Fusion框架序列的一些性质

本文从空间夹角的角度对fusion框架序列和fusion-Riesz框架序列进行了研究,得到了一些新的性质。

Hilbert空间中框架序列扰动的新结果

研究了框架序列的扰动问题,在已有关于框架序列扰动结论的基础之上,用算子的方法来描述框架序列和另一序列之间的"接近"关系,从而得到一些框架序列扰动的新结果。最后,用例子说明本文给出的方法应用更为广泛。

Hilbert空间中g-框架序列的稳定性

利用正交投影和两子空间的余弦角等来研究g-框架序列的稳定性.在此结论的基础上,改进扰动条件,得到更大的下界.

一种提高代码复用的C++序列化框架设计

序列化在各类软件中应用非常普遍。在实际工程应用中可能出现XML、二进制和数据库的序列化操作,由于ANSI C++不支持序列化操作、硬编码通常产生大量重复代码,本文设计了一套支持XML、二进制和数据库序列化的C++框架。该框架引入了MessageObject、Serializer、Stream三个概念,并提出利用C++宏来屏蔽重复实现的细节。该框架在实际工程应用中大大减少了代码量,提高了代码的复用。

Sobolev空间中平移框架的几个结果

利用L2(T)中点到子空间距离的概念,给出了Sobolev空间HS(R)中平移框架的一个等价条件,并从该等价条件出发,讨论了HS(R)中具有不同步长的平移序列在平移框架意义下的几种关系.

L^2(R^d)上Gabor框架的一个充分条件

研究了L2(Rd)上的以矩阵平移和调制的Gabor框架的一个充分条件.首先在时域上给出了以矩阵平移和调制的Gabor框架恒等式的证明,然后给出了Gabor框架的一个充分条件的证明.最后在频域上也给出了相应的结论.

基于注意力Seq2Seq模型的终端区航空器航迹预测

为充分挖掘机场终端区航空器航迹时间依赖性,解决中长期、多步长航迹预测精度不稳定的问题,引入注意力机制(attention mechanism)和教师监督(teacher forcing)中的指数衰减(exponential decay)采样方法,提出了一种基于序列到序列框架的机场终端区航迹预测模型(Seq2Seq-attention mechanism-exponential decay,SAE)。序列到序列框架实现了多步长预测,注意力机制提高解码器预测精度,指数衰减采样方法加速了训练阶段模型收敛,在一定程度上提高了模型的泛化性。最后,为了验证提出方法的有效性,利用天津终端区28架次、90 d ADS-B航迹数据构建原始数据集,以平均绝对误差(mean squared error,MAE)和均方根误差(root mean squared error,RMSE)作为模型性能评价指标,进行了航迹预测实验,实验结果表明:高度、经度和纬度在序列到序列框架中的循环神经网络分别采用LSTM、GRU和LSTM可以获得最好预测性能;以4种预测长度1、3、5和10 min进行建模,与基线模型中预测性能最好的结果比较,所提出方法在验证集上的高度、经度和纬度指标表现最优,10 min预测窗口下的平均绝对误差分别降低了66.30%、54.62%和36.59%,均方根误差分别降低了65.45%、38.16%和20.57%,同时,上述4种预测时长下所提出方法预测结果的均值和方差最小,表明随着预测时长的增加,模型预测结果的稳定性最好。此外,引入的注意力机制与指数衰减采样方法对有效捕捉航迹时间依赖性、提高模型泛化性均具有积极的贡献。

L^2(R^d)子空间上的Gabor框架

本文主要研究L2(Rd)上的Gabor系成为框架或框架序列的特征。首先在时域上给出了Gabor系成为L2(Rd)上框架或框架序列的两个充分条件,并得到在特殊情形下Gabor系成为框架序列的充要条件。最后在频域上也给出了相应的结果。

依矩阵平移和调制的Gabor框架的充分条件

首先在时域上给出依矩阵平移和调制的Gabor系成为框架或框架序列的一个充分条件及它的三个推论,最后在频域上给出相应的结果。

Hilbert κ-模上的g-框架的稳定性

本文主要研究了Hilbert K-模上的g-框架的稳定性,我们首先介绍了g-标准正交基,g-Bessel序列以及g-框架的一些性质,接着证明了g-框架在一个小的扰动下还是g-框架.

Fusion框架系统的局部框架扰动的稳定性

该文在Hilbert空间中一般的框架序列扰动形式下,利用正交投影的性质和对偶框架的性质研究了原序列张成的闭子空间与扰动序列张成的闭子空间的关系,并探讨了局部框架的一般扰动对fusion框架系统稳定性的影响.这些结果推广和改进了由Casazza,Kutyniok和Li等得到的著名结果.

