基于先验知识的文本实体识别方法

阐述文本实体识别作为医疗相关人工智能应用的关键中间任务，其效果直接决定下游任务表现上限，然而传统方法中通常忽略医学知识的应用，很难取得良好表现。提出一种基于RoBERTa与CRF并融合医学知识的医学文本实体识别方法，将医学知识作为先验引入到CRF最优路径搜索环节，极大程度地提升了标签转换的连贯性，并在相关数据集主指标上取得了改善。     

柴油机碳烟颗粒三维形貌特征的研究

采用微孔均匀沉积冲击器(MOUDI)颗粒采样仪从ZS195单缸发动机尾气中采样,并用软X射线显微成像和软X射线三维重建技术从不同角度观察颗粒的形貌,用Amira获得不同工况、不同粒径级下颗粒的三维形貌和形态学参数,通过比较不同负荷工况和不同粒径级下颗粒的形态学参数,如分形维数、单位体积的表面积等,分析了不同工况和粒径级下这些形态学参数的差别.     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

内燃机活塞环表面处理技术

活塞环在内燃机中有着支撑、密闭、储油、导热的作用,内燃机活塞环制备材料应该具备优良的加工性能、耐高温、耐腐蚀、导热性好且具有良好的强韧性,较好的与气缸材料表面的磨合性能。球墨铸铁和专用钢材已经成为制备内燃机活塞环的基础材料,目前国内外采用多种表面处理技术比如:镀铬、氮化、PVD与CVD镀膜、喷钼、喷涂陶瓷层等表面处理工艺进行表面改性,提高内燃机活塞环的使用寿命和使用性能。需要不断研究和开发新的内燃机活塞环的表面处理技术来满足实际生产和应用中内燃机越来越高的要求。     

危废料坑火灾自动报警工程设计

危险废物焚烧处置工程不断发展,因其生产特点,较易发生火灾危险并产生严重后果,尤其是危废料坑。根据危废料坑的生产存储特点,介绍了不同火灾探测器及可燃气体探测器的选型方案,分析了不同探测器的布置方法。结合实际工程中的应用,阐述不同方案的优缺点及工程设计过程中应考虑的问题,以期呈现优化的设计方案。     

影响液压支架切割件质量的原因分析

该文通过对矿用液压支架板材切割件的缺陷进行技术分析,阐述了影响数控下料件质量的各种因素,针对性的从钢板、气体、设备状况、操作工艺规范、编套切割工艺等几要素进行具体论述,并通过对切割缺陷进行处理,使钢板切割质量达到生产工艺要求。     

杜邦转型的两点启示

化工行业自从进入"中国式过剩"以来,"转型"便如影随形,成为挥之不去的热词。近年来,在调结构、转方式的大趋势下,越来越多的化工企业开始走上转型之路。然而,不少化企对于转不转、何时转以及怎样转的问题颇为纠结。在不久前中国化工报社举办的"新常态、新动力、新格局"高峰论坛上,美国杜邦公司向中国同行分享了转型经验,或许对我国化企有所启迪和借鉴。