High Speed Regular Expression Matching Engine with Fast Pre-Processing

Regular expression matching is playing an important role in deep inspection. The rapid development of SDN and NFV makes the network more dynamic, bringing serious challenges to traditional deep inspection matching engines. However, state-of-theart matching methods often require a significant amount of pre-processing time and hence are not suitable for this fast updating scenario. In this paper, a novel matching engine called BFA is proposed to achieve high-speed regular expression matching with fast pre-processing. Experiments demonstrate that BFA obtains 5 to 20 times more update abilities compared to existing regular expression matching methods, and scales well on multi-core platforms.

Color Matching of Pre-colored Fiber Blends Based on Two-Constant Kubelka-Munk Theory

Some modifications of two-constant Kubelka-Munk theory has been made for the color matching of pre-colored fiber blends. The scattering coefficients of three primaries are averaged and taken as initial coefficients in each wavelength. The unit sums of concentration in E-Allen’s Algorithm were removed in the case of pre-colored fiber blends. Predicted blend ratios and reflectance curves agree very well with measured ones and color differences are within the tolerant limit, showing satisfactory matching results.

面向中文科学数据集的句子级语义匹配模型

针对现有以词为粒度的语义匹配模型难以理解句子级科学数据集元数据的问题,提出了一个面向中文科学数据集的句子级语义匹配(CSDSM)模型。该模型使用CSL数据集对SimCSE和CoSENT进行训练生成CoSENT预训练模型。基于CoSENT模型,引入多头自注意力机制进行特征提取,通过余弦相似度与KNN分类结果加权求和得到最终输出。以国家地球系统科学数据中心开放的语义元数据信息作为自建科学数据集进行实验,实验结果表明:与中文BERT模型相比,所提模型在公共数据集AFQMC、LCQMC、Chinese-STS-B和PAWS-X上的Spearman指标ρ分别提升了0.0448,0.0290,0.1777和0.0509;在自建科学数据集上的F 1和Acc分别提升了0.0788和0.0634,所提模型能够有效地解决科学数据集句子级语义匹配问题。

基于要素及语义相似性双路召回的预案库匹配系统设计

针对基于Best Matching 25(BM25)的传统文本匹配方法未考虑语义相似性,造成匹配精度较低及其他问题,提出了一种基于要素关键词及语义相似性双路召回的预案库匹配系统。提取各类预案的适用范围及其他关键要素,对关键要素进行语义向量抽取并离线构建向量索引库;自动提取突发事件的类型、位置辖区等关键信息,分别通过关键词召回和语义向量检索召回得到候选集;将双路召回的结果进行聚合,通过排序模块对其进行相似度评分并排序返回最优匹配结果。实验结果表明,基于关键词及语义相似性的双路召回方法能更有效全面地召回相关预案,实现了应急预案的快速、精准化匹配。

大级别高水平女子举重运动员赛前六周科医训特征分析——以孟苏平为例

本研究运用文献资料法、访谈法、个案分析法和数理统计法,以孟苏平备战第31届奥运会训练科医训安排作为研究对象,通过分析孟苏平赛前训练计划、赛前训练计划与训练负荷的关系和赛前体能康复训练方法等数据进行研究分析。取得以下结果:孟苏平备战里约奥运会期间,以比赛日为时间节点,制定了为期42天共六周的训练计划。在六周的训练过程中,前期逐渐增加负荷,随着比赛日的临近,适时降低训练强度;赛前六周训练生理生化指标的变化与训练负荷强度紧密相关,随着她的负荷强度增减,生理生化参数相应发生适应性的变化;孟苏平运动恢复主要以多人重手法按摩与反向拉伸作为恢复策略,体能训练重点主要针对肩关节与腰部的体能训练进行,通过肩和腰两个关节专项体能强化与干预,提高其在举重技术发力的关键关节运动表现。

秩序知觉理论下的当代舞剧视觉焦点探论

艺术创作与审美活动离不开艺术家对规则与秩序建立的探求。预先匹配机制是舞蹈艺术创作建立秩序的重要手段,它揭示了主体在舞蹈审美活动中对视觉焦点选择的内在规律,帮助创作者透过秩序知觉原则筑造符合观者审美心理规律的舞蹈图像。从时空力的拆解与重构、情境配景的虚化与概括、舞台视觉的中断与反差效应等现象剖析舞蹈视觉式样,有助于为当代舞剧视觉焦点的建构提供更丰富的艺术表现方式。

Pre-Malcev代数的表示与配对

主要研究pre-Malcev代数的表示与配对.首先给出pre-Malcev代数双模的定义,找到在pre-Malcev代数及其表示空间的直和上构造新的pre-Malcev代数的方法,并找到pre-Malcev代数的双模与Malcev代数的表示之间的关系.然后给出pre-Malcev代数配对的定义,给出在2个pre-Malcev代数的直和上构造pre-Malcev代数的方法,并讨论pre-Malcev代数的配对与Malcev代数的配对之间的关系.

