基于C#语言的程序合约动态抽取工具

文章中描述了C#语言实现程序合约动态抽取工具的整体设计过程,包括变量轨迹的提取和动态检测思想.针对二元关系和三元关系的检测原理和实现过程进行了详细的描述.实现了能够对指定源程序导出其变量运动轨迹并进行动态检测的功能.     

基于循环卷积神经网络的实体关系抽取方法研究

针对目前大多数关系抽取中对于文本语料中较长的实体共现句,往往只能获取到局部的特征,并不能学习到长距离依赖信息的问题,提出了一种基于循环卷积神经网络与注意力机制的实体关系抽取模型。将擅长处理远距离依赖关系的循环神经网络GRU加入到卷积神经网络的向量表示阶段,通过双向GRU学习得到词语的上下文信息向量,在卷积神经网络的池化层采取分段最大池化方法,在获取实体对结构信息的同时,提取更细粒度的特征信息,同时在模型中加入基于句子级别的注意力机制。在NYT数据集的实验结果表明提出方法能有效提高实体关系抽取的准确率与召回率。     

归纳法推理系统

本文介绍了基于微机的归纳法推理系统。用该系统，作者已证明了一批计算机程序的正确性及一些有价值的程序属性，包括算术表达式编译程序的正确性、ＦＯＲＴＲＡＮ编译程序的正确性、ＬＩＳＰ解释程序的正确性等。文中简介了系统的理论基础、数据类型、总体结构，举例说明了系统的推理能力等。     

基于卷积循环神经网络的关系抽取

关系抽取是信息抽取领域一项十分具有挑战性的任务,用于将非结构化文本转化为结构化数据。近年来,卷积神经网络和循环神经网络等深度学习模型,被广泛应用于关系抽取的任务中,且取得了不错的效果。卷积网络和循环网络在该任务上各有优势,且存在一定的差异性。其中,卷积网络擅长局部特征提取,循环网络能够捕获序列整体信息。针对该现象,该文综合卷积网络抽取局部特征的优势和循环网络在时序依赖中的建模能力,提出了卷积循环神经网络(convolutional recurrent neural network,CRNN)。该模型分为三层: 首先针对关系实例抽取多粒度局部特征,然后通过聚合层融合不同粒度的特征,最后利用循环网络提取特征序列的整体信息。此外,该文还探究多种聚合策略对信息融合的增益,发现注意力机制对多粒度特征的融合能力最为突出。实验结果显示,CRNN优于主流的卷积神经网络和循环神经网络,在SemEval 2010 Task 8数据集上取得了86.52%的F₁值。     

面向对象程序的类信息的抽取规则

通过计算机自动实现对程序的理解是目前国内外研究的热点内容。以面向对象程序为研究对象,提出了一种从面向对象程序中抽取类信息的规则,利用该规则可以将程序中的类以及其它程序信息抽取出来,并以UML类图形式表示出来,进而为计算机自动实现对程序的理解奠定基础。在本文中描述了产生UML类图中的各类规则,包括了类、属性、操作、对象、关系、继承、关联和接口等。最后介绍了该规则的一个应用实例。     

面向HDL描述基于程序切片的自动电路抽取技术研究与实现

现代集成电路设计复杂性在不断增加，而对整个设计进行验证的效率却太低。因此，在形式化验证和模拟验证时，必须采用不同的技术来对设计中的数据通路部分和控制部分分别加以验证。大多数的验证策略都是通过从HDL设计描述中为感兴趣的部分设计提取出有用的验证信息来实现的。     

归纳法推理中若干问题的探讨

归纳法推理是人工智能领域中富有挑战性的研究方向,它是一种难度较大但较有前途的自动定理证明方法。文章对近年来归纳法推理的主要研究成果进行了综述,并分析国内外的研究现状,讨论了归纳法推理研究中的推理效率、理论的不完备性、自动推理机制和构造实用的定理证明器等问题。     

领域相关的数学文本语义抽取

针对科技领域文档语义信息获取不充分的问题,提出一套基于规则的数学领域相关文本的语义抽取方法。首先从文本中提取领域概念并实现数学实体与领域概念之间的语义映射;然后对数学符号的上下文进行分析,获取数学符号的实体指代或文字描述,进而抽取其语义;最后基于已抽取的数学符号语义实现表达式的语义分析。以线性代数文本为研究实例,构建了一个语义标注数据集并进行实验,实验结果表明所提方法对标识符、线性代数实体以及表达式的语义抽取具有93%以上的精确率和91%以上的召回率。     

