基于全局节点和多片段的格栅命名实体识别

现有命名实体识别模型对标注数据量要求较高,基于主动学习的命名实体识别模型需要人工分词造成标注代价大。针对上述问题,提出一种结合全局节点和多片段的格栅命名实体识别模型。将Transformer的全连接结构替换为全局节点和多片段结构,每个节点仅与构造的上下文向量进行注意力计算,全局和片段节点分别获取全局和局部信息,从而降低对标注数据的需求量。对Flat-Lattice结构进行改进,解决现有主动学习策略需要分词的问题,从而在保证模型性能的情况下降低数据标注代价。在MSRA、OntoNotes 5.0、Weibo、PeopleDaily这4个数据集上的实验结果表明,与FLAT模型相比,所提模型达到对应F1阈值所需的标注数据量分别降低了39.90%、2.17%、34.60%和35.67%。

无线传感器网络中适于协作定位的全局节点选择

为了有效解决无线传感器网络(WSN)节点定位精度和测距技术复杂性之间的矛盾,基于WSN随机分布特性和天线阵列几何结构约束,通过节点协同形成的虚拟天线阵列对WSN进行定位,提出了一种适于定位的虚拟阵列节点选择方法.仿真结果和理论分析表明,当波达角估计算法的性能满足要求时,该方法具有很强的可行性和优良的定位性能.

BitTorrent中一种基于全局贡献的节点选择策略

BitTorrent采用基于速率的Tit-For-Tat(Rate-based TFT)阻塞算法和乐观激活(Optimistic Unchoke,OU)算法为节点选择策略:上传节点采用Rate-based TFT算法选择为自身提供文件块上传速度最快的4个请求节点为下载节点,采用OU算法随机选择其他1个请求节点为下载节点。BitTorrent中Rate-based TFT算法只考虑邻居为上传节点所上传的文件块数即直接贡献,资源利用率不高,不能有效保证上传/下载之间的公平性。提出一种基于全局贡献的节点选择策略(Contribution-based TFT),从直接贡献和间接贡献(即对其他节点所上传的文件块)两方面来考虑某段时间内节点的全局贡献,贡献越多,获取下载服务的优先权限越高。模拟实验表明,基于全局贡献的节点选择策略提高了上传配额利用率,减少了文件下载时间,并保证了公平性。

一种改进共同邻居的节点遍历链路预测算法

链路预测是网络信息挖掘和预测领域的一个重要研究方向.由于网络拓扑结构信息容易获取使得基于拓扑结构的链路预测算法成为研究的热点,目前常用的链路预测算法没有分析真实网络链接形成的机制,并且利用的网络中节点的信息有限,导致预测精度受限.因此本文在已有算法基础上分析网络中每个节点对链接产生的作用,提出了一种改进共同邻居的全局节点遍历的链路预测算法.该算法不仅利用共同邻居平均度改善了大度节点的消极影响,而且考虑了同时与两个待预测节点都有共同邻居的节点的作用.在六个真实网络上经过大量实验表明该算法与六种经典的链路预测算法相比具有更高的预测精度,而且在食物链网络上预测精度提高了30%.

基于时空图的行人多模态轨迹预测方法

为提高行人轨迹预测的准确率与速度,提出一种基于时空图的GAN轨迹预测模型。使用LSTM节点将人与环境交互的时空图转换为前馈可微分特征编码,提出用于集成场景上下文信息的全局节点,通过缩放点积注意力机制研究全局交互对行人轨迹的相对影响,使用生成对抗网络体系结构对模型在数据集中进行训练。此外,为使预测结果更加合理,结合行人历史轨迹运用控制点生成一组行人未来轨迹曲线作为假设建议,并与以上预测结果进行相似度分析。实验结果表明,所提模型预测速度与精准度均优于其它方法。

三维复杂速度模型中地震的快速精确定位

讨论了全局选择震源初始位置下的矩阵反演求取全局解的问题.与流行的全局优化搜寻直接定位方法相比,该反演算法是一种行之有效的定位方法,具有定位精度高、计算时间少以及对噪声数据不敏感等特点.其突出的优点是在不增加计算难度和计算时间的前提下,用矩阵反演的方法确保得到全局最小值解,可适应于地震早期预警,海啸早期预警,以及大震速报等实际工作.