融合多边形拟合与凹点匹配的黏连重叠矿石图像分割算法

用选矿机进行矿物分选可以提高目标矿物的含量,从而优化资源利用,提高生产效率,在矿业领域中具有重要意义与价值,但分选过程中通过X射线透射技术所得的矿石图像会存在目标黏连及重叠的情况,这将严重影响矿物分选效率及精度,获取独立矿石图像是使用该方法对矿石进行识别、定位、分选的必要条件。为提高矿物分选精度与效率,提出了一种基于多边形拟合的凹点检测与匹配算法用于分割黏连矿石图像。首先,将矿石二值图像拟合为多边形图像并从图像拐点中甄别出凹点;其次,利用拐点构建直线方程形成检测区域,在该区域内搜寻凹点的待连接点,完成凹点匹配;最后,将计算机视域由二值图转移至灰度图,通过分析待分割区域的灰度值判断该区域是否为矿石间实际黏连处,从而决定是否执行分割操作。试验结果表明,算法在黏连矿石数据集上的总体分割准确率为93.60%,凹点噪声率仅为5.23%,处理尺寸为281×336的图像平均计算时间低至5.13 ms,检测效率最高可提升220倍以上,其噪声凹点滤除能力、凹点检测精度、分割准确率、算法运行速率均优于同类算法,对不同黏连数量及不同黏附形式的矿石图像均展现出较强的分割稳定性。

燃气管线风险评估与应急响应方法研究

为提升燃气管线安全风险管理水平、降低事故发生率,构建基于预训练模型的案例匹配模型。该模型首先利用BERT预训练语言模型提取非结构化文本关键信息,双向长短期记忆网络(Bi-LSTM)模型进行融合动态字符向量、长距离语义捕获及MHA机制提取局部特征;然后,进行相似度计算;最后,呈现匹配案例和相似度。通过具体案例验证,结果显示:该模型能够学习到燃气管线相关知识,准确地匹配历史相似案例,可为应急响应提供及时、准确的决策支持。

利用无监督预训练的轨迹深度关联

针对时空相似度算法关联轨迹的局限性,采用深度学习方法进行轨迹关联,并提出了一种基于无监督预训练的匹配神经网络训练方式。利用Geohash向量嵌入对轨迹信号做特征工程处理,构建自注意力机制神经网络结构,使用无标注轨迹数据基于遮蔽预测任务进行模型预训练;然后构建孪生匹配网络结构,加载预训练模型参数;最后使用标注轨迹对数据基于均方差损失函数微调预训练模型参数得到轨迹对匹配模型。采用Geolife GPS轨迹数据集作为评估数据集进行模型训练与测试,实验结果显示,利用无监督预训练的轨迹关联方法较现有最优算法匹配准确率提高了5个百分点,达到了96.3%,充分证明了该方法的有效性。目前轨迹关联领域基于深度学习预训练模型的研究较少,该方法具有重要的参考意义。

基于PSM法的预住院模式在甲状腺外科手术中的应用效果评价

目的评价预住院模式在甲状腺外科手术中的应用效果。方法纳入2021年4—12月在山西医科大学第一医院进行甲状腺外科择期手术的患者。首先采用倾向性评分匹配(propensity score matching,PSM)法校正组间的混杂因素,其次用独立样本t检验和χ^(2)检验综合分析PSM后预住院模式在甲状腺外科手术中的应用效果。结果在1215例患者中,405例(33.3%)为预住院组,810例(66.7%)为非预住院组,将两组患者的基线资料进行比较,其年龄、疾病名称、疾病严重程度差异均有统计学意义(P<0.05);PSM后,两组各有403例患者,其基线资料相比较,差异均无统计学意义(P>0.05)。与非预住院组相比,预住院组患者住院、术前住院等时长均明显减少,患者满意度为99.01%,呈上升趋势,预住院麻醉前评估后的不良情绪有所缓解。结论采用预住院管理模式可以明显缩短甲状腺外科手术患者的住院时间、减少患者术前候诊时间,减少患者负面情绪的产生。因此,预住院管理模式在甲状腺外科手术中值得借鉴和广泛应用。

