融合Graph state LSTM与注意力机制的跨句多元关系抽取

已有的跨句多元关系抽取工作将输入文本表示为集成句内和句间依赖关系的复杂文档图,但图中包含的噪声信息会影响关系抽取的效果。针对这种情况,该文利用Graph state LSTM获得上下文信息,再分别利用词级注意力机制或位置感知的注意力机制,自动聚焦在对关系抽取起到决定性作用的关键词上,降低噪声信息的影响。并且比较了两种注意力机制对使用Graph state LSTM进行关系抽取的影响。通过在一个重要的精确医学数据集上进行实验,验证了该文所提出模型的有效性。

Feasible schemes for preparing all five-photon graph states

We propose feasible experimental schemes for preparing all five-photon graph states. Our schemes require only linear optical elements, photon detectors and post-selection, which are available in current experiment so that these schemes are within the reach of the current technology.

Generation of various multiatom entangled graph states via resonant interactions

In this paper, a scheme for generating various multiatom entangled graph states via resonant interactions is proposed. We investigate the generation of various four-atom graph states first in the ideal case and then in the case in which the cavity decay and atomic spontaneous emission are taken into consideration in the process of interaction. More importantly, we improve the possible distortion of the graph states coming from cavity decay and atomic spontaneous emission by performing appropriate unitary transforms on atoms. The generation of multiatom entangled graph states is very important for constructing quantum one-way computer in a fault-tolerant manner. The resonant interaction time is very short, which is important in the sense of decoherence. Our scheme is easy and feasible within the reach of current experimental technology.

Feasible schemes for preparation of all five-atom graph states

We propose feasible schemes for preparation of all five-atom graph states by cavity quantum electrodynamics （QED）. Our schemes require only the atom-cavity interaction with a large detuning which is available in current experiment so that these schemes are within the reach of the current technology.

Measures of genuine multipartite entanglement for graph states

Graph states are special multipartite entangled states that have been proven useful in a variety of quantum information tasks. We address the issue of characterizing and quantifying the genuine multipartite entanglement of graph states up to eight qubits. The entanglement measures used are the geometric measure, the relative entropy of entanglement, and the logarithmic robustness, have been proved to be equal for the genuine entanglement of a graph state. We provide upper and lower bounds as well as an iterative algorithm to determine the genuine multipartite entanglement.

Improved frequency standard via weighted graph states

We study the spin squeezing property of weighted graph states,which can be used to improve sensitivity in interferometry.We study the time evolution of spin squeezing under local decoherence acting independently on each qubit.Based on the analysis,the spin squeezing of the weighted graph states is somehow robust in the presence of decoherence and the decoherence limit in the improvement of the interferometric sensitivity is still achievable.Furthermore,one can obtain the optimal improvement of sensitivity by tuning the weighted of each edges of the weighted graph state.

Generation of Multi-ion Graph States with Trapped Ions in Thermal Motion

We propose a scheme for generating multi-ion graph states using many trapped ions in thermal motion.Our generation scheme is insensitive to external state since the interaction between ions and laser fields does not involvethe external degree of freedom.The scheme can be well realized within the current experimental technique.

Entanglement and Closest Product States of Graph States with 9 to 11 Qubits

The numbers of local complimentary inequivalent graph states for 9, 10 and 11 qubit systems are 440, 3132, 40457, respectively. We calculate the entanglement, the lower and upper bounds of the entanglement and obtain the closest product states for all these graph states. New patterns of closest product states are analyzed.

一种用于多域对话状态追踪的知识增强与自注意力引导的图神经网络

对话状态追踪是对话系统的重要组成部分,旨在从用户与系统的对话中跟踪用户意图,其通常表示为槽位-槽值对序列.近年来,深度神经网络模型在对话状态追踪问题上取得了较大进展.然而,现有模型在槽位相关性建模方面还存在可拓展性差与易引入噪声等问题.针对上述问题,本文提出了一种知识增强与自注意力引导的图神经网络KESA-GNN(Knowledge-Enhanced&Self-Attention Guided Graph Neural Network).首先,KESA-GNN通过外部知识嵌入增强槽的语义表征提升多头自注意力机制对槽位间相关性的辨别能力.其次,为了精确建模槽位间的诸如共指、共现等相关性,提出了一种自注意力引导的图神经网络建模槽位相关性.该网络采用多头注意力机制获得槽位间的注意力矩阵以及槽位表征,通过Max-N Relation算法获得注意力矩阵中强相关关系集,将稠密的注意力矩阵稀疏化,从而引导图神经网络中强相关槽位间的信息传播,降低无关槽位的噪声影响.最后,KESA-GNN采用门控融合机制过滤槽位多头注意力和图神经网络输出的槽位表征,从而获取更准确的槽位表征向量,进一步提升了KESA-GNN的鲁棒性.在多域对话数据集上的实验结果表明,KESA-GNN模型的性能优于最新的基线模型.

