基于孪生网络与多重通道融合的脱机笔迹鉴别

脱机签名验证模型因其具有判断签名是否伪造的能力而备受关注.当今大多数脱机签名验证模型可分为深度度量学习方法和双通道判别方法.大部分深度度量学习方法利用孪生网络生成每张图片的细节特征向量,采用欧氏距离法判断相似度,但是欧氏距离仅考虑两个点之间的绝对距离,而容易忽视点的方向、缩放的信息,不会考虑数据之间的相关性,因此无法捕获特征向量内部之间的关系;而双通道判别方法在网络训练前就进行特征的判别,更能判断不同图像的相似性,但此时图像的细节特征不够清晰,大量特征丢失.针对双通道判别方法中特征消失过多的问题,提出了一种面向独立于书写者场景的手写签名离线验证模型MCFFN(Multi-channel feature fusion network).在CEDAR、BHSig-B、BHSig-H和ChiSig四个不同语言的签名数据集上测试了所提出的方法,实验证明了所提方法的优势和潜力.

辽西钒钛磁铁矿氧化球团制备实验

这是一篇冶金工程领域的论文。以辽西钒钛磁铁精矿为原料制备球团,研究球团的预热特性和焙烧特性。结果表明,在900℃下预热15 min,预热球强度可达819 N;在较佳预热制度下,1100℃焙烧15 min,焙烧球强度达到了3020 N。该球团不难氧化,在900℃、15 min下,其氧化度达97%,且温度对氧化度的影响强于时间。随预氧化温度的提高,球团物相由磁铁矿和钛铁矿最终转变为赤铁矿和铁板钛矿。随着焙烧温度的提高,球团内晶体不断长大,气孔减少,结构更致密。

基于层次嵌入的方面抽取模型

方面抽取旨在抽取评论文本中观点持有者所评价的实体属性,是细粒度情感分析的一项重要基本任务。现有的研究大多基于规则或传统机器学习模型,具有简单易行和较高性能等优点,但需要花费较多的精力来人工构建规则模板或者特征工程。为了提高模型自动化,提出一种基于层次嵌入的方面抽取模型。首先,对原始语料执行多阶段的预处理操作;然后,使用字符层次的嵌入和双向循环神经网络获得词的高层次特征;最后,通过级联词嵌入与字符嵌入特征以作为词层次双向循环神经网络的输入,获得最终标注结果。实验结果表明,该模型明显优于基于规则和传统机器学习模型的方法,也优于单层神经网络模型。