基于预训练模型的法律文本类案匹配研究

[目的/意义]文章旨在解决传统的短文本匹配模型难以适用于法律类案检索等长文匹配的问题。[方法/过程]针对法律案例匹配任务,本文提出了一种基于预训练的法律文本类案匹配LTMR模型。在编码层通过RoFormer和法律特征提取器对法律案例进行编码,在推理层利用交互注意力和自注意力机制来进一步提取长文本的上下文和交互信息。将所提出的模型应用到CAIL2019-SCM数据集上,开展实证研究。[结果/结论]相对于基线方法,LTMR模型在CAIL2019数据集上均取得了最优结果,研究结果对于促进法律案例匹配的应用具有借鉴意义。

节段间“金属接触+高强螺栓”联合受力钢塔柱的线形控制技术

钢塔节段间常见的连接方式有“金属接触+高强度螺栓”连接与焊接连接两种,不管塔段间采用哪种连接方式,确保钢塔柱的成桥线形非常重要。以塔段间“金属接触+高强螺栓”联合受力钢塔柱为例,详细介绍了该类钢塔柱的建造难点及确保塔柱线形的技术措施,可供相关人员参考。

融合依存句法先验知识的方面级情感分析研究

针对方面级情感分析中依存句法信息利用不足,以及上下文信息与依存句法信息学习分离的问题,提出融合先验知识与预训练模型的方面级情感分析研究方法。该方法将依存句法信息作为先验知识与句子一起输入到预训练模型,通过预训练模型在对句子进行上下文信息学习的同时,学习依存句法建模的方面词与情感词之间的远距离信息。进一步利用依存距离表示将预训练词向量进行动态权重匹配从而充分利用句法信息。通过自注意力机制学习词性信息以及依存关系标签信息,通过两种辅助信息增强句子表示。拼接三种信息作为情感分类器的输入。在四种基准数据集上与其他方面级情感分析方法相比,准确率和F1值都有所提高,验证了该方法提出的先验知识融合与动态权重匹配的有效性,在方面级情感分析任务上有较大的应用价值。

一种超宽带雷达LFM信号数字产生器校正方法

UWB雷达LFM信号源的设计是UWB雷达系统设计的关键技术之一,其信号质量直接影响UWB雷达的整体探测性能。针对基于DDWS方法的“I/Q基带数字产生+正交调制+倍频”方式的UWB-LFM信号产生器,从频域角度建立误差信号的数学模型;分析系统误差提取和补偿的可行性,并提出一种针对系统误差的数字预失真校正方法。该方法将系统失真的补偿函数特性等效到系统数字输入端,通过改变波形存储器中的样点数据实现系统失真的校正和补偿。仿真结果表明该方法可以显著改善UWB雷达LFM信号的质量,验证了该方法的可行性、正确性和有效性。

基于扩散生成对抗网络的文本生成图像模型研究

文本生成图像是一项结合计算机视觉(CV)和自然语言处理(NLP)领域的综合性任务。以生成对抗网络(GANs)为基础的方法在文本生成图像方面取得了显著进展,但GANs方法的模型存在训练不稳定的问题。为解决这一问题,该文提出一种基于扩散Wasserstein生成对抗网络(WGAN)的文本生成图像模型(D-WGAN)。在DWGAN中,利用向判别器中输入扩散过程中随机采样的实例噪声,在实现模型稳定训练的同时,生成高质量和多样性的图像。考虑到扩散过程的采样成本较高,引入一种随机微分的方法,以简化采样过程。为了进一步对齐文本与图像的信息,提出使用基于对比学习的语言-图像预训练模型(CLIP)获得文本与图像信息之间的跨模态映射关系,从而提升文本和图像的一致性。在MSCOCO,CUB-200数据集上的实验结果表明,D-WGAN在实现稳定训练的同时,与当前最好的方法相比,FID分数分别降低了16.43%和1.97%,IS分数分别提升了3.38%和30.95%,说明D-WGAN生成的图像质量更高,更具有实用价值。

