基于Co-Training的微博垃圾评论识别方法

微博上大量的垃圾评论对个人、社会,甚至是对国家都会造成不良影响。为对微博中的垃圾评论进行识别,提出基于协同训练的微博垃圾评论识别方法。定义一种基于规则的识别方法过滤出显式垃圾评论,剩余的评论归为相关评论,构建AdaBoost分类器和支持向量机分类器,通过Co-Training算法进行协同训练,判断其是否为垃圾评论,以提高分类精度,节省样本标注工作。实验结果表明,与基于相似度计算的垃圾评论识别方法、基于评论多特征的垃圾评论识别方法相比,该方法具有较好的识别效果。

Novel dynamic test system for simulating high-speed train moving on bridge under earthquake excitation

China’s high-speed railways are always facing the potential damage risk induced by strong earthquakes.And the route design concept of“using bridge instead of embankment”has also greatly increased the probability of high speed trains moving on bridges when a strong earthquake happens.In the past decades,a bunch of theoretical and numerical studies have been conducted in the seismic dynamic field of high-speed railway.However,the effective dynamic test system for verifying the given method and theoretical results is still lacking.Therefore,a novel dynamic test system(DTS)consisting of a shaking table array and a train-pass-bridge reduced-scale model is proposed in this paper.Through some crucial technical problems discussion,the effectiveness of similar design scheme and the feasibility of reduced-scale DTS are elaborated,and then the detailed DTS structures are given and displayed as part-by-part.On this basis,the demonstration tests are conducted and compared with the numerical simulation.The results show that the proposed DTS is accurate and effective.Therefore,the DTS can provide a new physical simulation approach to study the high-speed train’s running safety on bridges under earthquakes and can also provide a reference for the construction of related systems.

基于Train2Vec的消防培训数据分类

为提高消防培训效果,提出一种基于深度神经网络的对混合现实消防培训数据分类的模型。通过Train2Vec将受训人员在混合现实火灾场景中进行消防培训时所产生的过程数据、生理数据构建为多维培训向量;通过对生成的多维培训向量进行相似度求解,实现将受训人员进行分类的功能,即归为专业消防人员、应对火灾经验丰富人员、未经历过火灾心理素质良好人员和未经历过火灾心理素质较差人员中的某类,为其生成个性化的应对火灾建议和消防培训任务,达到提升培训效果的目的。实验结果表明,该Train2Vec模型预测的身份信息的准确率为92.00%,可以实现受训人员的正确分类,从而实现个性化消防培训。

文本相似度计算方法综述

文本相似度计算是自然语言处理的一部分,用来计算两个词、句子及文本之间的相似程度,具有多种应用场景,文本相似度计算的研究对于人工智能的发展有着重要作用。文本相似度计算起初基于字符串表面,随着词向量的提出,文本相似度计算可进行基于统计以及深度学习的建模与计算,也可与预训练模型相结合。首先,将文本相似度计算方法分为基于字符串、基于词向量、基于预训练模型、基于深度学习、其他方法5类,并对这些方法进行简要介绍。然后,根据不同文本相似度计算方法的原理,具体介绍了编辑距离、汉明距离、词袋模型、向量空间模型(VSM)、深度结构语义模型(DSSM)、句子嵌入的简单对比学习(SimCSE)等常见方法。最后,对文本相似度计算常用的数据集以及评价标准进行整理和分析,并对文本相似度计算的未来发展进行展望。

