基于条件独立性检验的非稳态因果发现方法

非稳态时间序列数据之间的因果关系发现是非常重要但极具挑战的问题。现有的工作主要假设观察数据随着时间或领域发生变化。上述假设使得相关方法需要引入时间或领域作为先验知识,无法应用于分段稳态的非稳态场景。因此,提出了一种基于条件独立性检验的非稳态因果关系发现算法。首先使用变化点检测方法来识别非稳态变化的时间点,然后将上一步的时间点进行区间划分,用基于条件独立性检验的时序因果关系发现算法推断局部稳态因果结构。在仿真和真实世界数据上的实验证明了该方法的有效性。

基于非稳态加性噪声模型的因果发现算法

因果发现旨在通过观测数据挖掘变量间的因果关系。现有的因果发现方法大多假定数据的产生过程是平稳的,然而在实际环境下往往不满足稳态假设,导致结果不可靠。研究发现,在一些场景中的非稳态扰动与时序信息高度相关。因此,在加性噪声模型基础上将非稳态扰动刻画为一项关于时序信息的函数,设计非稳态加性噪声模型,并给出非稳态加性噪声模型的识别条件,提出一种两阶段的因果关系学习算法。第1阶段利用回归计算得到变量残差,再检验残差与回归特征集的独立性从而选出叶子节点,迭代得到观测变量集的因果次序;第2阶段再次进行回归计算和独立性检验,消除第1阶段中冗余的因果关系,从而得到观测变量集的因果结构。实验结果表明,与基于约束的异构/非平稳因果发现、LPCMCI和Ti MINo算法相比,该算法在仿真数据集上取得了最优的效果,平均F1值达到0.85;而在真实因果结构数据集中,该算法的F1值平均提升41.12%,能够从非稳态数据集中恢复出更多因果结构的信息。

基于多序列隐关系的时序事件预测

时序事件预测是指基于历史事件预测下一个事件,事件包括时间和类型两个属性。当前主要工作集中在单方面(事件时间或事件类型)的预测,但这无法回答“何时发生何事”这类更精细的问题。此类问题的挑战主要是事件类型非常多样,而行为往往高度稀疏,给预测带来极大困难;需要预测的事件时间和事件类型分属两个域,如何把这两个域的信息加以融合并形成互补也是一个挑战。针对上述挑战,从融合多序列隐信息的角度探索了一种解决方法。基于某些事件序列之间具有模式相似性这一观察,提出建模事件序列的隐关系图,利用邻居序列的信息解决行为稀疏性的问题;通过合理设计神经网络模块,将事件的时间域和类型域的信息映射到共同的抽象空间,解决事件时间和事件类型信息的融合建模问题。通过在多个真实数据集上进行了大量实验,实验结果印证了多序列深度时序模型优于现有的一系列基准模型。

基于一致性图的权重自适应多视角谱聚类算法

随着移动设备和互联网的普及,多视角数据的采集和分享变得更加容易,其可以从多个视角更准确地描述数据。目前,一些多视角聚类算法忽略了不同视角间的一致性潜在知识和不同视角的重要性。针对该问题,提出一种平衡视角间一致性信息的多视角聚类算法。首先通过调节视角权重学习视角间一致的共享相似度矩阵,提升共享矩阵的一致性,其中相关性强的视角具有的一致性信息更多,视角权重越大,在一致性学习中发挥的作用越大,而差异性大的视角其权重越小,在学习中发挥的作用越小。其次学习视角间的一致性样本嵌入以及不同视角的特征嵌入,并将特征嵌入中包含的多样性特征信息迁移到样本嵌入中,以此促进样本嵌入的一致性表达。在不同视角特征中包含多样性信息,可补充上述共享相似度矩阵学习中单一样本关系的不足。因此,采用二部图协同聚类,通过建立样本数据、样本嵌入和特征嵌入的关系图,学习样本的特征嵌入,并将其迁移到样本嵌入中。最后将图学习、谱聚类和特征嵌入学习整合到统一的框架中进行联合优化,得到最优的样本嵌入。实验结果表明,通过对样本嵌入进行K-means聚类,将该算法运行于5个真实数据集并与7种聚类算法对比,其中在3-Sources、Yale、MRSCV1数据集上的正确率均高于对比算法5%以上,验证了该算法的有效性。

