基于加权层级注意力机制的疾病预测模型

近年来,针对电子病历文本的研究受到越来越多的关注,而相关疾病预测模型很少注意到病历文本中记录独立分布的半结构化形式以及语义关系复杂的特点,故该文提出了一种基于加权层级注意力机制的辅助诊断方法,设计加权累加法将普通句向量转换为结构弱关联句向量,并构成词、句、文档层级结构注意力机制来提高模型结构学习能力,此外,设计监督层用于缓解语义关系复杂造成的学习偏置问题,以辅助模型的训练效果。在真实数据集中进行验证表明,该文模型优于当前主流的深度学习模型,取得了较好效果。

基于多层聚焦Inception-V3卷积网络的细粒度图像分类

细粒度图片具有结构多变、背景干扰大、类间差异小、类内差异大等特点,准确地定位与提取判别性局部特征至关重要.本文提出一种多层聚焦卷积网络,通过首层聚焦网络能够准确、有效地聚焦于识别局域并生成定位区域,根据定位区域对原图像分别进行裁剪和遮挡后输入下一层的聚焦网络进行训练分类.其中单层聚焦网络以In⁃ception-V3网络为基础,通过卷积块特征注意力模块和定位区域选择机制来聚焦有效的定位区域;使用双线性注意力最大池化提取各个局部的特征;最后进行分类预测.本文在3个常用的细粒度数据集CUB-2011、FGVC-Aircraft以及Stanford Cars上进行了实验验证,分别获得了89.7%、93.6%和95.1%的Top-1准确率.实验结果表明,本模型的分类准确率高于目前主流方法.

关于中间件建设的一些思考

0引言 有线电视自诞生以来经历了3次技术变革，模拟电视向数字电视的转换是广电网络的第一次技术变革，实现了网络的数字化。单向网络改造成双向网络是广电网络的第二次技术变革，使电视从简单的广播式转变为交互式成为可能。中间件的应用部署将给广电网络带来第三次技术变革，它带给广电网络的是运营模式的变革，使广电企业从单纯提供广播式的电视节目转变为多功能、多业务，使机顶盒从只能收看电视节目的简单设备转变为家庭多媒体信息终端，中间件作为广电网络的神经系统在其中起到了不可替代的作用。

新一代传送网Hybrid MSTP

传送网络已经成为信息和通讯产业发展的基础设施，有线电视行业已经为即将到来的数字大潮做好充分的准备，WDM／OTN网络和MSTP是传送网络的主要应用，在信息网络建设中成为主要的技术，新一代的传送网HybridMSTP的出现给传统的传送网络增添了新的功能。