自动驾驶场景类间相似特征自适应分类网络

解决类间相似度问题是自动驾驶场景分类研究中一项充满挑战的任务,主要研究在相似度较高的真实复杂交通场景中,利用网络学习目标特征的差异性,并构建特征之间整体关联性进行场景分类。提出一种多尺度自适应特征筛选的自动驾驶场景分类网络。采用双重多尺度特征提取模块预处理,初步提取不同尺度下的类间相似特征;设计了特征分化筛选模块完成场景相似特征筛选,使网络更关注不同场景类别的典型易区分特征;将特征筛选结果和多尺度特征图共同传递至特征融合分类模块进行场景分类,捕捉场景特征之间的关联性;由自适应学习算法通过输出结果动态调整训练参数,加快网络收敛速度并提升精度。所提方法在三种数据集BDD100k、BDD100k+和自制数据集上与现有网络方法进行比较,相较Top2网络在精度上分别领先了3.29%、5.59%、12.65%(相对),实验结果表明了所提方法的有效性,并展现了很好的泛化能力。提出的场景分类方法旨在学习不同复杂场景类别下的典型易区分的特征及其关联性,降低多目标类间相似的影响,使得在真实交通场景数据集中场景分类结果更加准确。

结合混合特征提取与深度学习的长文本语义相似度计算

文本语义相似度计算是自然语言处理中一项非常重要的任务,但是目前对于文本语义相似度的研究多集中在短文本领域,而不是长文本。相较于短文本,长文本语义信息丰富,但同时语义信息容易分散。针对长文本语义信息分散的问题,提出一种特征提取模型,提取出长文本的主要语义信息;对提取的语义信息使用滑窗重叠的方法输入BERT预训练模型得到文本向量表示;然后,通过双向长短期记忆网络建模长文本的前后语义联系,将其映射到语义空间内;再通过线性层增加模型表示能力;最后,通过相似语义向量内积最大化和交叉熵损失函数进行微调。实验结果表明,该模型在CNSE和CNSS数据集上F1分数分别为0.84和0.91,性能优于基线模型。

基于跨层级多视角特征的多语言事件探测

多语言事件探测任务的目标是将多种语言的新闻文档集合组织成不同的关键事件,其中每个事件可以包含不同语言的新闻文档。该任务有助于各种下游任务应用,如多语言知识图谱构建、事件推理、信息检索等。目前,多语言事件探测主要分为先翻译再事件探测与先单语言检测再跨多种语言对齐两种方法,前者依赖翻译的效果,后者需要为每种语言单独训练模型。为此,提出了一种名为基于跨层级多视角特征融合的多语言事件探测方法,端到端地进行多语言事件探测任务。该方法从不同层级利用文档的多视角特征,获得了高可靠性的多语言事件探测结果并提升了低资源语言事件探测的泛化性能。在9种语言混合的新闻数据集上进行的实验表明,所提方法的BCubed F1值提升了4.63%。

基于预训练模型的问答系统设计

旨在基于spaCy基础预训练模型设计一个军事领域问答系统。首先,引入了一种实体识别的方法,利用义原相似度评估的方法对该模型进行扩展和微调。随后,探讨了把匹配器(Matcher)组件添加进spaCy管道并结合Adam神经网络优化器进行实体关系提取的方法。经验证,上述方法在特定领域对实体和实体关系的识别度比spaCy基础预训练模型有所提升,较好解决了军事领域标记预料不足的问题,为军事领域问答系统的开发与应用提供了可靠的借鉴。

基于聚类中心的浅层特征融合伪造语音检测

针对现有检测系统在使用wav2vec2.0模型提取特征导致高计算资源消耗和传统打分方法限制泛化性能的问题,提出一种基于聚类中心的浅层特征融合伪造语音检测算法。裁剪wav2vec2.0模型的深层,将浅层特征通过注意力池化以缩短时序长度,用线性层确定融合权重;通过K-means++得到聚类中心,利用当前样本和相应类中心的表示余弦相似度进行训练和打分以判别真伪。实验采用ASVspoof2019和ASVspoof2021挑战赛的逻辑轨道数据集,wav2vec2.0模型参数量减少了60%,等错误率分别达到0.34%和3.67%,在模型精简和泛化性能方面明显优于同类wav2vec2.0模型和传统打分方法。

