阿图什市人民医院分院病房楼隔震设计北大核心CSCD

阿图什市人民医院分院病房楼为采用了基础隔震技术的框架-剪力墙结构体系。主要介绍工程的设计过程:首先设计隔震层;其次在中震作用下采用ETABS软件进行动力时程分析,得出隔震后水平向减震系数,并在SATWE软件中将上部结构根据隔震分析结果按降低一度进行设计;最后还采用PERFORM-3D软件进行了隔震结构体系的动力弹塑性分析。结果表明,在大震作用下,整体结构和各类结构构件均满足抗震性能设计目标要求。     

UHPC-NSC界面黏结性能的评价方法

采用超高性能混凝土（UHPC）修复普通混凝土（NSC）基体时可以获得优异的界面黏结强度，其值甚至高于基体强度，导致界面性能测试时容易发生基体失效，从而不能准确评价界面性能及其影响因素.针对上述问题，提出了基体约束加强的方法，将失效位置控制在修复界面，测得了真实的UHPC-NSC界面黏结强度，分析了基体强度和修复面粗糙度对界面性能的影响与机理，克服了传统测试方法的评价结果过于保守且难以反映粗糙度等影响因素的不足.UHPC-NSC界面较NSC-NSC界面更加致密，界面过渡区的钙硅比更低，宽度和孔隙率分别降低了91%和70%.     

离心风机叶轮盖盘热锻有限元分析

采用热锻工艺方法对离心风机中叶轮盖盘进行成形研究。首先对盖盘常用材料FV520B进行了热模拟性能测试,建立了该材料的本构方程,利用该本构方程在Deform-3D平台下对盖盘热锻成形过程进行了有限元模拟研究,获得了盖盘热锻成形过程中成形力的变化,以及成形工件的应力、应变、温度和损伤分布,为盖盘热锻成形新工艺的实验研究提供了理论依据。     

带分数延时功能的符号同步环路的设计与实现

模拟下变频或基于多相滤波的数字正交变换都可能会在I路和Q路之间引入一个固定的分数倍采样点的延时,提出一种分数延时校正和符号定时同步相结合的方案,使两种误差在同一个环路中得到解决,符号定时同步环路采用Gadner时钟误差鉴相算法和拉格朗日内插算法,方案在1 024QAM解调系统中验证成功。     

MPEG编解码系统的开发

近年来，随着多媒体的发展，ＣＤ－ＲＯＭ和各种交互式节目的普及，数据压缩越来越引起人们的关注。目前，ＭＰＥＧ－１已成为各种ＣＤ制作、远程实时视音频传输、信息高速公路等的核心技术。本文详细介绍了我们开发的以ＤＥＣ公司的ＭＰＥＧ编解码芯片Ｄｉｇｉｔａｌ２１２１３０为核心的实时ＭＰＥＧ１压缩卡。     

加强课程意识促进信息技术与课程整合

庞大的中小学教师队伍,依然深受传统教育教学思想的禁锢,多年以来教师在学校习以为常的教学方式、教学行为没有根本转变,信息技术与课程整合依然存在种种误区.比如:教学时往往重视演示现象、传授知识,而忽视能力培养;重视形象思维教学,忽视抽象思维教学;重视课内应用信息技术手段,忽视课外信息技术应用等.     

大麻织物空心微珠涂层吸声性能研究

为提高大庥织物的吸声性能,使用空心微殊对大麻织物进行涂层整理,研究了空心微殊添加量、涂层厚度和后背空腔距离与涂层织物吸声系数之间的关系.结果表明,随着空心微珠添加量的增加,大麻涂层织物吸声系数先增大后减小,当添加量质量分数为7%时,吸声性能最好,平均吸声系数可以达到0.82.随着涂层厚度的增加,吸声系数总体呈逐渐减小的趋势.增加后背空腔距离,可以改善涂层织物在低频段的吸声系教,而中频段会有所减小,高频段变化不大.     

基于word2vec的大中华区词对齐库的构建

该文针对大陆、香港和台湾地区(简称大中华区)存在同一种语义但采用不同词语进行表达的语言现象进行分析。首先,我们抓取了维基百科以及简繁体新闻网站上的3 200 000万组大中华区平行句对,手工标注了一致性程度达到95%以上的10 000组大中华区平行词对齐语料库。同时,我们提出了一个基于word2vec的两阶段大中华区词对齐模型,该模型采用word2vec获取大中华区词语的向量表示形式,并融合了有效的余弦相似度计算方法以及后处理技术。实验结果表明我们提出的大中华区词对齐模型在以上两种不同文体的词对齐语料库上的F1值显著优于现有的GIZA++和基于HMM的基准模型。此外,我们在维基百科上利用该词对齐模型进一步生成了90 029组准确率达82.66%的大中华区词语三元组。
     

基于词项共现关系图模型的中文观点句识别研究

不同于传统的词项间强独立性假设的词袋模型驱动的观点句识别方法,该文提出了一种新型的基于词项共现关系的图模型方法。该方法通过构建词项共现关系图模型,利用词项与词项之间的共现性和句法关系来描述词项在观点句和非观点句集合中的分布差异,同时采用基于入度的词项权重计算方法来计算词项特征值。上述研究在基准语料上进行实验,实验表明采用基于词项关系图模型方法后,中文观点句识别准确率相比目前基于词袋的方法得到显著提升。
     

基于BERT和多窗口门控CNN的电机领域命名实体识别

针对电机领域命名实体识别困难、精度不高的问题,提出了一种基于BERT和多窗口门控CNN的电机领域命名实体识别模型。该模型首先利用BERT预训练模型生成句子的字向量序列,根据电机领域文本的上下文动态微调字向量,增强字向量的语义表达;其次,构建具有全局时序特征感知单元和多窗口门控CNN单元的双分支特征提取层,形成句子的多级语义特征表示;最后,通过CRF对字符序列进行解码,得到每个字符对应的标签。在小规模的自建电机领域数据集与多组模型进行的对比实验结果表明,该模型命名实体识别性能均优于其他模型,macro-F1值达到了90.16%,验证了该方法对电机领域实体识别的有效性。