基于双分支网络联合训练的虚假新闻检测

虚假新闻在社交媒体上的广泛传播,给社会带来了不同程度的负面影响。针对虚假新闻早期检测任务中,社交上下文信息不充分的问题,提出一种基于双分支网络联合训练的虚假新闻检测模型。该模型由最大池化网络分支（max pooling branch,MPB）和广义均值池化网络分支（generalized mean pooling branch,GPB）组成。MPB采用卷积神经网络对新闻文章进行文本特征提取,GPB引入了可训练的池化层,学习新闻文章潜在的语义特征。同时,在每个分支网络中,对新闻标题和正文之间进行语义关联性度量。最终,对两个分支网络联合训练后的结果进行决策融合,判断新闻的真实性。实验结果表明,提出的模型在准确率、召回率、F1值评测指标上均优于基线模型,F1值达到94.1%,比最优的基线模型提升了6.4个百分点。     

凝固速率对AlCoNiCrFe合金组织结构及性能的影响

采用X—Ray衍射仪、金相显微镜、室温压缩测试、显微硬度测试手段,研究了AlCoNiCrFe高熵合金在三种不同凝固速率状态下形成合金的显微组织和力学性能影响。结果表明：AlCoNiCrFe高熵合金经不同凝固速率后因高熵效应及元素扩散困难而形成简单的BCC晶体结构,合金的晶格常数随凝固速率的升高而增大。凝固速率越高合金的组织变得越细小,喷铸后合金生成梅花状树枝晶。合金的压缩强度、硬度随凝固速率升高而增大,喷铸成直径为2mm的合金其综合力学性能最好,其硬度比母合金锭提高13．6％,其塑性达到最大38．1％。     

CuAgAlFeNi高熵合金的微观组织和性能

利用真空电弧炉熔炼CuAgAlFeNi高熵合金。分析表明:合金由FCC+BCC相组成。合金中存在的严重的密度偏析,导致合金的铸态组织分为亚共晶层和固溶体层。亚共晶层由固溶少量Al的初晶Ag和(Cu-Ag)共晶组成。固溶体层则由Al、Fe、Ni和少量Cu形成的固溶体胞晶组成,在胞晶中还存在着与亚共晶层组织相同、成分相近的"共晶球"。固溶体的硬度为HK452.2,共晶层的熔点为805℃,硬度为HK160.4。