基于态靶辨治代谢疾病智能辅助诊疗系统的研究与设计

目的:基于“态靶辨证”中医诊疗思维,利用人工智能技术为代谢病中医辅助诊疗提供智能化支持。方法:通过自然语言处理技术,对医学文献和专家经验进行信息抽取和实体识别,构建包含疾病状态、治疗靶点及相关辨证规则的术语知识库。在此基础上,利用图数据库和深度学习算法,构建态靶辨证知识图谱,表达不同疾病状态与治疗靶点之间的复杂关系。结果:通过模型训练和知识推理,结合病例的具体症状和体质,推荐相应的中医治疗方案,提高了代谢病辅助诊疗的准确性和效率。结论:本研究为中医辨证施治提供了新的方法和思路,不断迭代优化算法,拓展临床应用,推动中医药辅助诊疗的发展和完善,为中医药传承创新奠定良好的技术基础。

美国蒙特克莱尔州立大学图论教学特点研究及启示

图论是理工科专业学生开设的一门重要基础课程。该文研究美国蒙特克莱尔州立大学图论课程的教学方法,发现其在教学过程中融入大量应用实例,增强学生的学习主动性,完美达到理论联系实际的教学目标。分析其应用型教学特点,可以在国内图论课程的教学中,注重引入相关应用及研究理念,激发学生学习兴趣,明确图论课程的实际应用价值,对于图论课程的教学改革和课程建设具有一定的参考意义。

基于多维能力和知识图谱-多层感知机的变压器运行状态画像构建方法

利用大数据和画像技术对电力变压器运行状态进行准确评价有利于保障电力系统的安全稳定运行。针对电力变压器运行状态传统评价方法存在的评价维度过于单一、主观性较强等不足,提出了一种基于多维能力和知识图谱-多层感知机的变压器运行状态画像构建方法。首先,构建了由绝缘水平、负载能力、抗短路能力、能效等级和调压能力五个能力构成的变压器运行状态画像体系;然后,融合知识图谱(knowledge graph,KG)与多层感知机(multilayer perceptron,MLP),建立了一种变压器运行状态画像分析模型;最后,基于某地区1368台110kV变压器的实际运行数据,开展了变压器运行状态画像的实例分析,并与随机森林(random forest,RF)和支持向量机(support vector machine,SVM)方法的画像分析结果进行对比。研究结果表明,所提方法对变压器运行状态画像的准确率达到96.35%,优于RF算法(准确率89%)和SVM算法(准确率77%),为电力变压器的运行状态评价提供了一种新思路。

状态轮询和事件驱动的软件状态机设计优化

状态机设计的灵活性在给开发人员带来高效与便利的同时,也带来三类较典型的问题:由于状态逻辑和时序依存导致的输出错误,由于历史数据缓存导致的状态机计算量庞大的问题,以及由于状态跃迁耦合导致的输出不可控问题。目前这三类问题在软件详细设计和编码中仍然存在。在状态机功能不改变、在有限状态机设计约束条件下从时间复杂度和圈复杂度两个维度对状态机进行等价转换,即将原状态和判定条件进行合并或拆分,根据元模型定义对拆分或合并后的状态进行重组,添加跃迁条件,提出优化的一般性过程。进而针对三类典型问题给出优化算法,用同一算法分别对优化前后的状态机进行测试,并从时间复杂度和圈复杂度两方面验证了优化算法的可行性。该研究的实用价值在于为实时控制和安全苛求系统软件设计或重构提供了一种优化的方法。

考虑运行状态信息的综合能源系统图强化学习优化调度

“双碳”背景下,异质能源的耦合加剧迫使综合能源系统(integrated energy system, IES)拓扑朝着更复杂、更灵活的方向不断演变。然而,现有优化调度方法对非欧网络拓扑知识及其异质潮流约束考虑不足。针对这一问题,提出一种基于图强化学习的综合能源系统优化调度方法。首先,基于图理论在保证节点多样状态的情况下,将异质能源网络拓扑转换为网络图模型。其次,通过建立基于真实图映射的状态-动作-奖励的框架,利用图强化学习的方法学习图模型的非欧拓扑信息,将异质潮流知识加入系统节点运行状态,从而实现IES的安全优化调度。最后,利用某工业园区的真实数据进行仿真验证,所提方法相对于传统方法有效缓解了节点电压越限的问题。结果表明,所提方法能够在考虑IES真实拓扑运行状态信息和异质潮流安全的情况下实现IES的优化调度。

基于局部攻击图的最小关键漏洞集分析方法

为缓解攻击图应用在工业互联网安全防护中的状态空间爆炸问题,提出一种基于局部攻击图的最小关键漏洞集分析方法。提出一种以重要资产节点为目标的局部攻击图生成算法,通过裁剪不可达目标节点的攻击路径缓解状态空间爆炸问题;基于局部攻击图生成过程中得到的攻击路径漏洞集直接进行最小关键漏洞集分析,节省传统分析方法在搜索关键漏洞过程中对攻击图进行二次遍历的时空开销。在此基础上,通过工业网络实例进行分析并开展相关工作比较,实验结果表明,所提方法合理可行,可高效分析网络系统中的最小关键漏洞集。

