铜精炼阳极炉氧化过程铜液温度软测量模型及应用

基于铜精炼阳极炉氧化过程热工机理,建立了铜精炼阳极炉氧化过程铜液温度软测量模型,在铜液温度软测量的算法设计中采用数据预处理、黄金分割法搜索区间以及软测量模型参数校正等技术。实际应用结果表明,铜精炼阳极炉氧化过程铜液温度软测量可以反映氧化过程铜液温度的真实变化,有助于实现铜精炼阳极炉精炼过程铜液温度软控制以及提高铜精炼过程的生产效率和生产质量。     

基于Transformer的自然语言处理预训练语言模型概述

在自然语言处理领域,谷歌提出Transformer模型之后,以生成式预训练模型(Generative Pre-Training,GPT)和深度双向预训练语言模型(Bidirectional Encoder Representat ions from Transformers,BERT)等为代表的一些基于Transformer的预训练语言模型(Transformer-based Pre-trained Language Models,TPLM)相继被提出,在大部分自然语言处理任务上取得很好的效果。TPLM使用自监督学习方法学习来自大量文本数据的通用语言表示,并将这些知识转移到下游任务中,为其提供了背景知识,避免了重新开始训练新任务模型的情况。笔者主要研究了基于Transformer的预训练语言模型与基于TPLM的“预训练+微调”的自然语言处理预训练新技术模式。首先,介绍预训练模型的发展背景;其次,解释各种有关TPLM的核心概念,如预训练、预训练方法、预训练任务、自监督学习与迁移学习等;再次,简要介绍相关TPLM模型与目前的进展;最后,提出改进TPLM的方法并总结。     

炉温分布测量系统的设计

本系统由一台智能多点温度测量仪和PC组成,测量仪能随工件通过炉子,采集炉内实际温度,由PC收集数据并显示炉温分布曲线。重点介绍了系统组成、硬件和软件设计。     

基于Transformer模型的中文文本自动校对研究

提出将Transformer模型应用于中文文本自动校对领域。Transformer模型与传统的基于概率、统计、规则或引入BiLSTM的Seq2Seq模型不同,该深度学习模型通过对Seq2Seq模型进行整体结构改进,从而实现中文文本自动校对。通过使用公开数据集对不同模型进行对比实验,采用准确率、召回率与F1值作为评价指标,实验结果表明,Transformer模型相比较于其他模型,在中文文本自动校对的性能上有了大幅提升。     

基于以太网的光学玻璃池炉 熔炼生产线温度监控系统

本文介绍了以太网通信技术在圯学玻璃池炉熔炼生产线上进行工艺参数采集和监控的可行性，以及在公司池炉熔炼生产线的具体应用。     

基于PSO-BP网络模型的模压时效炉金属温度软测量方法研究

铝合金产品在密闭的时效炉中进行热处理时,实时获取时效金属产品的温度成为工业生产过程中的一大难点。根据可直接检测的时效炉工作室壁温度,建立了基于BP神经网络的模压制品时效炉金属温度预测模型,该模型能够满足一般民用铝合金产品的时效温度预测要求;再通过PSO算法代替梯度向量法对BP网络模型的参数进行优化训练,仿真实验结果表明,PSO-BP网络温度预测模型的精度和泛化能力显著提高,能够满足特种铝合金产品时效处理温度预测的需要。     

基于ELMo和Transformer混合模型的情感分析

针对循环神经网络模型无法直接提取句子的双向语义特征,以及传统的词嵌入方法无法有效表示一词多义的问题,该文提出了基于ELMo和Transformer的混合模型用于情感分类.首先,该模型利用ELMo模型生成词向量.基于双向LSTM模型,ELMo能够在词向量中进一步融入词语所在句子的上下文特征,并能针对多义词的不同语义生成不...     

