阐释,希望能给相关研究提供一些理论参考。