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。     

硅酸盐水泥水化动力学模型与试验方法研究进展

水泥水化过程决定水泥基材料强度、耐久性等诸多性能，深入理解水泥水化机理具有重要的科学意义和工程价值。本工作回顾了硅酸盐水泥水化动力学模型的最新研究进展，评述了GEMS热力学计算、HymoStruc3D和CEMHY3D等水化数值模拟方法及其局限性，总结了准弹性中子散射和核磁共振等先进测试手段在研究水泥水化过程中水态演变和孔结构发展中的具体应用，提出了该领域未来研究的趋势和挑战。     

跌坎式底流消力池边墙突扩宽度对池长的影响研究

对于山区峡谷,底流消能工长度方向工程布置往往受限。通过水工模型试验,研究跌坎深度10cm,跌坎式底流消力池边墙突扩宽度变化时,池内水流流态、底板时均压强及脉动压强不均匀系数的变化对消力池池长的影响。成果表明:流量Q=12L/s,相对于传统的底流消力池,突扩宽度由5cm依次增加到10、15、20cm时,消力池池长缩短长度分别为24、27、29cm。     

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.     

脱硫脱硝制酸废水中S的形态及其去除研究

活性炭烟气脱硫技术在烧结厂得到了广泛应用。在活性炭的高温再生过程中,会形成单质S。单质S被洗涤时,会形成S胶体进入制酸废水。S胶体因具有强粘结性,若不去除,易导致设备堵塞。因此,需系统分析单质S的形态特征,并开发针对性的去除技术。本文采用Raman、FTIR等方法分析单质S的形态,利用浊度法分析S在废水中的变化特征。基于电荷中和的原理,利用S胶体与废旧活性炭粉的复合实现快速分离,S胶体去除率可达99%以上。新方法的应用避免了S胶体进入废水处理系统和后续制酸系统,且分离后的活性炭粉复合物可返烧结做燃料使用。     

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。     

矿用电动机振动信号早期故障特征提取方法

针对现有矿用电动机振动信号故障特征提取方法存在依赖参数设置、频率混叠、信号失真等问题,提出了一种基于双树复小波变换的矿用电动机振动信号早期故障特征提取方法。利用双树复小波变换对采集的矿用电动机振动信号进行分解,得到各层双树复小波系数,并采用软阈值滤波对各层双树复小波系数进行滤波处理,滤波处理后的双树复小波系数经双树复小波变换重构获得去噪信号。应用结果表明,该方法能有效去除电动机振动信号中噪声,提取的早期故障特征能很好地反映电动机实际运行工况,为电动机早期故障诊断提供了有效依据。     

水泥搅拌桩在水利工程软基处理中的应用

文章结合某堤岸工程实际,针对该工程中的水泥搅拌桩实施过程存原问题展开探讨,旨在为同类工程提供参考实例。     

浅谈通信管理软件产品的开发技术

通信管理机作为变电站自动化系统中的重要组成部分,承担了变电站内大量的通信任务,它需要安全可靠、便于开发和维护。文章通过对通信管理机软件架构的分析,阐述了COM及DCOM技术应用于通信管理机软件产品开发的数据结构及方法,采用该技术开发的通信管理软件在协同开发、维护以及升级方面的优势十分突出。