基于冲突延迟策略的约束群体自组装模型

对二维网格空间上的群体自组装问题进行了较为深入的研究,给出了确保组装结构侧面连通性的充分必要条件,并进行了严格证明,以此为基础提出了基于最大相邻侧面封闭及冲突等待策略的群体自组装模型,该模型在并行的条件下,可以组装任意二维空间上的侧面连通结构,通过仿真和实验对所提出的模型进行了验证与分析。     

Tr-SLDA:一种面向交叉领域的迁移主题模型

当目标领域缺少足够多的标注数据时,迁移学习利用相关源领域的标注数据,辅助提升目标域的学习性能,但是目标域与源域的数据通常不满足独立同分布,容易导致"负迁移"问题.本文在有监督主题模型(Supervised LDA,SLDA)的基础上,融合迁移学习方法提出一种共享主题知识的迁移主题模型(Transfer SLDA,Tr-...     

融合词信息嵌入的注意力自适应命名实体识别

缺少分词信息及未登录词、无关词干扰是字符级中文命名实体识别面临的主要问题,提出了融合词信息嵌入的注意力自适应中文命名实体识别模型,在新词发现的基础上,将字向量嵌入与词级信息嵌入融合作为模型输入,减少了未登录词对模型的影响,并增强了实体特征的显著性,使实体特征更容易被学习器获取;同时,在注意力机制中引入动态缩放因子,自适应地调整相关实体和无关词的注意力分布,一定程度上减小了无关词对模型的干扰。将该方法在公共数据集上进行实验,实验结果证明了方法的有效性。     

基于聚度的PSO参数分析

对PSO方法中粒子运行规律给出较为完整的分析,考察随机性对粒子运动过程的影响,提出聚度的概念,并通过粒子的聚度考察粒子在实际运行条件下的分布情况,给出更加具体的参数设置区间,提出一种粒子在运动过程中的速度补偿策略,对于一些参数设置可以通过该策略提高搜索性能,该策略对实际应用中选择和调整PSO算法参数有较强的指导意义.     

基于词融合与跨度检测的中文嵌套命名实体识别

目前中文命名实体识别模型在识别具有嵌套结构的实体时存在误差,无法准确识别。基于跨度的方法能够找出嵌套实体,但在识别过程中经常生成不包含实体的跨度,无法明确划分跨度边界,增加模型负担。针对此问题,提出了基于词汇融合与跨度边界检测的中文嵌套命名实体识别模型。该模型使用多词融合方法达到文本特征增强的目的,在设计的注入模块中将目标语句中字符相关的多个词汇信息进行合并,之后融入到BERT中,以此获得更全面的上下文信息,提供更好的跨度表示;其次添加跨度边界检测模块,通过感知分类器预测跨度的首尾字符来划分跨度边界。在公共数据集上的实验表明,该模型可有效提升识别准确率。     

多主体协同电力负荷预测模型

提出了基于多主体(Multi-Agents System,MAS)协同的电力负荷预测模型,将不同的预测模型封装在不同的Agent中,利用各Agent之间的通信、合作机制来共同完成预测问题的求解,以近似日模型、回归模型、神经网络模型和规则修订模型为基础,进行协同预测。并通过实验证明了协同预测模型不仅能达到较好的预测精度,同时预测结果相对稳定,对提高实际负荷预测精度具有很现实的意义。     

线性均方一致性问题的偏差估计

多智能体协同在传感网、社交网、分布式控制等诸多领域有着广泛的实际应用背景,一致性问题作为多智能体协同的基础,受到越来越多研究者的关注.在实际环境中,由于设备、通信干扰等诸多原因,信息在传递过程中通常会携有噪声,本文对噪声条件下一致性问题的系统偏差进行了研究,将求解一致性协议噪声偏差问题转化成矩阵范数的积分问题,根据矩阵迹与特征值的关系,利用范数不等式及积分中值定理,给出仅与增益函数和网络结构相关的一致性协议噪声偏差上界,为一致性系统在实际应用中的噪声估计奠定了理论基础.     

基于知识发现的电力负荷预测模型

负荷预测是电力系统的一个传统研究问题。针对黑龙江省的气象和经济特点,提出了基于知识发现的负荷预测模型。首先通过传统的近大远小方法生成基本预测曲线,并根据从历史气象资料及负荷数据中提取的规则加以修正,生成最终预测曲线。该模型在黑龙江省电网公司得以应用,收到了较为理想的效果。     

融合主题模型和动态路由的小样本学习方法

针对小样本学习标注训练样本过少,导致特征表达力弱的问题,本文结合有监督主题模型（Supervised LDA, SLDA）和动态路由算法提出一种新的动态路由原型网络模型（Dynamic routing prototypical network based on SLDA, DRP-SLDA）。利用SLDA主题模型建立词汇与类别之间的语义映射,增强词的类别分布特征,从词粒度角度编码获得样本的语义表示。提出动态路由原型网络（Dynamic routing prototypical network,DR-Proto）,通过提取交叉特征利用样本之间的语义关系,采用动态路由算法迭代生成具有类别代表性的动态原型,旨在解决特征表达问题。实验结果表明,DRP-SLDA模型能有效提取词的类别分布特征,且获取动态原型提高类别辨识力,从而能够有效提升小样本文本分类的泛化性能。     

一种多值规则量词公式的tableau的方法

在多值逻辑中,含有量词的tableau方法具有统一的扩展规则,并已通过可靠性和完备性的证明。但是由于扩展后的分枝非常庞大,使机器实现非常困难。文章通过对规则量词公式与一阶经典量词公式的对应关系的研究,使二者使用统一的扩展规则。