高端医疗装备大数据服务平台研究与实践

针对医疗装备领域共性关键技术服务不完善和数据资源整体利用率低的问题,聚焦高端医疗装备,笔者单位机械工业仪器仪表综合技术经济研究所开展了高端医疗装备大数据服务平台的顶层规划设计,并搭建了平台的主体框架,包括物理感知层、数据分析层、业务应用层和创新服务层,为政府、企业、医院等主体提供产业发展信息服务、智能制造诊断评估服务、...     

基于知识管理的统一数据模型

分析传统数据建模的特点和缺点,在电子政务领域提出用知识统一数据模型来支持统一知识管理和信息集成。基于知识统一数据模型设计并实现了一个统一应用开发环境,并在该环境下构建知识管理平台。实际应用表明,基于知识统一数据模型来构建知识管理平台可以使系统能统一管理各类知识,并便捷、快速地适应新知识类型的应用。     

事件演算在行动推理中的应用

事件演算是基于一阶谓词演算的行动推理理论.它可作为描述事件的一个工具,在行动推理的应用中显示出其强大的表示能力和实现能力.在事件演算中,可以对行动进行公理化,可以描述行动的时间性、并发性、连续变化及知识,而且还可用Prolog实现.讨论介绍与这些应用相关的基本概念、思想和方法等,并且通过一个送咖啡的例子说明了如何通过事件演算来描述和实现.     

交互式遗传算法在作曲中的应用

对交互式遗传算法作曲进行了一定的探讨.介绍了用遗传算法进行作曲的知识表示.通过将给定的乐谱转化成相应的编码,采用交互式遗传算法中的选择,交叉和变异算子产生新的乐曲.对交互式遗传算法作曲进行了仿真实验,讨论了实验步骤,给出了实验结果.仿真结果表明,设计的作曲系统可以产生出令人感兴趣的乐曲,具有一定的实际意义.     

准周期量子动力系统的数值求解

本文提出了研究准周期量子动力系统的计算方法.传统计算方法通常使用大的周期系统来近似计算准周期系统,这会产生丢番图逼近误差.我们的方法将准周期系统在高维周期结构中表示和计算,这样不仅可以避免丢番图逼近误差,而且可以将周期系统的高效算法,比如快速Fourier变换直接运用到新的算法中.我们将算法用于计算具有准周期势的线性薛定谔方程和准周期初值的非线性薛定谔方程.数值结果表明了算法的可靠性和高效性,并可以用于研究包含Anderson局域化、非线性光子准晶在内的准周期量子行为.     

基于双迭代聚能量字典学习的数据压缩算法

针对基于稀疏表示（Sparse representation,SR）的数据压缩压缩率低、重构精度低等问题,本文提出一种基于双迭代的聚能量字典学习算法,把高维信号映射到低维特征空间,当低维特征空间保留高维原始信号越多的特征时,高维信号从低维特征空间中恢复出来的精度越高。为了使低维字典保留高维字典更多的主成分,本文提出了一个新的变换,被命名为?变换,能提升高维字典的能量集中性。除此之外,针对高维字典与低维字典的耦合关系,建立了双循环迭代训练,增加字典的能量集中性与字典的表达能力。实验表明,相比于传统算法,本文提出算法字典学习收敛速度提升了3倍以上。此外,该方法可以得到较高的压缩比和更高质量的重构信号。     

欧洲半导体器件型号命名法

目前,欧洲产半导体分立器件型号命名主要由四个基本部分组成,其中第一部分用字母表示器件使用的材料;第二部分用字母表示器件的类型及主要特性;第三部分用数字或字母加数字表示登记号;第四部分用字母对同一型号器件进行分档,详见表1。除上述基本部分外,在后面有时还用字母或数字作为后缀,     

基于加权Word2Vec和TextCNN的新闻文本分类

随着网络和各类社交媒体的盛行,越来越多的文本信息通过互联网呈现在人们面前。对于海量的文本数据,自然语言处理技术变得越来越实用,新闻文本分类便是其中一项重要的任务,其对制定新闻检索策略、新闻推荐、社会舆情监控等具有积极作用。文章通过分析文本表示模型与分类模型的研究现状,提出一种基于加权Word2Vec和TextCNN的新闻文本分类方法,在新闻文本多分类数据上进行实验。从实验结果上来看,在文本表示模型中,该文方法比TF-IDF模型、Word2Vec模型以及随机词嵌入模型在精确率、召回率和F1值上均有提高;在文本分类模型中,文章使用的TextCNN模型要比传统的机器学习模型以及循环神经网络模型在分类效果以及模型性能方面表现更出色。     

规划的形式表示技术研究

智能规划是人工智能研究领域中的一个富有挑战性的课题.同时,智能规划问题具有广泛的实际应用背景.而自动规划问题面临的首要问题是规划问题的形式表示问题.本文系统地分析了情景演算,STRIPS,PDDL,HTN等各种规划形式表示技术,比较了各种形式表示技术的优缺点,并指出了进一步研究设计高效智能规划系统的方向.     

梯形子模式非对称逆布局二值图像表示方法

虽然树形分层结构在图像表示和处理中有很多优点,但是它们都过分地强调分割的对称性和节点的对称性,因此不是最优的图像表示方法.借鉴Packing问题研究的方法,基于非对称逆布局模式表示模型(Non-symmetry An-ti-paeking pattern representation Model,NAM),提出了一个梯形子模式非对称逆布局二值图像表示方法,给出具体的编码算法和解码算法,并分析了算法的时空复杂度和表示的数据量.理论分析和试验结果表明,与流行的基于分层结构的线性四元树表示方法相比,梯形子模式非对称逆布局二值图像表示方法在子模式数量和数据量方面具有较大的优势.