基于稀疏重建分析的道集优化方法

地震叠前道集处理的优劣一方面决定了叠后处理结果的好坏,另一方面影响地震AVO解释结果的正确与否,因此叠前道集的优化处理具有重要的意义。受子波拉伸、拉伸调谐效应、薄层调谐效应等因素的影响,叠前道集记录包含了除地层反射信息以外的无用的干涉信息,单一子波字典不能对其进行很好的稀疏表示,而过完备子波字典能够对地震信号进行多特征稀疏表示。针对共反射点(CRP)叠前道集,研究了基于稀疏重建策略的道集优化方法。首先,建立了地震记录子波投影下的稀疏反射系数估计的约束优化目标函数和基于最小二乘的无约束优化目标函数,为了保障解的稳定性,引入了正则化策略和震荡平滑策略。其次,在雷克子波字典库基础上,考虑主频、吸收衰减、时移及相位变化等因素,建立多特征表示的复杂过完备字典库,地震记录通过过完备子波字典投影后,反射系数、子波的拉伸效应、调谐效应等能够较好地进行稀疏表示,进而提取更准确的反射系数。综合以上两方面的研究,形成了过完备字典库表示下的正则化正交匹配追踪算法。理论模型和实际资料的处理结果表明,处理后的地震叠前道集在噪声压制、拉伸校正及提高分辨率等方面都有一定程度的改善与优化。

预训练语言模型实体匹配的可解释性

实体匹配可以判断两个数据集中的记录是否指向同一现实世界实体,对于大数据集成、社交网络分析、网络语义数据管理等任务不可或缺.作为在自然语言处理、计算机视觉中取得大量成功的深度学习技术,预训练语言模型在实体识别任务上也取得了优于传统方法的效果,引起了大量研究人员的关注.然而,基于预训练语言模型的实体匹配技术效果不稳定、匹配结果不可解释,给这一技术在大数据集成中的应用带来了很大的不确定性.同时,现有的实体匹配模型解释方法主要面向机器学习方法进行模型无关的解释,在预训练语言模型上的适用性存在缺陷.因此,以Ditto、JointBERT等BERT类实体匹配模型为例,提出3种面向预训练语言模型实体匹配技术的模型解释方法来解决这个问题:(1)针对序列化操作中关系数据属性序的敏感性,对于错分样本,利用数据集元特征和属性相似度实现属性序反事实生成;(2)作为传统属性重要性衡量的补充,通过预训练语言模型注意力机制权重来衡量并可视化模型处理数据时的关联性;(3)基于序列化后的句子向量,使用k近邻搜索技术召回与错分样本相似的可解释性优良的样本,增强低置信度的预训练语言模型预测结果.在真实公开数据集上的实验结果表明,通过增强方法提升了模型效果,同时,在属性序搜索空间中能够达到保真度上限的68.8%,为针对预训练语言实体匹配模型的决策解释提供了属性序反事实、属性关联理解等新角度.

软岩隧道锚固系统预紧力匹配性设计方法与实践

预应力锚杆/索是软岩隧道中行之有效的围岩变形控制技术之一,其中的预紧力是变形控制中最核心的参数,故研究提升预应力锚固系统预紧力选用的合理性、可靠性对充分发挥预应力锚固系统的支护效用具有重要意义。为此,以软岩隧道中锚固系统拉拔过程的理论分析为基础,综合施工因素与安全考虑,提出一种综合考虑锚杆/索体型号与预紧力匹配、锚固可靠性、锚固力提升效率和施工锚固效果的锚固系统预紧力匹配性设计方法,并通过在建木寨岭公路隧道对该方法进行了工程应用。研究结果表明:临界锚固长度(Lc)内,随锚固长度增加,锚固力增大,但增速快速趋缓,设计锚固长度无超0.5Lc的必要;锚固剂-围岩界面抗剪强度[τ]和剪切刚度系数Ke随锚固长度增加、量值下降,但随锚固深度增加、量值上升;锚固长度下限应综合考虑预应力加载损失和安全储备需求;锚固长度上限应综合考虑锚固力提升效率和施工效果;以寨岭公路隧道为例的计算显示,木寨岭隧道中预应力锚索的预紧力设计应小于500 kN;且当采用1×19 s-21.8 mm-1 860 MPa锚索时,预紧力设计宜在350 kN内。研究成果可为软岩隧道锚固系统的预紧力设计提供指导,有助于提升预应力锚固系统的整体可靠性。

基于正交匹配追踪的并行采样信号重构方法

为解决从超高速并行采样系统的海量数据中提取有效信息进行存储并准确重构信号这一关键问题,提出了一种基于压缩感知的重构方法——基于粒子群优化的预选分段正交匹配追踪(PPStOMP)算法,从少量低维有效信号中精准恢复原始高维信号进行上位机显示。对改进算法本身的主要输入参数进行仿真测试,得到阈值、步长、最大迭代次数在不同采样率下的推荐取值范围。最后利用图像和采样信号作为原始数据,将改进算法与其他正交匹配跟踪算法进行对比实验,实验结果表明PPStOMP算法的重构性能稳定且良好。