以对角阵平移或调制的Gabor框架的充要条件

在L2(Rd)上通过把函数g和平移参数A或调制参数B特殊化的方法,推导以矩阵平移和调制的Gabor序列构成框架的条件,得到了L2(Rd)上当平移矩阵或调制矩阵是对角阵且生成函数的紧支集在一个特殊的区域内时候的Gabor序列构成框架的两个充要条件。

基于全基因组序列的水稻基因组系统研究

“水稻基因组计划”是继人类基因组计划之后的,第一个大型农作物基因组计划。中国在激烈的国际竞争中,领先、独立完成了中国水稻基因组的序列框架图和精细图的绘制,成功研制了世界上第一套全基因组水稻基因芯片。开展了基因组学的系统研究:从籼、粳稻基因组的比较到序列多态性研究;从基因表达到蛋白质图谱,全方位的对水稻从胚芽到成熟的生长发育过程,进行了基本信息的采集和研究。揭示了水稻在家养化进化过程中基因变异和演化的基本规律,及人工选育过程中产生的性状与野生稻性状的关系和分子机理,为全面探讨水稻的一般遗传规律及高产、优质、抗逆的性状的选择奠定了坚实的基础,也为生态和生物多样性保护及选种育种提供了理论依据。 “中国杂交水稻基因组计划”的阶段性成果,不仅在大科学工程研究上创造了低投入高产出的世界性范例,也开创了对一个重要农业物种进行原创性的,结构与功能,基础与应用相结合的系统研究先例。是中国在生命科学的系统研究领域中标志性的一大步。其成果无疑会对未来世界和中国的农业科学发展产生巨大而深远的影响。中国在高通量生物技术和高性能海量生物信息处理分析方面已经跻身于世界强国之列。

基于类型辅助引导的代码注释生成模型

代码注释生成方法通常基于结构-序列(Structure-Sequence, Struct2Seq)框架,但忽略了代码注释的类型信息,例如操作符、字符串等。由于类型信息之间的层次具有依赖性,将类型信息引入已有的Struct2Seq框架并不适用。为了解决上述问题,提出一种基于类型辅助引导的代码注释生成(Code Comment Generation based on Type-assisted Guidance, CCG-TG)模型,将源代码视为带有类型信息的n元树。该模型包含一个关联类型编码器和一个限制类型解码器,可以对源代码进行自适应总结。此外,提出一种多级强化学习(Multi-level Reinforcement Learning, MRL)方法来优化所提模型的训练过程。在多个数据集上进行实验,与多种基准模型对比,证明所提CCG-TG模型在所有评价指标上的性能最优。

基于深度学习的稠油蒸汽驱汽窜时间预测方法

实时可靠的汽窜时间预测方法可以为及时采取防治措施提供支持.结合深度学习算法以及油井自身动态数据的约束,提出一种预测稠油井汽窜时间的新方法.针对单一指标波动频繁,噪声大,以及无法准确表征汽窜时间等问题,根据油田实际注采数据,以参数组合的方式构建表征蒸汽窜流通道形成时间的指标参数,并结合变异系数-G1混合交叉赋权法融合成汽窜综合判识曲线.基于标准互信息的相似性度量方法选择合适的时间序列数据作为输入特征,以相应的汽窜综合判识曲线作为输出时间序列构建学习样本.采用序列到序列深度学习框架建立汽窜时间的预测模型进行实际预测,并与传统的机器学习方法进行对比,验证模型的有效性和优越性.该方法通过数据驱动的方式模拟了注采时间序列特征与汽窜判识曲线之间的映射关系,可有效提高汽窜时间预测的效率和精度,对汽窜智能预警具有一定指导意义.

基于神经网络的文本风格转换

文本风格转换在书面创作、品牌推广等许多方面具有良好的应用前景,近年来也逐渐成为研究热点。现有的文本转换工作对风格表示简单,无法适应文本风格差异较大的场景。本文提出一种基于注意力机制的风格表示方法,增加风格特征携带的信息量。文本的文本风格转换模型包括以下步骤:首先对输入句子的词序列与词性序列进行向量化,之后经过两个Bi-LSTM编码器分别计算文本的内容与风格特征序列,将内容序列作用于LSTM解码器生成词汇,而风格序列则经过本文提出的风格调整方法,对输出的词汇概率进行调整,最终输出为指定风格的句子。实验结果表明,对于不同类型的数据,模型的转换准确率与内容保存程度均有更好表现。

基于循环神经网络的对话系统记忆机制

针对基于循环神经网络(recurrent neural network,RNN)的对话系统缺乏上下文记忆能力的问题,提出一种带有额外记忆能力模块的深度学习模型。以序列到序列框架为基础,增加一个基于双向循环神经网络(Bi-directional RNN)和全连接神经网络的记忆选择模块。通过把当前对话和上下文输入到记忆选择模块中得到一个选择值,比较选择值与阈值决定是否把上下文语句也加入到当前对话的序列到序列结构的编码端,使模型在需要使用上下文信息的时候可以选择性地获取,使得模型具备记忆能力。实验结果表明,使用相同的语料库进行训练,加入了记忆能力模块的模型相比没有记忆能力的模型明显具备了结合上下文的记忆能力,可以生成更准确的回复。