试题知识点预测:一种教研知识强化的卷积神经网络模型

在各类在线学习系统中,为了给学生提供优质的学习服务,一个基础性的任务是试题知识点预测,即预测一道试题所考察的知识概念、能力等。在这个任务中,已有方法通常基于人工专家标注或者传统机器学习方法。然而,这些传统方法要么耗时耗力,要么仅关注试题资源的浅层特征,忽略了试题文本和知识点之间的深层语义关联。因此,这两类方法在实际应用中均受到了限制。为此,该文提出一种教研知识强化的卷积神经网络方法进行试题知识点预测。首先,结合教育学经验,定义和抽取试题的浅层特征。然后,利用一个卷积神经网络对试题的深层语义进行理解和表征。然后,考虑到教研先验与试题词句之间的关联,提出一种基于注意力机制的方法能够自动识别和计算不同教研先验对试题的重要性程度。最后,设计了一个融合知识点决策和试题语义约束的模型训练目标。该文在大规模数据上进行了充分的实验。实验结果表明,所提出的方法能够有效地进行试题知识点预测,具有很好的应用价值。     

Recursive identification for Hammerstein–Wiener systems with dead-zone input nonlinearity

A new recursive algorithm is proposed for the identification of a special form of Hammerstein–Wiener system with dead-zone nonlinearity input block. The direct motivation of this work is to implement on-line control strategies on this kind of system to produce adaptive control algorithms. With the parameterization model of the Hammerstein–Wiener system, a special form of model estimation error is defined; and then its approximate formula is given for the following derivation. Based on these, a recursive identification algorithm is established that aims at minimizing the sum of the squared parameter estimation errors. The conditions of uniform convergence are obtained from the property analysis of the proposed algorithm and an adaptive setting method for a weighted factor in the algorithm is given, which enhances the convergence of the proposed algorithm. This algorithm can also be used for the identification of the Hammerstein systems with dead-zone nonlinearity input block. Three simulation examples show the validity of this algorithm.     

STBC MC-CDMA系统自适应MBER多用户检测算法

针对MC-CDMA(Multicarrier code division multiple access)系统,描述了其时变多径衰落环境下采用空时分组编码(Space-time block coding,STBC)的同步上行链路模型,提出一种基于最小误比特率(Minimum biter-ror rate,MBER)的多用户检测算法。利用内核密度估计和梯度下降的方法,推导了该算法自适应实现形式。对具有2个发射天线和2个接收天线的STBC MC-CDMA同步上行链路系统进行了自适应MBER检测算法的计算机仿真。结果表明:当系统负荷较小时,该算法误码性能较好;当系统负荷较大时,该算法误码性能有所下降,但仍然优于具有类似计算复杂度的MMSE(Minimum mean squared error)自适应检测算法。     

模糊自适应卡尔曼滤波算法在航位推算系统中的应用

针对实际的应用中车载航位推算系统的模型参数、噪声的统计特性不确定性,影响估计效果,提出了车载航位推算的模糊自适应卡尔曼滤波模型及其滤波算法;该方法通过监视理论残差与实际残差的比值是否接近1,应用模糊推理系统不断地调整量测噪声协方差的加权,对自适应卡尔曼滤波的量测噪声协方差进行递推修正,通过该算法来抑制噪声对精度的影响,进而提高系统的导航精度;仿真结果表明,这种算法能够有效地提高系统的精度,是一种比较理想的车载DR导航滤波方法。     

AGCluStream:一个基于Agent方法的双层流数据聚类算法

流数据聚类是数据挖掘研究中一个热点问题.基于Agent方法的流数据聚类算法AGCluStream采用双层结构,在线层采用格簇存储数据信息,利用Agent操作完成对数据的处理,离线层采用了结合时间框架的窗口分析技术.算法鲁棒性高,能够更好地适应流数据的动态特性,维护数据全局分布的完整性,时间开销适应流数据的高速性.     

基于模糊穴─穴映射的多变量模糊系统分析

在简要介绍多变量模糊系统的模糊穴－穴映射（ＦＣＭ－Ｉ）模型的基础上，提出了一种对多变量模糊系统进行分解的方法。此法的核心在于认为任何复杂系统的动态都是由其隐含的稳定子动态和不稳定于动态聚合而成，而系统特性则主要取决于决定性子动态的性质。并介绍了确定系统决定性子动态和基于其上的多变量模糊系统渐近分析方法。     

基于NetFlow的网络异常流量检测

NetFlow可以提供网络中IP流的信息。这些流的信息有多种用途，包括网管、网络规划、ISP计费等。在网络安全领域，NetFlow提供的IP流信息可以用来分析网络中的异常流量，这是对现有的基于特征的NIDS的很好的补充。本文介绍了Net—Flow—based Anomaly Traffic Analyzer，一个基于NetFlow的网络异常流量检测系统，并通过一些实验证明了该系统的有效性。     

一种面向WiMAX的呼叫接纳控制算法

提出一种在WiMAX系统资源紧张时,使接纳率和资源利用率最大化的呼叫接纳控制CAC(Call Admission Control)算法。算法基于经济学概念,利用基尼系数(Gini Coefficient)给出了接纳控制模型,并用修正的sigmoid函数计算接纳概率。根据接纳概率决定是否接纳新到业务。仿真结果表明,算法与典型的截止优先权算法相比,在系统繁忙时系统接纳率和资源利用率都有较大提高。     

中文非投射语义依存现象分析研究

汉语是一种语序灵活的语言,句子变式很多,基于传统依存树的投射现象还不能很好解决某些句式的语义理解问题。文章以10000个句子的汉语语义依存图库为基础,验证并明确了汉语非投射现象的客观存在性,考察了汉语句子中存在的非投射现象,并从语言学和句子深层语义理解的角度对非投射现象进行了归纳和解释。文章总结了7类出现非投射现象的情况,包括小句宾语句、比较句、主谓谓语句、紧缩复句、代词、动补谓语句以及注释短语或复句。这对于自动语义依存标注有重要的指导作用。