卷积深度神经网络在基于文档的自动问答任务中的应用与改进

基于文档的自动问答,尤其是语义匹配,其目标是计算两个文本之间的相似度。这是自然语言处理中的典型任务,并且用以衡量对自然语言的理解程度。深度学习方法得益于可以自动化地学习到给定任务的最优特征表示,在许多研究中取得成功,也包括文本匹配。针对基于文档的自动问答,提出一个基于卷积深度神经网络的语义匹配模型,以便对每一对问题和文档提取特征,并据此计算它们的得分。通过问题和文档之间的交互计算,利用重叠词等文本特征,在中文开放域上的自动问答任务中取得的实际效果证明了该模型的有效性。     

C5191磷青铜薄板高速冲裁断裂阀值的确定方法

为准确分析C5191磷青铜薄板高速冲裁过程中裂纹萌生时的临界损伤,提出一种Hopkinson试验和冲裁数值模拟相结合的反求分析法标定冲裁断裂的阀值。通过基于数字图像分析技术的分离式Hopkinson拉杆试验,获得C5191磷青铜试样出现颈缩时刻所对应的临界塑性变形能(应力、应变积分函数),并作为拉伸断裂的临界损伤阀值C_i导入冲裁数值模拟模型以获得冲裁断面光亮带的高度模拟值,最后根据冲裁光亮带模拟值和实测值的对比分析结果以动态优化调整C_i值,二者一致所对应的损伤值即为高速冲裁断裂阀值C_0。试验结果表明,C5191磷青铜薄板高速冲裁过程中裂纹萌生时的临界损伤值C_0取值为1. 162时,光亮带高度值的数值模拟结果与高速冲裁试验结果的误差仅为3. 64%,体现出此种方法的可靠性。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。     

SBR侧流除磷强化同步亚硝化反硝化除磷效率

采用SBR装置,进水COD/ρ(TN)为7,以厌氧-好氧-缺氧(A/O/A)的运行模式实现同步亚硝化反硝化(SPND)。为解决SPND工艺中除磷问题,实验在进水中额外添加一次乙酸钠,强化厌氧释磷后排出富磷上清液。当除磷效果消失时,依照第1次的方法再一次强化除磷。结果表明,强化后出水PO_4~(3-)-P的质量浓度小于0.5 mg/L,其持续时间分别达2 d和16 d,PO_4~(3-)-P平均去除率分别为95.8%±0%、96.7%±3.7%;NH_4~+-N和TN的平均去除率分别为99.5%±1.6%和97.2%±2.3%。强化后微生物多样性增加,丰度大于1%的菌属增加8种。聚磷菌(PAOs)丰度由3.74%增长至4.04%,聚糖菌(GAOS)丰度由8.63%降至4.37%。