基于TCN的PM_(2.5)浓度预测模型

作为大气污染主要因素之一的可吸入颗粒物PM_(2.5)严重影响人类的健康,受到广泛的关注。科学高效地预测PM_(2.5)有利于人类提前做好防护措施,保护自身安全。为此设计了基于时域卷积神经网络的PM_(2.5)浓度预测模型,选取中国环境监测总站的全国城市空气质量实时发布平台的数据,对陕西省西安市的PM_(2.5)浓度进行了预测,并对预测结果进行分析。与长短时记忆神经网络和门控循环单元模型进行对比实验,结果表明时域卷积神经网络在预测PM_(2.5)浓度中具有较好的性能。

预训练文本摘要研究综述

大数据时代,如何缓减信息过载问题,是人工智能领域研究的热点和难点之一。其中,文本“降维”的摘要生成便是其中一个重要的方法,旨在将文本或文本集合转换为包含关键信息的简短摘要。近年来预训练语言模型提高了许多自然语言处理任务的性能,包括文本摘要、情感分析、问答、自然语言推理、命名实体识别和文本相似性等。梳理近几年基于预训练的文本摘要方法,并对文本摘要的数据集以及评价方法进行了整理,最后讨论了文本摘要面临的挑战与发展趋势。