时空邻域感知的时序兴趣点推荐

如何捕捉用户行为的动态变化和依赖关系是当前兴趣点推荐的一个重要问题,主要面临着数据稀疏、时空序列特征提取难以及用户个性化差异不易捕捉等挑战。为了解决这些挑战,提出了一种基于时空邻域感知及隐含状态变化的时序兴趣点推荐方法。该方法将用户行为的学习转换成了潜在状态的学习,并以一种结合距离信息的方式引入空间信息,有效地捕捉了用户的移动特征。首先,利用变分自编码器表征用户的潜在状态,再通过图神经网络学习到潜在状态之间的依赖关系,从而捕捉到用户行为的时序依赖;然后,利用注意力机制和径向基函数来捕捉用户与地点候选集之间的空间依赖,进而评估用户访问每个地点的概率,实现兴趣点推荐。在三个真实数据集上进行了实验比较和分析,显示了该方法相比于现有的基准算法具有更好的时序推荐性能。

基于循环独立机制的交通流量预测

交通流量预测是智能交通控制和管理系统的一个重要环节,但交通流量数据具有时间和空间上的非线性和复杂性等特征,为对其进行精准预测,本文提出了Graph Temopral Recurrent Independent Mechanisms (G-tRIM)模型。该模型使用图注意力网络(Graph Attention Networks, GAT)来有效捕获交通流量数据的空间依赖关系,使用循环独立机制(Recurrent Independent Mechanisms, RIM)来精准刻画交通流量数据的潜在状态。最后在北京和贵州数据集上,以均方误差(Mean Square Error, MSE)和平均绝对误差(Mean Absolute Error, MAE)为指标进行实验,结果表明,G-tRIM在各个数据集上的表现均优于基准模型。

全面质量管理视角下的化学实验室安全管理模式

该文分析高等院校化学实验室安全管理的现状,以全面质量管理体系为切入点,结合学校管理的实际经验,从“人机法料环”五个维度阐述了化学实验室的日常运作模式。实现了抓住化学实验室安全的关键点,建立了以人为本、统筹健全的高效信息化实验室管理体系。

基于因果自回归流模型的因果结构学习算法

因果自回归流模型已经在非独立噪声等场景的因果方向推断问题上取得了一定的进展,但在多个结点的场景下仍存在全局结构搜索带来的准确度低和计算时间复杂度高的问题。面向非时序观察数据设计一种两阶段因果结构学习算法。在第一阶段,基于观测数据的条件独立性,对完全无向图通过条件独立性检验得到基本的因果骨架;在第二阶段,基于因果自回归流模型,通过标准化流的方法计算骨架中每条无向边在不同方向上的边缘似然概率,进而通过比较边缘似然概率进行因果方向推断。实验结果表明:该算法在多组不同参数生成的仿真因果结构数据集上均有较好的表现,与现有的主流因果结构学习算法相比,F1值平均提升15%~28%;在真实因果结构数据集实验中,该算法能够较为完整准确地学习到变量间的因果关系,与主流的因果结构学习算法相比,F1值平均提升28%~48%,具有更强的鲁棒性。

