基于神经网络和多样化特征的表格单元格分类方法

在大数据时代,电子表格无处不在,它们的结构样式多变、语义丰富。为了自动化地理解电子表格的逻辑结构,一项关键的步骤是对表格单元格分类,区分出标题单元格和内容单元格。为完成表格单元格分类,首先抽取来自表格的结构、样式和语义的6种特征,其次基于深度学习的方法对多样化的特征进行编码和融合,最后构建了一个U-Net结构的神经网络模型来学习特征与单元格类型间的关系。实验结果显示了特征选择和模型结构设计的合理性,证明了所提方法的有效性。     

利用ASP技术构建电子技术试验选课系统

介绍了电子技术试验选课系统的体系结构、关键技术和数据库的设计.本系统利用ASP与数据库相结合的技术(ODBC和ADO)实现电子试验管理网络化;在网页中使用Script对数据库进行访问和各种操作,实现了查询及更新数据库的功能.该系统还提供了安全有效的身份验证功能,保证系统安全有效地运行.     

基于微控制器的智能楼宇防盗报警系统

本文设计并实现了一个以微控制器MI24为核心的智能楼宇防盗报警系统。介绍了系统的结构、组成及软、硬件设计。本系统基于RS-485总线,监控主机和监控器之间采用自定义协议进行串行通信。软件系统采用Visual C 6.0实现。     

基于神经网络的个人信息自动化抽取方法

随着数据存储和数据处理技术的不断进步，个人信息广泛存在于各类文档之中，个人信息保护已成为目前科研界和工业界亟待解决的重要问题，而个人信息抽取是个人信息保护的前提和核心概念之一。针对内容复杂，格式多样，不确定性高的各类复杂文档进行个人信息抽取，本文提出了一种基于神经网络的个人信息自动化抽取的统一方法。该方法整合了流式文档和版式文档的信息抽取能力，同时结合了正则匹配和深度学习神经网络模型来输出个人信息抽取结果。此外，方法中的个人信息抽取模型通过改造输入数据的方式来融合文档的布局信息进行训练，并在训练过程中采取了迭代标注和扩展训练数据的方法，以此提高模型训练的效率和效果。