街道景观规划与城市记忆研究

在街道景观规划中,对城市历史文化进行分析研究,力求做到开发与保护的平衡,延续城市所特有的文脉。并通过实例为街道景观规划作了一些尝试性研究。     

支持遗忘特征的记忆模型及其在知识管理中的应用

为了在知识管理系统中有效进行知识筛选,本文将遗忘的特性引入知识管理,建立了复合记忆—遗忘 数学模型．探讨了该模型的数学特性,并对其进行了适合计算机模拟的等效简化．探讨了该模型在知识管理系统中 的应用和实现方法,并给出了实例．该模型有助于识别知识管理系统中的老化知识和新知识,优选关键知识,提高 系统效率．     

2008欧洲杯，送你15个PSP的绝妙玩法

2008年欧洲杯已经于6月8正式展开,瑞士对捷克的开幕式比赛你看了吗?如果你是球迷,一定不会错过。同样你不该错过的,是PSP掌机中一款大作——实况足球2008。一个是足坛的重大赛事,一个是游戏界最新推出的产品,强强连手的游戏大餐,怎能少了你!     

计算机专业英语的特点

在日常计算机学习和使用中,许多场合需要直接阅读英语原文或者使用英语的软件系统,因此了解计算机专业英语的字词、语法、句型特点,掌握、运用好计算机英语非常重要。文章讨论了计算机专业英语在词汇、句子、语法上表现出的一些特点,指出了计算机专业英语的特性,对常见的计算机提示信息和网上英语交流信息进行了分析说明,最后,对特定的计算机专业英语句型结构进行了举例剖析。     

IT词汇浅释（5）

它为中小型行业企业的信息整合提出了解决方案。BOA,顾名思义,就是Business＋SOA。简单地讲,可理解为在SOA技术的基础之上融入行业经验,利用传统技术和SOA技术来实现对业务系统通用构件的对接、部署,使得SOA与行业个性化应用得以融合。相比SOA,BOA架构整合了大量的本土企业用户的应用经验,使得软件的开发、部署更加贴近国内中小企业的应用,能更好地满足中国日益膨胀的“行业支撑平台”的需求。     

最喜爱广告评选揭晓

创意灵感流金岁月系列广告创意的第一动机是产品本身,流金岁月系列超越了纯粹的物化概念,赋予了古典、艺术、历史记忆的内涵,它既承载一种情感,又寄托最原始的美的祈盼。流金岁月系列拒绝纯商业工业设计痕迹,追求体验与品位。此外,我坚信好     

基于时序时空双流卷积的异常行为识别

针对地铁站特定场合下,人体异常行为识别无法有效利用帧间运动时间维度信息,导致人体异常行为识别准确率不高的问题,提出一种深层次残差长短期双流网络结构。将RGB帧和连续光流帧作为双流网络的输入,分别利用ResNet34提取低层特征信息,空间流网络提取运动外观特征信息,时间流网络提取光流运动信息,然后将特征信息输入长短期记忆（LSTM）网络,有效学习空间外观和光流运动的帧间关联时间信息,并且通过多种加权融合策略加强模型识别效果。最后在地铁站异常行为数据集上验证提出的网络结构,并与原双流网络进行对比,改进后的网络识别准确率提高了4.7%,融合后的模型准确率提高了12.9%。实验结果表明,所提方法能够充分利用时间维度信息,可有效提高异常行为识别准确率,在昏暗环境下仍有较好的识别效果。     

融合多类时空轨迹特征的跨网络用户身份识别

随着位置社交网络的蓬勃发展,用户移动行为数据得到极大丰富,推动了基于时空数据的身份识别问题的相关研究。跨位置社交网络的用户身份识别,强调学习不同平台时空序列间的相关性,旨在发现同一用户在不同平台的注册账号。为解决现有研究面临的数据稀疏、低质量和时空不匹配问题,提出了一种融合双向时空依赖和时空分布的识别算法UI-STDD。该算法主要包含3个模块：时空序列模块通过结合成对注意力的双向长短时记忆网络来刻画用户移动模式;时间偏好模块从粗、细两个粒度定义用户个性化模式;空间位置模块挖掘位置点的局部和全局信息,量化空间邻近性。基于上述模块得到的用户轨迹对特征,UI-STDD利用多层前馈网络判断跨网络的两个账户是否对应于现实中的同一个人。为验证UI-STDD的可行性和有效性,在3组公开的数据集上进行了实验。实验结果表明,所提算法能够提高基于时空数据的用户身份识别率,F1值平均高于最优对比方法10%以上。     

基于多特征嵌入的中文医学命名实体识别

针对基于字符表示的中文医学命名实体识别模型嵌入信息单一、缺失词边界和结构信息的问题,文中提出了一种融合多特征嵌入的医学命名实体识别模型。首先,将字符映射为固定长度的嵌入表示;其次,引入外部资源构建词汇特征,该特征能够补充字符的潜在词组信息;然后,根据中文的象形文字特点和文本序列特点,分别引入字符结构特征和序列结构特征,使用卷积神经网络对两种结构特征进行编码,得到radical-level词嵌入和sentence-level词嵌入;最后,将得到的多种特征嵌入进行拼接,输入长短期记忆网络编码,并使用条件随机场输出实体预测结果。将自建中文医疗数据和CHIP＿2020任务提供的医疗数据作为数据集进行实验,实验结果表明,与基准模型相比,所提模型同时融合了词汇特征和文本结构特征,能够有效识别医学命名实体。     

基于Conv1d-LSTM模型的能源分配预测

能源分配问题往往与其所在区域环境有关,能源分配的预测可以通过当地环境因素数据来推测之后对该区域的能源分配数值,最大程度上分配好能源. LSTM网络预测短期效果良好,但预测较长时期的数据会导致误差积累,速度慢且准确性差; Informer是近期新提出的能源预测算法模型,速度快但在该任务上预测能力不够.本文提出Conv1d-LSTM模型,预测结果优于上述两个模型,具有更低的平均绝对误差和均方根误差.