基于动态数据及多因素相似日的日前电价预测方法研究

日前电价的准确预测对保障电力市场参与者的利益具有重要意义。该文提出了一种基于动态数据以及多维影响因素相似日的电力市场短期日前电价预测方法,旨在提高预测准确性和适应市场动态变化的能力。首先,通过综合考虑轻梯度提升机(light gradient boosting machine,LightGBM)的特征重要性和皮尔森相关系数,筛选出影响电力现货市场价格的关键特征,并构造延迟特征、历史相似日特征和综合加权特征作为衍生特征,以丰富电价预测的输入信息。其次,为了适应电力市场的动态变化并提高历史数据的适用性,引入了滚动训练机制,定期更新数据集并重新训练预测模型。采用广东电力现货市场的数据进行仿真分析,实验结果表明,通过合理的特征构造、超参数优化以及滚动训练策略的选择和应用,可以有效改善电价预测模型的预测性能。

高校体育课堂与课余运动训练异同互补的实践研究

高校体育课堂教学兼具教书育人和学生体质提升的重任,课余运动训练则承担运动员体能及专业素质培养的要职。二者在形式和性质方面表现出相通和相近的特点;而在目的、任务、方式方法和管理机制方面存在显著差异。通过对二者异同与内涵联系的梳理,从互补原理的角度出发,提出了高校体育课堂与课余运动训练异同互补的实践对策,旨在促进体育教学与运动训练协同管理,实现二者互为借鉴、互为服务、互为促进的目标。

通过多文档精排与融合的开放域问答任务增强实现

开放域问答(OpenQA)是自然语言处理中的一项具有挑战性的任务,传统的机器学习和深度学习技术通常用于从原始语料库中检索与问题相关的候选文档片段以进行答案提取。然而,当前方法检索的候选文档片段往往包含大量的噪声以及与问题无关的信息,并且主流的OpenQA模型在准确响应需要多个文档片段作为相关证据的问题方面存在不足。鉴于此,提出通过多文档精排与融合增强开放域问答的方法(RFMD),该方法在检索阶段设计了基于Transformer的文档精排模块,以减少候选文档中的噪声信息;在阅读理解阶段,RFMD采用以文本生成为中心的问答模块,通过构建跨文档片段的全局注意力机制,整合多个相关文档片段的信息,准确回答需要多个文档片段作为支持证据的问题。RFMD在NaturalQuestions和TriviaQA数据集上的EM得分分别达到45.8%和63.4%,验证了该模型在OpenQA任务中的有效性和优越性。

高速列车模型试验装置及相似特征分析

为了解决高速列车进出隧道引起的空气动力学问题,基于对目前国内外高速列车模型试验研究现状的分析,建立了模型列车速度可达100m/s的压缩空气式高速列车模型试验系统,并导出了模型试验的相似准则.利用该试验系统对高速列车进出隧道产生的压缩波进行了测试,并将测试结果与数值模拟结果进行比较,验证了相似准则的正确性.

基于改进的kNN算法的中文网页自动分类方法研究

概述了中文网页分类的一般过程,重点论述了在分类过程中特征词提取、训练库建立和文本分类算法等关键问题,针对向量空间模型的文本特征表示方法中特征词数量的多少与分类算法的效率有着密切关系的特点,提出了基于词性的特征词提取方法,并且在文本相似度计算时,融入传统的特征向量的比较方法来对kNN算法进行改进,提出了基于特征词减少的改进kNN算法,提高了分类算法的效率和性能.