面向不平衡短文本情感多分类的三阶语义图数据增广方法

文本增广技术可以有效提升不平衡情感分类任务的性能.若文本增广过程中生成的少数类短文本数据未能体现完整的情感语义特征,则可能会导致不同类别之间的情感重叠问题出现.为了充分学习和理解少数类别的情感特征,本文提出一种面向不平衡文本情感多分类的三阶语义图数据增广方法,首先采用三阶语义图在多个词之间建立复杂的关系语义模型,用于表示多种可能的短文本局部情感语义和词节点依赖关系,然后提出了基于三阶语义图数据增广方法以平衡多分类文本的情感类别分布,从而有效实现不平衡短文本的情感分类.与传统的文本增广方法相比,在印尼语不平衡数据集上,本文提出的方法在少数类评价指标F1-measure和F2-measure上分别提升了5.75%和9.65%,在平衡情感识别能力指标G-means值上提升了2.91%;在马来语不平衡数据集上,本文提出的方法在少数类评价指标F1-measure和F3-measure上也分别提升了2.45%和4.81%,在平衡情感识别能力指标G-means值上提升了1.24%.此外,与传统的机器学习方法、深度网络模型等情感分类模型以及传统的短文本增广过采样模型相比,本文提出的方法在公开的印尼语、马来语、英语以及中文四个不平衡短文本数据集上都获得了最高的准确率Accuracy值.以上实验结果表明,融合不同模体的三阶语义图结构信息不仅可以有效表达文本中的局部情感语义以及词节点之间的依赖关系,还可以有效降低短文本数据增广过采样过程中引入新噪声的风险,并提升不平衡短文本的多分类性能.

挠性印制电路板细线路微蚀及化学镀镍工艺研究

[目的]化学微蚀作为前处理工艺,被广泛应用在印制电路板(PCB)制造的各大环节。[方法]分别采用硫酸-过硫酸钠(用SA-SP表示)、硫酸-双氧水(用SA-HP表示)和甲酸-氯化铜(用FA-CC表示)3种体系对挠性印制电路板(FPCB)的细线路进行微蚀。通过激光光谱共聚焦显微镜(LSCM)对比了采用不同体系时的微蚀量、微蚀速率及微蚀后线路的表面粗糙度。通过扫描电镜(SEM)研究了不同微蚀体系处理前后铜线路的表面形貌,以及微蚀液对化学镀镍的影响。[结果]3种体系微蚀能力大小顺序为:SA-SP>SA-HP>FA-CC。采用不同微蚀液时铜线的表面粗糙度均随微蚀时间延长而增大。采用甲酸-氯化铜体系微蚀后铜线表面有少量氯化亚铜形成。微蚀液对化学镀镍效果的影响显著。采用硫酸-双氧水体系微蚀时镍镀层光亮,但有渗镀现象;采用甲酸-氯化铜体系微蚀时,化学镍渗镀现象严重;采用硫酸-过硫酸钠微蚀时,细线路化学镍渗镀现象得到有效控制,但镀层较暗。[结论]可尝试通过在化学镀镍液中添加光亮剂来提高镀层光亮度。

基于时序对齐的风格控制语音合成算法

语音合成风格控制的目标是将自然语言转化为对应富有表现力的音频输出。基于Transformer的风格控制语音合成算法能在保持质量的情况下提高了合成速度,但仍存在不足:第一,在风格参考音频和文本长度差异大的情况下,存在合成音频部分风格缺失的问题;第二,基于普通注意力的解码过程容易出现复读、漏读以及跳读的问题。针对以上问题,提出了一种基于时间对齐的风格控制语音合成算法(Temporal Alignment Text-to-Speech,TATTS)分别在编码和解码过程中有效利用时序信息。在编码过程中,TATTS提出了时序对齐的交叉注意力模块联合训练风格音频与文本表示,解决了不等长音频文本的对齐问题;在解码过程中,TATTS考虑了音频时序单调性,在Transformer解码器中引入了逐步单调的多头注意力机制,解决了合成音频中出现的错读问题。与基准模型相比,TATTS在LJSpeech和VCTK数据集上音频结果自然度分别提升了3.8%和4.8%,在VCTK数据集上风格相似度提升了10%,验证了该语音合成算法的有效性,并且体现出风格控制与迁移能力。

