基于度量学习的意图识别和槽填充方法

人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题.本文采用基于度量学习的方法,通过计算query set中的样本与support set中样本的距离,寻找距离最近的类别样本作为分类标签,同时将两个任务联合进行训练,用以提升模型的效果.从实验结果中可以得出,本文提出的Fine-tune方法,对意图识别和槽填充任务都有一定的帮助和提升.胶囊网络在意图识别中也起到了一定的效果,可以帮助去除一部分无关信息,但对槽填充任务的帮助不明显;而任务自适应的投影网络,可以更好地将不同类的向量分开,提升了两个任务的性能.     

基于小样本下统计不确定性的边坡可靠度Bootstrap-BC_a方法

传统方法对小样本下的岩土抗剪强度参数估计区间较宽,会导致工程设计偏于保守,为此,提出一种考虑测量数据统计不确定性的边坡可靠度分析Bootstrap-BC_a法。该方法在Bootstrap的基础上加入偏差修正量■和加速量a,进一步校正了置信区间的端点值,提高了估计精度。在保证样本容量和变异性一致的条件下,对比分析Bootstrap-BC_a法和Bootstrap法在95%置信水平下的置信区间以及相对应的安全系数估计值。结果表明:Bootstrap-BC_a法能够有效收窄区间宽度且保证率下限值更趋近实际值;Bootstrap-BC_a法计算所得边坡安全系数均值相对较大,离散型更小,且与样本容量成正比,与安全系数方差成反比;3种变异水平的安全系数均值都随着样本容量n的增大而增大,而安全系数方差则逐渐减小,且大变异水平下计算所得安全系数均值更大。     

采用聚类方法对彩色图象进行色彩压缩

ＶＧＡ（ＴＶＧＡ）能够显示１６～２５６种彩色，而真实图象却拥有丰富得多的彩色，本文借鉴模式识别中的聚类方法对真彩色图象进行色彩压缩，使之在ＶＧＡ上显示最逼真的画面。另外，采用该方法还可以实现同屏显示多幅彩色图象。     

由切片重建样本的三维形态

利用计算机的计算及绘图功能，实现了由平面切片重建组织和器官等样本准确的三维空间图像。提出了最大内切圆法和投影积聚法两种三维重建的算法，解决了应用二维切片重建三维空间立体图的要求，使得研究更加直观、可靠。     

吴雄寺村:一个农村信息化的样本

农村信息化是改造我国传统农业和农村的重要内容。为了适应北京农村信息化发展的需要，解决信息服务的“最后一公里”，繁荣农村经济和村民生活，探索一条如何利用信息和信息技术解决“三农”问题的道路，在科技部、北京市科委、北京市计委和市农委等部门的大力支持下，2003年起，国家农业信息化工程技术研究中心（北京农业信息技术研究中心，以下简称中心），在北京市顺义区吴雄寺村建立了农村信息化示范村。     

洪量计算及样本选取

根据洪水流量过程的特点，对离散的流量资料，使用三次样条函数拟合。拟合后使离散的流量资料点据变成连续光滑的流量过程。在此基础上，以数学分析的方法，对洪水过程进行计算处理，使用计算机对洪水的各种时段洪量进行分析选样     

猪肉质测定的采样与前处理

猪肉质测定的采样与前处理直接影响肉质测定的准确性和可信程度。当前国内猪肉质测定工作刚刚起步 ,猪肉样本采样和前处理的规范化和国际化对今后的肉质测定项目的标准化和可比性有重要意义。猪肉质测定在国际上属肉科学 (ＭｅａｔＳｃｉｅｎｃｅ)领域 ,是畜牧科学的一个新的分     

挖掘机工作装置实验样本长度确定方法及程序系统

本文通过对某液压挖掘机工作装置实验样本长度的研究,详细讨论了样本长度的确定方法,重点分析了趋势曲线拟合法,提出了样本长度精度区间分析的方法,并在处理大量实验数据的基础上,从载荷分布及寿命估算的角度做了实际的验证.编制了应用程序,使样本长度确定至寿命估算整个过程程序化.     

基于神经网络的河道浅滩演变预测模型

河道浅滩演变是一个复杂的非线性动力学过程, 作者借助神经网络处理非线性问题的优势, 在分析影响河道浅滩演变因素的基础上, 建立了预测河道浅淮演变的BP网络模型, 并对模型中的输入因子和样本的提取进行了探讨. 以闽江竹岐至侯官河段为实例,用“试控法”给出了BP网络模型的建模方案, 用正交设计原理选取相应的训练样本集, 利用该样本集对网络进行学习和训练, 并用训练好的BP网络模型预测浅滩上年内最小水深和年平均淤积厚度. 计算结果表明: 模型预测结果与实际值吻合良好. 这为河道浅滩演变预测研究提供了新方法.