同类2FSK混合信号中微弱信号提取方法研究

将噪声对消理论应用于同类混合信号中微弱信号的提取,分析了信号相关性对提取结果的影响。在Simulink中仿真了相关2FSK信号使用噪声对消理论提取期望信号的误码率。对原有的噪声对消工作模式做出改进,提出了基于训练模式的工作方式。仿真结果表明,在新的工作模式下,相关的2FSK信号能够很好地分离,系统在高斯噪声条件下的误码率曲线和理论曲线基本重合。

基于固定尺寸序贯极端学习机的模拟电路在线故障诊断

为了提高极端学习机(ELM)对电子系统的在线诊断能力,提出了一种新的固定尺寸序贯极端学习机(FSSELM)。FSSELM通过逐步添加新样本,同时剔除与其相似度最高的旧样本来提高极端学习机对待测系统的动态适应能力,并通过Sherman-Morrison矩阵求逆引理来降低计算复杂度,实现输出权值的递推求解,完成分类模型的在线训练。应用FSSELM进行模拟电路故障在线诊断,仿真结果表明相比在线序贯极端学习机(OS-ELM),FSSELM对故障的在线诊断准确率更高,具有更好的泛化性能。

一种判定运动链同构的新方法

以运动链拓扑结构的一种新的拓扑不变量——边－边隔点和集，给出了一种新的运动链同构判定方法，即：如果两个运动链具有相同的隔点和集与结点集，并且其拓扑图同为平面图或非平面图，则它们同构。该定理成功地区分了Ｍｒｕｔｈｙｕｎｊａｙａ 提出的１７ 种单自由度的十二杆二副运动链，解决了多杆多自由度运动链的同构性判定问题。该方法具有可靠性好、操作简单、算法效率高等特点。

基于风速云模型相似日的短期风电功率预测方法

风电功率预测是解决风电不确定性影响的重要基础和必要手段,高比例风电并网条件下对每个时刻点的预测精度要求都将更为严格。训练样本是影响预测精度的关键因素之一,但由于实际天气系统的复杂多样性和类属模糊性,定向选择与调度时段内风况相似的训练样本对预测精度至关重要。因此,提出了基于云模型定向选取风速相似日数据作为训练样本的短期风电功率预测方法,能够对指定时段内风速随机性和模糊性特征进行学习和建模,通过对历史数据的定向筛选和精细化利用提升预测精度。首先,以日为单位建立历史风速的云模型数据库;然后,建立云模型相似度量化指标,用于判断与待预测时段风速云模型最为相似的历史数据序列,以此为训练样本建立短期风电功率预测模型。在实际预测中,每日根据天气预报信息滚动更新训练样本和预测模型,提高预测精度。最后,选择中国北方某风电场运行数据进行实例分析,结果证明了所提方法能够提高风电功率预测精度,具有一定的工程实用价值。

基于改进BP神经网络的光伏发电系统输出功率短期预测模型

随着光伏发电系统的大规模应用,其输出功率预测技术可以有效地缓解该类随机能源对电力系统的不利影响。提出了一种基于改进BP神经网络的光伏发电系统输出功率短期预测模型,利用输出功率的历史值、过往及预测日气象信息,对输出功率进行直接预测。通过对影响输出功率各项因素的分析,得出了预测模型输入变量选择的理论依据;为了提高模型在各种天气条件下的预测精度,提出了相似日选择算法和训练样本确定方法;针对传统BP学习算法易陷入局部极小点、收敛速度慢等缺陷,利用增加动量项和可变学习率相结合的方法对其进行了改进。最后通过预测结果分析,验证了所提模型和算法的有效性。

列车荷载作用下地铁区间双层隧道模型试验研究

列车振动对双层隧道和近距离交叠隧道影响较大。以某地铁区间隧道为研究对象,对一单洞双层地铁区间隧道进行列车振动模型试验,选择合适的试验材料,确定隧道衬砌模型和地层材料参数。依照列车动荷载激振力公式,设计列车振动模型装置,解决动力响应模型试验中动荷载加载的问题。在进行静荷载作用下模型试验的基础上,完成双层隧道列车振动模型试验。测试、分析上行动载、下行动载和上下交会动载3种工况隧道结构的受力状态。研究表明:相对于动荷载,静荷载对结构应力状态影响更大,但在个别部位动荷载影响较大。在上下交会动载作用下,衬砌结构个别位置出现应力集中情况;加速度随着离振源距离加大而明显衰减;在一些测点的试验值与数值模拟结果基本吻合。