新型比特抽取与循环移位并行架构设计

针对比特抽取、循环移位操作常需组合使用的应用需求,结合比特抽取和循环移位操作的特点,基于inverse butterfly网络,研究以该网络为基础的新型比特抽取、循环移位并行处理架构。针对架构中的路由信息生成电路,提出专门的路由信息生成算法。设计相应的高速硬件单元,并在Altera公司的FPGA上对其进行功能验证,利用Synopsys公司的Design Compiler工具进行逻辑综合、优化。结果表明,在CMOS 0.13μm工艺下,硬件架构核心频率可以达到510 MHz。     

基于逃逸分析的循环中栈式分配优化研究

栈式内存分配可以有效地提高Java程序的执行效率,但是在循环中,对象的栈式分配比率和栈空间的大小变成了一对很难协调的矛盾.文中实现了一种控制流非敏感(flow-insensitive)的、过程间(inter-procedural)的、上下文相关(context-sensitive)的逃逸分析(escapeanalysis)方法.在此基础上,提出以循环为基本单位的分配策略,引入了对象栈和区域栈帧等概念;通过对循环的分析,实现了基于逃逸分析的栈式分配.SPECjvm98测试基准表明,在可控栈空间大小的条件下,该算法的栈式分配比率达到8.3%~25%(平均15.18%).     

基于FPGA的自动变模控制感应加热电源全数字锁相环研究

针对感应加热电源频率跟踪设计中传统锁相环电路设计复杂、跟踪速度慢、锁相频带窄、单独模块设计修改繁琐等问题,提出一种基于FPGA的自动变模控制感应加热电源全数字锁相环,即拓展锁相环中心频率频带和采用变模控制实现快速频率跟踪.应用SOC技术完成系统设计,并进行典型频带的计算机仿真.仿真结果证实了该设计具有宽范围的锁相能力及快速精确的频率跟踪性能,满足感应加热电源对负载频率变化的快速跟踪要求.     

Mathematical Induction in Otter-Lambda

Otter-lambda is Otter modified by adding code to implement an algorithm for lambda unification. Otter is a resolution-based, clause-language first-order prover that accumulates deduced clauses and uses strategies to control the deduction and retention of clauses. This is the first time that such a first-order prover has been combined in one program with a unification algorithm capable of instantiating variables to lambda terms to assist in the deductions. The resulting prover has all the advantages of the proof-search algorithm of Otter (speed, variety of inference rules, excellent handling of equality) and also the power of lambda unification. We illustrate how these capabilities work well together by using Otter-lambda to find proofs by mathematical induction. Lambda unification instantiates the induction schema to find a useful instance of induction, and then Otter's first-order reasoning can be used to carry out the base case and induction step. If necessary, induction can be used for those, too. We present and discuss a variety of examples of inductive proofs found by Otter-lambda: some in pure Peano arithmetic, some in Peano arithmetic with defined predicates, some in theories combining algebra and the natural numbers, some involving algebraic simplification (used in the induction step) by simplification code from MathXpert, and some involving list induction instead of numerical induction. These examples demonstrate the feasibility and usefulness of adding lambda unification to a first-order prover. Research supported by NSF grant number CCR-0204362.     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域，运用阚值分割算法完成初步的图像区域分割；然后利用形态学运算进行精细化处理，结合提出的判断准则，通过人工交互完成了多感兴趣区域的提取；最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域,运用阈值分割算法完成初步的图像区域分割;然后利用形态学运算进行精细化处理,结合提出的判断准则,通过人工交互完成了多感兴趣区域的提取;最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

基于动态数学形态运算的二值图像边界提取

应用基本形态运算,定义了动态形态学运算,并将动态腐蚀运算和小结构元素应用到图像对象的边界提取,这种方法只对图像中的对象进行运算并得到对象的边界;在每一步运算中,动态地选择结构元素的下一个原点位置。这种方法减少了运算量,执行速度快、效率高,在MATLAB6.5上得到了满意的仿真效果。     

基于Parzen窗的印刷文档数学公式抽取的研究

数学公式抽取是公式识别的首要步骤,目前相关的研究还很欠缺。针对印刷文档中数学公式的抽取展开了研究,提出了一种Parzen窗和启发式规则相结合的公式抽取方法。对于孤立式公式采用Parzen窗方法将其从文档中抽取出来,对于嵌入式公式采用启发式规则将其从文本行中抽取出来。实验表明,这两种抽取方法的结合取得了较好的效果。     

图像混合图结构的数学模型研究

对于将图像分割为多个区域后,对区域间关系的描述非常重要。近来,有人提出使用混合图结构能很好地描述图像中区域间关系。文章从数学的角度证明使用混合图结构描述图像中区域间关系的完备性、严密性、唯一性和通用性。     

联合下标循环的并行执行方法

所谓联合下标循环是指循环体中,数组下标的引用由多个循环索引联合决定。这是一种常见的循环程序,且数据相关模式复杂,循环空间没有规律。能否开发这类程序的并行性,是一个重要的研究课题。文章针对联合下标循环程序,系统地提出了一套有效的并行执行方法。