融合对抗训练及全局指针的实体关系联合抽取

实体关系联合抽取旨在从文本中抽取出实体关系三元组, 是构建知识图谱十分重要的步骤之一. 针对实体关系抽取中存在的信息表达能力不强、泛化能力较差、实体重叠和关系冗余等问题, 提出了一种实体关系联合抽取模型RGPNRE. 使用RoBERTa预训练模型作为编码器, 提高了模型的表达信息能力. 在训练过程中引入了对抗训练, 提升了模型的泛化能力. 使用全局指针, 解决了实体重叠的问题. 使用关系预测, 排除不可能的关系, 减少了冗余的关系. 在基于schema的中文医学信息抽取数据集CMeIE上进行的实体关系抽取实验表明, 模型的F1值比基准模型提升了约2个百分点, 在实体对重叠的情况下, 模型的F1值提升了近10个百分点, 在单一实体重叠情况下, 模型的F1值提升了大约1个百分点, 说明该模型能够更准确地提取实体关系三元组, 从而有效提升知识图谱构建的准确度. 在含有1–5个三元组的对比实验中, 在拥有4个三元组的句子中, 模型的F1值提升了约2个百分点, 而在拥有5个及以上三元组的复杂句子中, F1值提升了约1个百分点, 说明该模型能够较好地处理复杂句子场景.     

预应力混凝土柱的施工技术

偏心受压钢筋混凝土柱,采用预应力技术减小或避免钢筋混凝土柱根部裂缝,通过在钢筋混凝土柱受拉区一侧预先施加一定的力,使钢筋混凝土柱内部受力在新的条件下建立平衡.实践证明:该方法能有效地控制柱截面,解决钢筋混凝土柱偏心受压的根部裂缝问题.     

PROCONTROL-P控制系统人机接口分析与改造

对南阳鸭河口电厂MMI系统存在问题进行了分析,提出相应改造方案并对2台机组PROCONTROL-P系统MMI进行了升级改造。改造采用通用PC及主流操作系统,并采用先进可靠的快速网络技术,有效地提高了现有PROCONTROL-P控制系统的安全可靠性和设备的技术水平,大大降低了系统维护成本。     

一种通用的继电保护数据库模型

首先分析了公共信息模型在描述保护信息方面的不足,然后以仿真培训系统为实际应用背景,提出了一种通用的继电保护数据库模型,它能够从保护装置的内部结构和外部特征2个方面完整地表达实际的保护装置。该数据库模型允许用户在保护装置级进行保护配置,支持用户通过自定义新型号的保护装置扩展装置模型,支持装置模型升级后保护配置的自动更新,从而大大提高了保护数据库的维护效率。使用该数据库模型实现的各种仿真培训系统现场运行良好、运行维护方便,证明了该模型的有效性。     

基于优化FBD算法的谐波与闪变综合抑制装置的应用与研究

根据当前电网中存在的实际问题,提出对系统进行谐波与闪变综合抑制的必要性.对传统的FBD(Fryze-Buchholz-Dpenbrock)法进行分析和改进.在此基础上针对三相四线制系统对FBD法进行了优化设计,通过增加一个反馈回路,提高了检测方法的实时性,增强了谐波与闪变抑制装置的动态响应特性.在理论研究与仿真分析的基础上,搭建了基于并联型有源电力滤波器的谐波与闪变综合抑制装置的仿真与实验模型,检测算法采用FBD优化算法,电流跟踪控制电路采用基于滞环比较的空间矢量控制策略.仿真与实验效果验证了检测算法与控制策略的有效性和准确性.     

高压直流输电控制保护系统新技术——WIN-TDC

在新一代直流控制保护系统WIN-TDC中,极控、站控和直流保护等核心部分采用了基于64位精简指令集计算机(RISC)、实时操作系统、64位系统总线的工业控制通用平台--SIMATIC-TDC.SIMATIC-TDC的开发环境采用了单一的编程语言,调试软件集成在开发环境中.人机界面采用了通用工控组态软件--WINCC.利用时分复用(TDM)总线技术实现了测量系统的交叉冗余.WIN-TDC已经在澳大利亚的海底电缆直流工程(BASSLINK)中得到了成功的应用.     

厦门广电集团6信道高清转播车改造方案

介绍了厦门广电集团6信道高清转播车改造背景,从实用性、经济性的角度出发,介绍了详细的车体改造方案、系统方案和视音频方案等.     

基于宽度网络架构的单模型主导联邦学习

联邦学习是一种分布式机器学习方法,它将数据保留在本地,仅将计算结果上传到客户端,从而提高了模型传递与聚合的效率和安全性.然而,联邦学习面临的一个重要挑战是,上传的模型大小日益增加,大量参数多次迭代,给通信能力不足的小型设备带来了困难.因此在本文中,客户端和服务器被设置为仅一次的互相通信机会.联邦学习中的另一个挑战是,客户端之间的数据规模并不相同.在不平衡数据场景下,服务器的模型聚合将变得低效.为了解决这些问题,本文提出了一个仅需一轮通信的轻量级联邦学习框架,在联邦宽度学习中设计了一种聚合策略算法,即FBL-LD.算法在单轮通信中收集可靠的模型并选出主导模型,通过验证集合理地调整其他模型的参与权重来泛化联邦模型. FBL-LD利用有限的通信资源保持了高效的聚合.实验结果表明, FBL-LD相比同类联邦宽度学习算法具有更小的开销和更高的精度,并且对不平衡数据问题具有鲁棒性.     

基于知识图谱的双端知识感知图卷积推荐模型

针对现有基于知识图谱的推荐模型仅从用户或项目一端进行特征提取, 从而缺乏对另一端的特征提取的问题, 提出一种基于知识图谱的双端知识感知图卷积推荐模型. 首先, 对于用户、项目及知识图谱中的实体进行随机初始化表征得到初始特征表示; 接着, 采用基于用户和项目的知识感知注意力机制同时从用户、项目两端在知识图谱中进行特征提取; 其次, 使用图卷积网络采用不同的聚合方式聚合知识图谱传播过程中的特征信息并预测点击率; 最后, 为了验证模型的有效性, 在Last.FM和Book-Crossing两个公开数据集上与4个基线模型进行对比实验. 在Last.FM数据集上, AUC和F1分别比最优的基线模型提升了4.4%、3.8%, ACC提升了1.1%. 在Book-Crossing数据集上, AUC和F1分别提升了1.5%、2.2%, ACC提升了1.4%. 实验结果表明, 本文的模型在AUC、F1和ACC指标上比其他的基线模型具有更好的鲁棒性.