说话人感知的交叉注意力说话人提取网络

目标说话人提取任务的目标是在一段混合音频中提取特定说话人的语音,任务设置上一般会给一段目标说话人注册音频作为辅助信息。现有的研究工作主要有以下不足:(1)说话人识别的辅助网络无法捕获学习注册音频中的关键信息;(2)缺乏混合音频嵌入和注册音频嵌入的交互学习机制。以上不足导致了现有研究工作在注册音频和目标音频之间存在较大差异时有说话人混淆问题。为了解决该问题,提出说话人感知的交叉注意力说话人提取网络(Speaker-aware Cross Attention Speaker Extraction Network,SACAN)。SACAN在说话人识别辅助网络引入基于注意力的说话人聚合模块,有效聚合目标说话人声音特性的关键信息和利用混合音频增强目标说话人嵌入。进一步地,SACAN通过交叉注意力构建交互学习机制促进说话人嵌入与混合音频嵌入融合学习,增强了模型的说话人感知能力。实验结果表明,SACAN相比基准方法在STOI和SI-SDRi分别提高了0.013 3、1.069 5 d B,并在说话人混淆相关评估和消融实验中验证了不同模块的有效性。

基于多特征融合与双向RNN的细粒度意见分析

文本细粒度意见分析主要有属性抽取和基于属性的情感分类2个任务,现有方法完成上述任务采用条件随机场(CRF)训练属性抽取模型,并运用循环神经网络(RNN)训练基于属性的情感分类模型。但同时完成2个任务则无法找到属性和情感倾向的对应关系。针对该问题,提出利用双向RNN构建基于序列标注的细粒度意见分析模型。通过融合文本的词向量、词性和依存关系等语言学特征,学习文本的修饰和语义信息,并设计一个时间序列标注模型,同时抽取属性实体判断文本的情感极性。在真实数据集上的实验结果表明,与CRF、TD-LSTM、AELSTM等模型相比,该模型情感分类效果提升明显。

壳聚糖膜与Co(Ⅱ)、Ni(Ⅱ)、Cu(Ⅱ)复合物的IR光谱和XPS谱

将壳聚糖制成膜后浸泡在含有金属离子 Cu( )、Co( )、Ni( )的溶液中制备得到相应的复合物。根据 IR光谱中官能团特征频率的位移和 XPS谱中元素结合能的变化 ,表明 Co( )、Ni( )、Cu( )与壳聚糖膜的吸附机理包括物理作用和化学吸附 ,其中化学吸附是通过壳聚糖表面部分 - NH2 提供孤对电子和金属离子形成了配位键。

基于图编码网络的社交网络节点分类方法

针对如何融合节点自身属性以及网络结构信息实现社交网络节点分类的问题,提出了一种基于图编码网络的社交网络节点分类算法。首先,每个节点向邻域节点传播其携带的信息;其次,每个节点通过神经网络挖掘其与邻域节点之间可能隐含的关系,并且将这些关系进行融合;最后,每个节点根据自身信息以及与邻域节点关系的信息提取更高层次的特征,作为节点的表示,并且根据该表示对节点进行分类。在微博数据集上,与经典的深度随机游走模型、逻辑回归算法有以及最近提出的图卷积网络算法相比,所提算法分类准确率均有大于8%的提升;在DBLP数据集上,与多层感知器相比分类准确率提升4.83%,与图卷积网络相比分类准确率提升0.91%。

甲酚红-硼酸体系可逆热致变色颜料的研究

以甲酚红为发色剂,硼酸为显色剂,选择不同的无机填料,制备出系列可逆热致变色颜料。研究结果表明,采用Al2O3作填料,当m(甲酚红)∶m(硼酸)∶m(Al2O3)=1∶100∶50时,制备得到的热致变色颜料在65℃时由黄色变为橙红色,加热到110℃时又变为桃红色,变色敏锐,可逆性好,复色时间短;DSC检测热变色过程得出该系列变色颜料均有两个变色峰,以Al2O3作为填料的变色颜料变色温区窄,变色敏锐性好;结合红外图谱探讨得出该系列热致变色颜料的变色机理为:室温时,甲酚红为内酯环结构;温度升高后,甲酚红变为醌式结构。