基于图论分析法对难治性癫痫脑功能网络的研究

目的:利用静息态fMRI(rs-fMRI)结合图论分析方法研究儿童及青少年难治性癫痫(ITE)脑功能网络拓扑属性的变化,分析异常网络属性指标与病程、智商之间的相关性,探讨ITE患者脑功能网络改变。方法:收集ITE患者23例(ITE组),同期招募23例健康志愿者作为对照组。采用3.0TMRI扫描仪进行扫描,获得T2-FLAIR、3D-T1WI、rs-fMRI数据。利用GRETNA V2.0软件包进行数据预处理并计算网络属性指标,使用SPSS18.0软件分析组间差异。结果:ITE组与对照组年龄、性别及受教育年限差异均无统计学意义(均P>0.05)。ITE组与对照组均有小世界属性,ITE组局部效率及标准化聚类系数减低(P=0.014,0.027)。ITE组节点属性有差异的脑区主要位于默认网络及视觉皮质。ITE组左侧楔前叶节点中心度、左侧楔前叶节点效率均与病程呈负相关(r=-0.564,P=0.005;r=-0.539,P=0.008)。结论:ITE组脑功能网络全局及节点属性均存在异常,脑功能网络改变以局部分离功能降低为主,为ITE脑功能网络研究提供新的视角。

基于电抗器基础设施中态势感知的应用

关键基础设施是相互依存的,很容易出现级联故障,为了有效应对全国范围内的事件,需要创建一个共同操作图,以维持态势感知。为此提出一个适用于全国规模态势感知应用的关键基础设施模型和分析方法,该模型使用有向图结合有限状态转换器呈现关键基础设施系统的依赖关系和运行状态,开发一种利用图中心性度量的分析方法,用于量化破坏的系统特定和基础设施范围影响,同时还创建一种基于熵的分析方法,用于估计当前数据不可用情况下基础设施系统的运行状态。利用所提出的方法实际案例进行建模,并使用风暴期间观察到的系统故障数据集进行评估。结果表明,所提出的建模和分析方法适用于实时态势感知应用。

基于图论的精神分裂症患者静息态功能脑网络分析

目的:运用静息态功能磁共振探讨精神分裂症患者的脑网络及其拓扑属性。方法:收集the Center of Biomedical Research Excellence提供的35名精神分裂症患者资料作为患者组以及35名健康被试者资料作为对照组,计算两组的局部一致性,并进行统计学分析。然后使用Dosenbach's 160 atlas检查全脑功能网络,提取全脑网络的两个子网络:默认模式网络和躯体运动网络,构成一个新网络,计算全脑网络及新网络的拓扑属性。结果:精神分裂症患者大脑的默认模式网络与躯体运动网络之间及默认模式网络内部的功能连接存在显著减弱(P<0.05,FDR校正),全脑网络聚集系数有所下降,默认模式网络与躯体运动网络构成的网络的全局和局部效率降低(P<0.05)。结论:精神分裂症患者默认模式网络与躯体运动网络之间及默认模式网络内部功能连接存在显著异常,默认模式网络与躯体运动网络之间拓扑属性的显著改变可能成为关键因素。此外,该结论可运用于默认模式网络与躯体运动网络对应的脑神经元随机微分方程组的定性分析,从而对精神分裂症的物理治疗有所帮助。

基于混合量测的新能源电力系统动态频率预测方法

高渗透率新能源波动下系统动态频率预测是实现受端网络频率安全态势感知的基础。该文提出一种基于混合量测和物理状态方程联合驱动的新能源电力系统双向树状长短期记忆网络(combined equation-of-state-driven and data-driven bi-directional tree-struct long short term memory,CEOSD-BITREE-LSTM)动态频率预测方法。首先,引入双层多头注意力图神经网络,提出考虑同步相量测量单元(synchronous phasor measurement unit,PMU)和数据采集与监视控制系统装置(supervisory control and data acquisition,SCADA)量测差异性和时序同步性的混合量测融合策略;其次,依据PMU密集采样特性,建立计及源网荷物理联系的线性时变状态方程,刻画物理-数据空间的频率特征交互关系;然后,考虑新能源出力、负荷波动等不确定因素,结合以PMU并行搜索调频资源形成的拓扑结构,构建CEOSD-BITREE-LSTM动态频率预测模型,实现系统频率态势的高精度预测。最后,以改进新英格兰10机39节点、三区互联系统为算例,验证该文所提方法的可行性和有效性。

智能船舶状态感知设备布局优化研究

针对传统状态感知设备布局方案无法满足智能船舶实现全方位状态感知及故障隔离的问题,本文提出了一种以双因果键合图建模为基础的方法。通过对其因果路径进行分析,得到了系统故障特征矩阵(FSM),并基于该矩阵实现了智能船舶状态感知设备布局的优化。以典型的智能船舶系统———船舶主机供油单元系统为例,建立了该系统的双因果键合图模型,并实现了船舶主机供油单元的状态感知设备布局优化。经验证,该方法能够有效满足智能船舶全方位状态感知和故障隔离的要求。