基于度量学习的意图识别和槽填充方法

人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题.本文采用基于度量学习的方法,通过计算query set中的样本与support set中样本的距离,寻找距离最近的类别样本作为分类标签,同时将两个任务联合进行训练,用以提升模型的效果.从实验结果中可以得出,本文提出的Fine-tune方法,对意图识别和槽填充任务都有一定的帮助和提升.胶囊网络在意图识别中也起到了一定的效果,可以帮助去除一部分无关信息,但对槽填充任务的帮助不明显;而任务自适应的投影网络,可以更好地将不同类的向量分开,提升了两个任务的性能.     

GS1编码应用在生物取样储存管追溯管理

生物实验室、医院手写标记的取样储存管已经很难满足样本库的大容量储存需求。当前常见的解决方案是现场编辑并打印一维条码及样本信息,然后手工粘贴到普通储存管上。打印编码对标签纸张、打印质量、粘合剂都有特殊的要求,需要耐受长期低温及一定的湿度,生物样本库还存在被化合物粘合剂及文字油墨污染的风险,并且不方便管理。同时,在生产和流通环节出现问题,也无法有效追溯。因此,需要提出更好的方案解决上述问题。     

双对苯醌的抗氧化活性分析及其固体发酵条件优化

为探索生物活性未知的双对苯醌（2,7-dihydroxy-3,6,9-trimethyl-9H-xanthene-1,4,5,8-tetraone，DTXT）的抗氧化活性，并提高其发酵产量，考察DTXT的还原力以及对超氧阴离子自由基、羟自由基、1,1-二苯基-2-三硝基苯肼（1,1-diphenyl-2-picrylhydrazyl，DPPH）自由基的清除效果，在单因素试验基础上，采用响应面法优化了DTXT产生菌瓶生顶孢霉（Acremonium cavaraeanum）CA022菌株的固体发酵培养基。结果表明：在200 μg/mL质量浓度下，DTXT的还原力与芦丁差异不显著，高于VE和2,6-二叔丁基-4甲基苯酚，对超氧阴离子自由基清除率达到67.00%，对羟自由基清除率达到78.83%，对DPPH自由基清除率达到76.53%。通过响应面试验，得到最佳培养基配方为葡萄糖0.773%、硝酸钠0.185%、H3BO3 0.032%、VB1 100 μg/100 g，在此条件下实际获得的DTXT产量为4 150.8 mg/kg，是优化前产量的（2 864.83 mg/kg）1.45 倍。     

膨胀剂、减缩剂对超高性能混凝土自收缩性能的影响

为了解决超高性能混凝土(ultra-high performance concrete,UHPC)存在的收缩开裂风险高等问题,研究膨胀剂、减缩剂对UHPC自收缩性能的影响,开展单掺膨胀剂或减缩剂UHPC的扩展度、基本力学性能及自收缩规律的试验研究,并在此基础上对膨胀剂与减缩剂双掺后的减缩效果进行研究.试验结果表明,膨胀剂或减缩剂单掺均提高UHPC扩展度;膨胀剂或减缩剂单掺均降低28 d抗压强度;掺膨胀剂、减缩剂UHPC的28 d自收缩发展可分为3个阶段:快速发展期、缓慢发展期、平稳期;单掺膨胀剂或减缩剂均有效抑制UHPC各阶段的自收缩,其中,膨胀剂HP-CSA质量分数为6.0％时减缩效果最佳,28 d减缩率达93.6％,减缩剂SBT?-SRA(I)质量分数为1.5％时减缩效果最佳,28 d减缩率为43.0％;膨胀剂与减缩剂双掺时未产生协同效应.     

基于GIS单线图的配网停电单模拟操作应用研究

配电网停电会造成电力系统供配电可靠性以及服务质量下降,研究基于地理信息系统(GIS)单线图的配网停电单模拟操作应用。利用网格长度作为基本单位建立坐标系,以选取起始点与终止点为基础,通过四参数法将GIS坐标映射至图纸网格内,实现配网内设备初步布局,将杆塔、站房和整体均匀分布作为优化目标,设置多目标优化目标函数实现GIS单线图最终优化。选取某电力公司配网作为单模拟操作应用对象,模拟结果表明,单模拟操作配网停电后,该配网各负荷点年故障率、次平均停电时间以及年停电时间均有所减少,可有效提升配网的供配电可靠性。     

射频电缆的幅相稳定性测试研究

对射频电缆幅相稳定性进行了介绍,阐述了射频测试电缆相位和幅度变化的因素,并详细分析了射频电缆相位性能以及幅度性能的不同测试方法,最后通过实测数据的展示,总结说明了在日常测试中该如何正确使用测试电缆。     

DCNN深度特征与交替方向乘子的相关滤波跟踪

针对采用相关滤波的判别式目标跟踪遇到的瓶颈问题：由于目标快速移动引起边界效应，使得相关滤波器在学习与更新过程中可能会引入错误，最终错误的累积将导致跟踪失败。在采集深度学习特征与样本相似性度量的基础上，提出一种引入交替方向乘子方法的改进相关滤波目标跟踪算法，选择DCNN深度特征有效地表征待跟踪目标的初始状态，通过在线分类过程中样本相似性比对与半监督学习，辅助解决相关滤波器在学习过程中存在的自学习问题。所提目标跟踪算法特别适合训练样本为持续获得的、同时存储空间较小的机器学习过程，提高目标在快速运动与部分遮挡等复杂情况下的跟踪成功率，针对VOT2016标准测试视频的实验表明：当目标面临快速运动时，对比CN、SAMF、STC算法，所提DA-CFT跟踪算法将跟踪成功率分别由60.4%～73.4%、67.2%～82.9%、80.9%～88.1%提升至85.6%～91.0%。