基于BERT的安全事件命名实体识别研究

使用BERT预训练模型及神经网络提取公共安全事件命名实体.以中文突发事件语料库(Chinese emergency corpus,CEC)为实验数据集,使用BIO序列标注方法标记该数据集的实体.采用BERT(bidirectional encoder representations from transformers)预训练模型获取单个汉字的词向量,并使用BiLSTM(双向长短期记忆网络)及CRF(条件随机场)的融合模型提取特征,用以识别公共安全事件的时间、地点、参与者及参与者的行为.采用CRF,BiLSTM,BiLSTM-CRF,BERT-BiLSTM-CRF进行对比实验.实验结果表明,使用的方法准确率达到90%以上,召回率及F 1值均达到85%以上,证明该模型解决了一词多义的问题,可以有效获取公共安全事件中的重要实体信息.

双层稀疏贝叶斯学习ISAR超分辨成像算法

传统贝叶斯成像常采用拉普拉斯分布进行成像特征表征,易使得成像结果过稀疏而容易丢失部分弱散射的结构特征,进而影响逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像精度提升。为实现高精度ISAR超分辨成像,本文采用伯努利拉普拉斯混合稀疏先验对目标统计特性进行概率建模,利用双层稀疏对目标先验进行统计约束,从而有效模拟目标散射场统计先验。并在贝叶斯层级模型下,通过引入隐变量建模的方式对先验进行分层构建,在解决先验分布与高斯似然函数不共轭问题的同时简化贝叶斯推断,降低模型复杂度。为避免繁琐的手动参数调整,实现超参数的自调节,本文对各随机变量建立条件概率依赖模型,并利用马尔可夫链蒙特卡罗随机模拟估计算法解决高维积分和后验分布难以求解的问题,实现相关超参数的统计估计,提升算法自学习能力。仿真和实测数据均证明本文所提方法具有有效性和优越性。

基于差分隐私的联邦学习隐私保护研究

针对”数据孤岛“问题,分布式机器学习已经无法满足其安全性能。在联邦学习中,数据拥有者无需上传原始数据,通过上传梯度来训练各种模型,但这种新颖的学习方式仍可能受到来自各种攻击者的隐私威胁。MPC(多方安全计算)、DP(差分隐私技术)是联邦学习中常用的隐私保护技术,MPC通常会产生较大的通信开销,传统的DP方法经常造成模型准确率下降。针对传统DP中大多数是基于数据集中各个特征独立来进行研究,本文采用一种基于贝叶斯网络的本地差分隐私方法应用于联邦学习,通过构建贝叶斯网络找寻特征间的关系并对数据加噪。实验结果表明,在隐私保护场景下,该方法有效地提升了联邦学习模型的准确率。

基于STEM教育的高中化学创新实验研究——以“负载二氧化锰海藻酸钠微胶囊催化过氧化氢分解”为例

基于STEM教育介绍了一种简单有效的制备负载二氧化锰海藻酸钠微胶囊的方法,并指导学生利用手持技术探究了微胶囊催化过氧化氢分解的最优条件.整个实验操作简单,无污染,现象明显,试剂用量少.实验中手持技术的使用不仅使学生清楚地观察到了实验过程,而且加深了对定量研究的理解.

电感耦合等离子体发射光谱在高中化学拓展实验中的应用——以“测定市售矿泉水中钾、钠、钙、镁”为例

介绍电感耦合等离子体发射光谱在高中化学拓展实验中的具体应用。高中学生在课堂上完成了市售矿泉水中钾、钠、钙、镁四种元素含量的测定，并在课外探究活动中测定了其中锶元素的含量。整个实验过程中学生不仅复习了已学知识，而且拓宽了眼界，激发了学习兴趣，培养了从定性到定量的化学思维能力。

基于STEM理念的中学化学创新实验研究——微流控芯片的制备

首次基于STEM理念将微流控芯片实验呈现给高中选修化学的学生，使学生利用中学常见仪器和价廉易得、无毒环保的药品成功完成了微流控芯片的制备，极大地激发了学生对实验设计的创造性和自信心，使学生的思考、判断、分析和动手能力都得到了提升。