基于BP神经网络的彩色温度软测量

基于高温物体的温度不同,与之相对应通过数码相机摄取的高温物体的颜色也不同,提出一种神经网络的图像颜色测温方法.选取RGB模型的R、G和B作为模式特征向量,用BP网络拟合高温物体的颜色和温度之间的非线性关系.实验结果表明,该方法精度高,运行速度快,切实可行.     

基于高速串行通信的炉群温度监控系统

论述了一种基于高速串行通信的炉群温度监控系统的组成结构和工作原理，并在硬件的基础上，利用VB6．0设计了实现实时监控的算法及相关软件。系统采用RS485总线式网络分布结构，利用高速串行通信技术达到了快速、准确采集和处理数据的目的。     

基于情感分析和Transformer模型的微博谣言检测

针对微博文本以实现谣言检测为目标,深度挖掘微博正文内容的语义信息,并且着重强调用户在微博评论中体现的情感倾向性,提升谣言识别效果.为提高谣言检测的准确率,采取基于XLNet的词嵌入方法,使用Transformer的En-coder的模型提取微博正文内容的语义特征,并结合BiLSTM+Attention网络实现微博评论的...     

基于LABVIEW的虚拟仪器温度检测系统的设计

虚拟仪器（Ⅵ）是计算机技术和传统的仪器技术相结合的产物,是仪器发展的一个重要方向.LabVIEW是一个基于图形化编程语言的虚拟仪器软件开发工具.本文重点介绍了虚拟仪器的界面,LabVIEW应用,并设计了一个基于虚拟仪器的数字化温度测量和控制系统,阐述了系统开发过程中数据的采集和软硬件的设计.     

基于LabVIEW的接触线温度测量系统

利用T型热电偶作为温度传感器,基于虚拟仪器平台LabVIEW搭建了一套接触线温度测量系统。从硬件和软件两个方面对该温度测量系统的构成进行了阐述。实际测试说明该系统对接触线多部位的温度测量准确可靠。     

基于Transformer模型和Kalman滤波预测船舶航迹

针对日趋复杂的海上交通情况,船舶航迹的跟踪预测问题显得尤为重要,然而船舶航行轨迹的数据是具有长期特性的数列,而且易受到风浪、杂波和噪声等影响,致使其特征数据动态变化,航迹规律难以把握.基于上述问题,提出一种结合Transformer模型和Kalman滤波的航迹预测方法.利用宁波市渔船AIS(Automatic Iden-tification System)数据进行模型训练,并对船舶航迹进行预测.实验结果表明,该方法与传统处理方法相比,其预测的精度更高,并行处理序列数据方面也更具有优越性.     

基于LABVIEW的虚拟仪器温度检测系统的设计

虚拟仪器(VI)是计算机技术和传统的仪器技术相结合的产物,是仪器发展的一个重要方向。LabVIEW是一个基于图形化编程语言的虚拟仪器软件开发工具。本文重点介绍了虚拟仪器的界面,LabVIEW应用,并设计了一个基于虚拟仪器的数字化温度测量和控制系统,阐述了系统开发过程中数据的采集和软硬件的设计。     

基于Transformer融合词性特征的中文语法纠错模型

针对中文同一个词的不同词性在句子中所代表的关系不同的问题,提出基于Transformer融合词性特征的中文语法纠错(CGEC)模型,所提模型将语言学知识作为辅助信息融入中文语法纠错任务。首先,在不改变句子序列长度的基础上,在原始词嵌入层中以不同方式拼接词性向量,得到全差异词嵌入、词差异词嵌入和词性差异词嵌入三种不同的词嵌入方式;然后,将新的词嵌入方式与Transformer模型相结合,对错误语句进行语法纠错。实验结果表明,三种词嵌入方式均不同程度地提高了F_0.5值,且全差异词嵌入方式的效果最好：与Transformer模型相比,F_0.5提升了2.73个百分点,BLEU提升了6.27个百分点;与基于Transformer增强架构的中文语法纠错模型相比,F_0.5提升了1.88个百分点。所提模型在对词性特征提取时可以侧重源语句与目标语句的语法差异,更好地捕捉句子的语法特征。     

