基于门控联合池化自编码器的通用性文本表征

为了学习文本的语义表征,以往的研究者主要依赖于复杂的循环神经网络(recurrent neural networks, RNNs)和监督式学习方法。该文提出了一种门控联合池化自编码器(gated mean-max AAE)用于学习中英文的文本语义表征。该文的自编码器完全通过多头自注意力机制(multi-head self-attention mechanism)来构建编码器和解码器网络。在编码阶段,提出了均值—最大化(mean-max)联合表征策略,即同时运用平均池化(mean pooling)和最大池化(max pooling)操作来捕获输入文本中多样性的语义信息。为促使联合池化表征可以全面地指导重构过程,解码器采用门控操作进行动态关注。通过在大规模中英文未标注语料上训练模型,获得了高质量的句子编码器。在重构文本段落的实验中,该文模型在实验效果和计算效率上均超越了传统的RNNs模型。将公开训练好的文本编码器,使其可以方便地运用于后续的研究。     

半自磨工艺在金锑矿碎磨中的应用

甘肃某公司选厂处理的金锑共生矿石中黏土矿物含量高,含水率也较高,采用常规破碎工艺存在流程不畅顺、作业环境差、劳动强度大、生产成本高等缺点。2014年该选厂采用半自磨工艺取代常规破碎工艺,该工艺克服了黏土矿物及含水率对碎矿流程的负面影响。该选厂通过持续优化半自磨工作参数及均衡两段磨矿负荷等措施,不断提高系统的磨矿效率,使得选厂磨矿段产能翻番,生产成本大幅度降低,同时降低了劳动强度并改善了生产环境等,取得了良好的经济效益与社会效益。     

自粘性流动树脂对牙本质粘接强度的研究

目的对比新型自粘性流动树脂Constic与目前常用的自酸蚀粘结剂搭配普通复合树脂对牙本质的粘接强度,评估自粘性流动树脂Constic的粘接性能能否满足临床需要。方法收集新鲜拔出的人类磨牙60颗,随机分为3组(A组,B组,C组):A组为自粘性流动树脂Constic、B组为一步法自酸蚀粘结剂幻彩-bond搭配普通流动树脂Filtek Supreme XT Flowable、C组为两步法自酸蚀粘结剂Clearfil SE-Bond搭配Filtek Supreme XT Flowable。测试粘接试样剪切粘接强度并对测试结果进行单因素方差分析(one-way ANOVA,LSD)分析。然后在体式显微镜下放大至50倍进行断裂面观察并进行断裂类型统计。结果3组剪切粘接强度分别为:9.15±2.33MPa(A组),10.79±2.37MPa(B组),13.89±2.56MPa(C组)。A组剪切粘接强度与B组之间的差异无统计学意义(P0.05),但均低于C组(P0.05)。A组和B组主要发生的是粘附破坏,C组以混合断裂为主。结论自粘性流动树脂Constic与一步法自酸蚀粘结剂相似,可满足临床需要。     

基于深度学习的视频跟踪研究进展综述

近年来深度学习迅猛发展，颠覆了语音识别、图像分类、文本理解等领域的算法设计思路。深度学习因其具备强大的特征提取能力，在图像识别领域的成绩尤为突出。然而深度学习与视频监控领域的结合并不多，由于深度模型具有多层网络结构，算法复杂度大，训练和更新模型时比较耗时，很难满足实时性要求。回顾了深度学习的发展史，介绍了最近10年来国内外深度学习主要模型，论述了基于深度学习的目标跟踪算法，指出了各算法的优缺点，最后对当前该领域存在的问题和发展前景进行了总结和展望。     

可调偏迈步式胶带自移机尾的研究

随着掘进工作面自动化程度的提高,掘进巷道速度也在日益加快,而现有的顺槽皮带机机尾移动缓慢且移动时工作量大,需要两三人配合操作,存在一定的安全隐患。针对以上问题,研发可调偏迈步式胶带自移机尾,具有与悬挂二运皮带转载机搭接行程长,可以迈步式前进,自动调偏等功能,同时,可以降低工人的劳动强度,加快巷道掘进速度。