结晶紫-硼酸复配物的固相合成及其热变色性能

采用固相法合成了结晶紫-硼酸系列可逆热致变色颜料。研究结果表明,m(结晶紫)∶m(硼酸)=1∶(200～600),研制的颜料在60～65℃时由紫红色开始变为蓝色,加热到95～100℃时变为黄色,冷却时恢复为紫红色,复色时间小于3min。重复进行20次实验,颜料的色泽、变色温度和复色时间保持不变。还研究了MgO、Al2O3、硅藻土、硅胶、CaCO3等无机填料对颜料变色性能的影响,结果表明:以Al2O3和硅胶为填料,m(结晶紫)∶m(硼酸)∶m(填料)=1∶200∶(100～200),颜料的两个变色温度降低到56℃和85℃,复色时间为105s。DSC检测颜料的热变色过程得出:该系列变色颜料在40～60℃、100～130℃、130～150℃出现3个吸热峰。

环保型免清洗助焊剂组分对其腐蚀性能的影响及其机理

主要研究活化剂、表面活性剂和缓蚀剂3种组分对环保型免清洗助焊剂腐蚀性能的影响。采用交流阻抗法研究了各组分对铜电极缓蚀性能的影响;通过扫描电镜观察测试了各组分对梳形试件的腐蚀;借助热分析研究了组分残留及相互作用。结果表明,随活化剂酸性的减弱,助焊剂体系的腐蚀性逐渐减弱;壬基酚聚氧乙烯醚系列的非离子表面活性剂有助于降低体系的腐蚀性能;缓蚀剂苯并三氮唑(BTA)的添加能显著改善助焊剂体系的缓蚀性能。用壬基酚聚氧乙烯(50)醚(w=0.2%)作表面活性剂、丁二酸和苹果酸复配(w=1.6%)作活化剂,BTA作缓蚀剂(w=0.06%)制备的助焊剂体系的膜电阻最大,在湿热条件下助焊剂对梳形试件的腐蚀明显降低,缓蚀性能最佳。热分析结果表明,体系缓蚀性能的改善可能是有机酸与丙三醇发生的酯化反应所致。

N-苯基亚氨基二乙酸镍二维网状配合物的合成及结构表征(英文)

A new nickel coordination compound [Ni(L2-)(2,2′-bipy)(H2O)]·2H2O (H2L=phenyliminodiacetic acid) was obtained by self-assembly of phenyliminodiacetic acid, 2,2′-bipy, and NiCl2·6H2O in the mixed solvent of water and ethanol (V∶V=1∶1). The complex was characterized by elemental analysis, IR spectra, and X-ray crystallography analysis. The crystal is monoclinic, space group P21 / c with a=0.867 4(2) nm, b=0.907 3(1) nm, c=2.643 5(5) nm, β=91.01(1)°, V=2.080 2(4) nm3, Z=4, F(000)=992, Dc=1.520 Mg·m-3, R1=0.027 0 and wR2=0.067 5. In the complex, nickel atom is coordinated with a distorted octahedral geometry and extensive hydrogen bonds link the complexes into a 2D network structure. CCDC: 244926.

基于贝叶斯网络与语义树的隐私数据发布方法

为在隐私预算相同的条件下提高发布数据的可用性,在PrivBayes的基础上,提出一种改进的隐私数据发布方法PrivBayes_Hierarchical。基于贝叶斯网络隐私数据发布方法的思想,引入语义树对含有层次关系的数据属性进行抽象,使用贝叶斯网络描述数据属性之间的依赖关系。利用格雷码减少随机噪声对数据精度的影响,并对贝叶斯网络结构学习方法进行优化,以减少不必要的隐私预算消耗,提高数据可用性。实验结果表明,该方法在公开数据集下可以获得比PrivBayes更高的数据精度,从而提升隐私数据集的可用性。