发电设备产品技术准备计划管理研究

正发电设备行业是国家重点支持的固定资产投资行业,肩负着为国民经济以及人民生活用电提供发电成套设备的重任。从发电设备产品特点来看,行业产品对象为按订单设计,基本以单台份为主,产品间有成套件可以借用,因此产品设计过程漫长、涉及专业多、开发技术难度大、制造复杂,一般采取边设计边生产的模式,对跨部门和跨专业的协调工作提出了较高的要求。通过多年的发展,行业已经形成了一套特有的技术准备计划管理模式,特别对需要提前采购     

大型制造企业网络平台设计与实施

本文就大型制造企业网络的现状进行研究,探索制造企业网络平台建设架构需求,进而利用时下先进的以太网交换技术和一流的网络设备设计高速可靠的制造业网络平台,并为企业网络平台提供完整可靠的安全解决方案,保障企业多种业务联网系统的自动化以及因特网的高速安全互联互通,桌面用户安全可靠接入的公司网络支撑平台,为制造企业各类信息系统提供高速统一安全的宽带综合业务网络通信平台。     

基于栈式降噪编码器的跨语言多标签情感分类

多标签情感分类任务旨在处理一个实例可能与多个情感标签关联的问题。现有的大多数多标签情感分类模型都是基于完整的数据设计,模型性能和语义易受到数据本身存在的不完全性影响。针对此问题本文提出一种基于栈式降噪自编码器的跨语言多标签情感分类模型,引入标签感知损失函数弥补训练带来的损失。该模型通过栈式降噪自编码器对词向量去噪以构建原始数据的低维特征,降低特征空间的噪声干扰,为下游任务提供有效特征表示。在SemEval2018的3种语言数据集（即英语、阿拉伯语和西班牙语）多标签情感分类实验中,该模型在测试集上的micro＿F1、macro＿F1、jaccard这3个指标均得到提升,其中macro＿F1分别提升了约0.82、1.45和1.83个百分点。