面向军事领域的中文分词技术研究

在分词模型跨领域分词时,其性能会有明显的下降。由于标注军队遗留系统开发文档语料的工作比较复杂,本文提出n-gram与词典相结合的中文分词领域自适应方法。该方法通过提取目标语料的n-gram特征训练适应特征领域的分词模型,然后利用领域词典对分词结果进行逆向最大匹配的校正。实验结果表明,在军队遗留系统相关文档语料上,该方法训练的分词模型将F值提高了12.4%。     

浅析数控专业的一体化教学

一体化教学是目前中等职业学校多采用的一种教学方法,它既能使学生掌握一定的理论知识,同时也能使学生的技能得到提高,我校多年来采用一体化教学,数控专业的学生从中受益匪浅。     

基于SOA的遗留系统复用框架研究

主要研究了面向服务的架构(SOA)技术在遗留系统复用工程的应用,设计了基于SOA的遗留系统复用框架。首先将遗留系统分割,并将其整合成具有利用价值的应用程序,然后统一封装成服务组件,组件间采用接口的通信方式,完成对遗留系统的复用设计。     

G10指令在轮廓倒圆(角)加工中的应用

在数控铣削加工中,常常会出现轮廓的倒圆(角)或倒角的加工,在FANUC系统当中,提供了一个很好的指令—G10指令。利用数控宏程序,并结合G10指令就可以很容易的完成这类零件的加工。     

基于VGGNet卷积神经网络的加密芯片模板攻击新方法

针对传统模板分析在实际攻击中的难解问题，重点研究了在图像识别领域具有优异特征提取能力的VGGNet网络模型，提出了一种基于VGGNet网络模型的模板攻击新方法。为了防止信号质量对模型准确率带来较大影响，采用相关性能量分析方法对采集到的旁路信号质量进行了检验；为了适应旁路信号数据维度特征，对网络模型结构进行适度调整；在网络训练的过程中，对梯度下降速率较慢、梯度消失、过拟合等问题进行了重点解决，并采用五折交叉验证的方法对训练好的模型进行验证。最终实验结果表明，基于VGGNet模型的测试成功率为92.3%，较传统的模板攻击效果提升了7.7%。     

数控车床的对刀方法及其应用

对刀的准确性直接影响加工精度,对刀效率也与数控加工效率密切相关。笔者以广州数控系统980T数控车床为例,通过对数控加工中编程原点、加工原点的概念及对刀基本原理的详细分析,具体阐述了GSK980T数控车床对刀的几种操作方法,并详细分析了对刀方法在精度控制方面的扩展应用。     

基于双向LSTM的军事命名实体识别

为了减少传统的命名实体识别需要人工制定特征的大量工作,通过无监督训练获得军事领域语料的分布式向量表示,采用双向LSTM递归神经网络模型解决军事领域命名实体的识别问题,并且通过添加字词结合的输入向量和注意力机制对双向LSTM递归神经网络模型进行扩展和改进,进而提高军事领域命名实体识别。实验结果表明,提出的方法能够完成军事领域命名实体的识别,并且在测试集语料上的F-值达到了87.38%。