基于EDA仿真的中频放大器GFRF模型

雷达引信是远程精确打击武器的重要组成部分,它的性能好坏直接关系到武器整体性能的发挥,因此,雷达引信的性能测试是武器系统运用过程中的重要环节。如何快速准确地判断雷达引信的性能是目前所关注的重要课题之一。接收机是×型雷达引信重要组成部分,对接收机的测试是引信测试的关键步骤。该文基于×型雷达引信接收机的各项技术指标和实际电路结构,利用EDA仿真软件Multisim2001建立了引信接收机的中频放大器、检波器的仿真模型,对实际引信测试过程中不可测的信号进行了仿真测试,在此基础上,利用非线性系统理论和方法建立了中频放大器和检波器的广义频率响应(GFRF)简化辨识模型,该辨识模型为雷达引信的快速测试提供了一个标准模板,它是构造雷达引信自动化测试系统的基础工作之一。     

基于Transformer的英文粘连词还原方法

神经机器翻译(Neural Machine Translation, NMT)性能依赖于语料库的数据量和数据质量，经研究分析发现英文数据中存在多词粘连的现象，以下统称为粘连词，出现粘连词影响数据质量。为了进一步提高数据质量，需将粘连词还原成独立词，即词与词之间由空格作为分隔符的形式。针对该问题提出使用Transformer模型对粘连词进行还原。在数据预处理阶段，对数据采取三种不同的策略。实验证明，对数据进行分词、BPE切分的策略最佳，在真实数据集上准确率达到95.5%,在Transformer模型的基础上添加后处理操作后的正确率达到98.5%。该文方法具备可迁移性，对于任一种单词间用空格分割的语言都是可用的。     

基于改进Transformer的广告点击率预估模型

针对现有的广告点击率预估模型未能精准挖掘用户历史兴趣及历史兴趣对目标广告点击与否的影响,提出了一种基于改进Transformer的广告点击率预估模型.该模型采用Transformer网络捕捉隐藏在用户点击序列背后的潜在历史兴趣;同时针对Transformer建模用户历史兴趣无法有效关联目标广告的问题,提出了一种改进的Transformer网络.改进后的Transformer不但有效建模用户历史兴趣,而且考虑了跟目标广告的关联.新模型采用辅助损失函数来监督改进的Transformer对用户历史兴趣的抽取过程,然后采用注意力机制进一步建模用户的历史兴趣和目标广告的相关性以提升模型的预估性能.实验结果表明新模型有效提升了广告点击率的预估效果.     

基于Transformer的节点影响力排序模型

节点影响力排序是复杂网络的一个重点话题,对识别关键节点和衡量节点影响力有着重要作用。目前,已有诸多研究基于复杂网络探索节点影响力,其中深度学习显示出了巨大的潜力。然而,现有卷积神经网络(CNNs)和图神经网络(GNNs)模型的输入往往基于固定维度特征,且不能有效地区分邻居节点,无法适应多样性的复杂网络。为了解决上述问题,文中提出了一种简单且有效的节点影响力排序模型。该模型中,节点的输入序列包含节点本身及其邻居节点的信息,且可以根据网络动态调整输入序列长度,确保模型获取到足量的节点信息。同时该模型利用自注意力机制,使节点可以有效地聚合输入序列中邻居节点的信息,从而全面地识别节点的影响力。在12个真实网络数据集上进行实验,通过多维度的评价标准验证了该模型相比7种已有方法的有效性。实验结果表明,在不同的网络结构中,该模型均能有效地识别网络中节点的影响力。     

基于ADuC812的温湿度测量控制系统

文中介绍了ADuC812为核心的温湿度测控系统的原理，并给出了硬件电路和软件编程的设计方法。