微博观点句识别的话题影响研究

为了从海量的网络信息中迅速准确地获取评价信息,观点句识别已经成了自然语言处理的一个研究热点。现在观点句识别系统大都是基于机器学习的方法,一般使用机器学习的方法来进行分类会受到领域差异性影响。针对这个问题,该文对微博观点句识别系统是否会受到微博话题影响做了经验性研究,同时为了弥补训练数据的不足,该文通过规则方法自动标注网络数据进行了训练集的扩充。实验结果表明,微博话题间存在差异,进行分话题模型训练可以提升微博观点句识别系统的性能。     

无线传感器网络多sink路由技术研究*

在介绍无线传感器网络路由协议的独有特点后,给出了传感器网络多sink路由协议的分类方法,然后着重分析了当前较为有代表性的多sink路由协议,在协议特点及其应用范围方面进行了研究与比较。最后,总结了多sink路由协议的研究的关键点及其发展趋势。     

蚁群优化算法在求解随机组合优化问题中的应用综述*

不确定条件下的优化问题更贴近真实世界环境,因而日益受到广泛关注。综述了蚁群优化在求解一组不确定条件下的组合优化问题,即随机组合优化问题方面的应用。首先介绍了不确定条件下组合优化问题的概念分类模型,给出了随机组合优化问题的一般定义;然后指出了其与求解传统确定性组合优化问题的不同之处,即目标函数的计算存在不确定性,并详细论述了目前解决方法的进展;最后分析了该领域值得重点关注的几个研究方向,并对其未来发展进行了展望。     

大口径光学透镜瞬态温度场模拟

为考察热辐射效应对光学元件稳、瞬态温度场的影响,给出了考虑辐射和导热耦合换热情况下复杂几何结构光学透镜稳、瞬态热特性的适体坐标下离散坐标法.对喷管形和圆柱形介质进行计算并与其他方法比较表明,建立的适体坐标系下辐射与导热耦合换热计算方法精度较好.对两端为球缺中间为圆柱的大口径透镜内的辐射与导热耦合换热过程进行了数值模拟.计算结果表明,为了精确地预测半透明介质如透镜内的温度分布,应该考虑辐射与导热耦合作用,且应当考虑介质的光谱特性.     

一类广义集值强非线性混合拟变分不等式(英文)

引进一类广义集值强非线性混合拟变分不等式,并且用投影技巧证明了它解的存在性.推广了广义集值强非线性混合变分不等式的许多结论.     

美国密歇根州三所学院的办学理念与特色分析

办学理念和办学特色对学校的生存和发展起着至关重要的作用。本文在分析美国大学的发展历程与办学理念演变的基础上,重点介绍了三所美国学院的办学理念和办学特色,希望对我们的高等教育教学改革能有所启示。     

动漫广告将异军突起——从病毒式传播看动漫广告的发展前景

动漫广告具有病毒式传播的天然潜质。其独特鲜活的动漫形象是强有力的病原体,易吸附受众注意力;其核心受众是80、90后人群,他们注重感官消费、乐于信息分享,是典型的易感人群;网络、手机等新媒体日益成为动漫广告受众高度依赖的主流媒体,为动漫广告的病毒式传播提供了4A级的传播渠道;动漫文化本身具有强烈的感染力,能激发受众积极地分享动漫广告信息。鉴于病毒式传播高效的传播效果,动漫广告会在未来的广告营销中异军突起。     

熔盐堆临界能谱与通量分布的仿真计算

研究熔盐反应堆在临界工况下的堆芯中子能量和中子通量分布.由于熔盐反应堆的几何结构与目前的热中子反应堆存在很大差异,导致热中子反应堆能谱的求解方法在对熔盐堆进行计算时存在几何处理上的困难.针对上述问题,提出采用具有任意几何处理能力的中子输运计算软件MCNP对熔盐堆堆芯结构进行建模,采用能量区间上的平均通量代替该区间内通量分布的方法,计算了两种熔盐堆在临界工况下的堆芯中子能谱.结果表明,MSBR堆芯能谱为典型的热堆能谱;MO-SART堆芯能谱介于快堆能谱和热堆能谱之间.结果能够作为堆芯扩散计算中能量分群方法的依据.同时分析了堆芯内中子通量分布情况,结果表明熔盐堆中子通量分布具有中间高、四周低的特点.     

一种轮毂电机悬架构型及其减振性能的研究

针对轮毂电机驱动的电动汽车簧下质量的增加导致车辆平顺性下降的问题,采用与轮辋连接的三个对称分布的减振器和弹簧作为驱动电机悬架,主动轮与车体之间仍采用原车悬架结构.建立含路面激励与电机振动激励的车辆1/4垂向振动数学模型,采用B级路面作为路面激励,以0阶和8阶电磁力波作为电机振动激励.实例仿真研究双激励下的车身加速度、车轮动载荷、悬架动挠度以及电机位移等响应,比较不同车速下的系统响应,分析电机悬架参数对系统响应的影响.结果 表明,电机振动激励对系统有一定的影响,路面输入是振动的主要来源,电机悬架阻尼系数的影响大于弹簧刚度的影响,上述悬架构型在宽车速范围内都表现出良好的减振性能.     

引入BL-Seq2seq模型进行负荷预测

短期负荷预测在电力系统运行和调度中起着重要作用,为了更好地提取数据中蕴含的有效信息,提升短期负荷预测精度,本文引入Seq2seq算法的注意力机制提出了多层Bi-LSTM的Seq2seq深度学习模型(BL-Seq2seq)实现短期用电负荷预测.其中Seq2seq的编码端由多层Bi-LSTM组成,将输入数据进行编码,并在网络末端输出编码后的最终状态;Seq2seq解码端为单层LSTM,它将编码端的最终状态作为初始输入状态,同时每一步的输出值作为下一步的输入值.利用用电负荷实测数据,基于Keras平台进行仿真,仿真结果表明,与多个经典的深度学习的短期用电负荷预测模型相比,所提BL-Seq2seq模型的预测误差明显降低,大大提升了短期用电负荷预测精度.