基于注意力机制与情感的多通道RCNN和ON-LSTM模型

近年来在方面级情感分析任务上,基于卷积神经网络和循环神经网络的模型取得了不错的效果,但仍存在着文本长距离依赖问题.有序神经元长短时记忆(ON-LSTM)可建模句子的层级结构,解决文本长距离依赖问题,但会忽略文本局部特征.区域卷积神经网络(RCNN)能提取文本不同区域的局部特征,却无法有效提取文本的上下文语义,而且现有模型均未考虑到情感词与句子上下文的联系.针对这些问题,本文提出一种基于注意力机制与情感的多通道RCNN和ON-LSTM的神经网络模型(MCRO-A-S).首先,向上下文词向量中融入情感特征向量,弥补仅使用上下文词向量作为模型输入的不足.其次,结合RCNN模型提取文本局部特征与ON-LSTM模型提取文本上下文语义信息的优势,可有效提高模型特征提取能力.最后,利用注意力机制融合语义信息,给予情感词更多的关注.在SemEval 2014两个数据集和Twitter数据集上验证模型的有效性,取得了比其他模型更好的分类效果.     

基于群智感知的城市噪声检测与时空规律分析

通过在地图上用不同颜色表示不同的噪声污染等级,噪声地图能直观地展示城市各个区域的噪声污染情况.为了高效、经济地得到噪声地图,实现了一个基于群智感知的城市噪声检测和噪声地图生成系统.该系统以参与者的智能手机为感知终端,实现噪声污染数据的测量与采集;通过在服务器上综合处理所有感知终端的测量数据得到各个区域的噪声污染信息,使得用户可以在手机上查看噪声地图;在此基础上,对城市噪声的时空规律进行了分析和讨论.为解决测量数据是随意的和不完全的问题,该系统采用一种基于压缩感知的数据采样和压缩方法:各个感知终端独立地、随意地进行数据测量和压缩而不需要相互通信,服务器依然能够恢复重建出所有区块的噪声污染信息.实验结果表明,文中系统能够在保证精度的情况下,有效地减少感知终端的数据传输代价.     

余热锅炉停运后管道振动原因分析

管道的强烈振动会造成设备损坏，影响发电机组的安全运行，严重时甚至会对作业人员的人身安全构成威胁。在发电机组运行时要密切监视管道的振动情况，如果出现振动异常变大的现象，要查明原因采取措施，控制振动幅度在合格范围内。同样地，锅炉停炉后的管道发生异常振动，也会对设备造成严重影响。针对余热锅炉停炉后的锅炉管道发生剧烈振动的现象，进行了分析研究，找出了造成管道剧烈振动的原因，并采取了相应的技术措施，解决了管道异常振动的问题。