基于词性特征的CNN_BiGRU文本分类模型

传统词嵌入通常将词项的不同上下文编码至同一参数空间,造成词向量未能有效辨别多义词的语义;CNN网络极易关注文本局部特征而忽略文本时序语义,BiGRU网络善于学习文本时序整体语义,造成关键局部特征提取不足.针对上述问题,提出一种基于词性特征的CNN_BiGRU文本分类模型.引入词性特征构建具有词性属性的词性向量;将词性向量与词向量交叉组合形成增强词向量,以改善文本表示;采用CNN网络获取增强词向量的局部表示,利用BiGRU网络捕获增强词向量的全局上下文表示;融合两模型学习的表示形成深度语义特征;将该深度语义特征连接至Softmax分类器完成分类预测.实验结果表明,该模型提高了分类准确率,具有良好的文本语义建模和识别能力.     

我在“诚品”变成了小孩子

某天在朋友家乱翻书,看到一本封面素雅的杂志,一下子被吸引过去,一看是《诚品好读》杂志。翻开看了几页,内容涵盖了有机生活、饮食、种植、lifestyle、服装、建筑等各类资讯,都是我很感兴趣的内容。再问朋友才知道原来这本书是台湾的"诚品书局"所出,就在那时在我脑子里牢牢的记住了"诚品"这个名字。     

数字图像相关技术在大豆蛋白喷涂流速测量中的应用

目的分析蔬菜复合纸制备过程中的喷涂雾化规律,研究大豆蛋白喷涂液在不同喷涂参数下雾化场速度的变化。方法首先通过高速摄像机采集多帧连续喷涂图像,然后对采集的图像序列做相关性分析以获得各图像对之间的相对位移场,最后结合高速摄像机采集图像参数计算大豆蛋白液喷涂雾化速度场。结果选取喷头下方10 cm处,边长为10 cm的正方形区域的雾化颗粒进行分析,当气压一定时,大豆蛋白雾化颗粒平均速度随液压的增大而增大;液压一定时,随着气压的增大,大豆蛋白喷雾颗粒平均速度先减小后增大,最后趋于某一稳定值。结论通过数字图像相关技术对高速摄像机拍摄的雾化场图像进行处理分析,能够描述大豆蛋白液喷涂雾化场的速度分布特性。通过处理不同喷涂参数下的雾化图像,得到了喷涂参数对雾化颗粒速度的影响。     

微机保护和故障录波器联网系统

结合京津唐电网的运行实践 ,简述了GPS时基下微机保护和微机型录波器联网系统的开发研制 ,详述了故障录波远传系统以及与微机保护 (LFP 90 1A系列、WXB 11(C)型 )的联网功能     

融合多头自注意力机制的中文短文本分类模型

针对中文短文本缺乏上下文信息导致的语义模糊从而存在的特征稀疏问题,提出了一种融合卷积神经网络和多头自注意力机制（CNN-MHA）的文本分类模型。首先,借助现有的基于Transformer的双向编码器表示（BERT）预训练语言模型以字符级向量形式来格式化表示句子层面的短文本;然后,为降低噪声,采用多头自注意力机制（MHA）学习文本序列内部的词依赖关系并生成带有全局语义信息的隐藏层向量,再将隐藏层向量输入到卷积神经网络（CNN）中,从而生成文本分类特征向量;最后,为提升分类的优化效果,将卷积层的输出与BERT模型提取的句特征进行特征融合后输入到分类器里进行再分类。将CNN-MHA模型分别与TextCNN、BERT、TextRCNN模型进行对比,实验结果表明,改进模型在搜狐新闻数据集上的F1值表现和对比模型相比分别提高了3.99%、0.76%和2.89%,验证了改进模型的有效性。     

复小波包变换域混合统计模型图像降噪算法

该方法利用四树复小波包变换具有的移不变性、良好的方向选择性和对高频信号的细致分析能力等特点, 把含噪图像分解成低频逼近子图和若干高频方向子图; 在保留低频逼近子图复系数不变的同时, 利用复系数层间相关性的强弱把高频方向子图分为主要类和次要类. 对主要类和次要类复系数分别进一步采用非高斯双变量模型和零均值高斯分布模型进行噪声抑制. 实验结果表明, 无论是峰值信噪比(PSNR)指标, 还是在视觉效果上, 本文方 法的去噪性能均好于传统的双树复小波变换去噪、四树复小波包变换去噪和小波域高斯尺度混合模型去噪, 在有效抑制噪声的同时, 具有很好的图像边缘和细节保护能力.     

"管理信息系统"课程实验教学方法的改革与实践

1 面临的问题 当前,大学教育正在从"精英型"向"大众型"转变,人才培养重点也从"学术型"向"应用型"转变.     

铝蜂窝胶接缺陷的红外热波无损检测

蒙皮与蜂窝之间的脱粘缺陷使铝蜂窝夹心复合板的强度大大降低，严重影响金属蜂窝胶接产品的应用，必须对其进行严格的无损检测。用红外热波技术对铝蜂窝夹层胶接结构进行检测，结果表明，该技术可对试件夹层胶接质量和蜂窝结构作快速有效直观的检测。     

信管专业实践教学的改革与实践

本文分析了实践教学对应用型人才培养的必要性，指出目前信管专业人才培养面临的问题，并介绍了我院的教改实践。     

SLM增材制造工件成形取向的优化

由于SLM增材制造是在高度方向上逐层成形,因此增材制造中工件成形取向十分重要。成形取向不仅影响工件的质量,并且决定了支撑的添加位置和数量。优化工件成形取向,可以减小支撑数量和支撑去除工作量,提高工件表面质量和成形效率。优化成形取向是增材制造工艺设计的第一步。目前在成形取向选取上多依靠主观经验,对复杂结构件则难以判断其较优成形取向。本文通过旋转工件成形取向,比较工件在各方向上的支撑面积,以工件所需支撑体积最小为目标,建立了工件成形取向的优化模型。并通过实际典型工件验证了模型的正确性与算法的有效性。