排序方式: 共有9条查询结果,搜索用时 265 毫秒
1
1.
2.
案件案由是对案件所涉及法律关系性质的描述,科学、完善的案由设置有利于正确适用法律,是人民法院实行案件分类管理的重要途径.案件案由预测技术指基于案件案情的文本描述由计算机自动给出案件所属类别.在案件属性预测研究中,由于低频类别的样本数量较少且难以学习相关特征,因此已有方法在数据处理部分通常会对低频类别样本进行剔除.然而,在案件案由预测问题中,关键的挑战正是如何对属于低频案由的案件做出准确预测.为此,文中提出了一种基于非均衡数据层次学习的案件案由预测方法.在案件案由预测中,根据案由层次结构将案由划分为一级案由和二级案由,二级案由中的大量尾部类别被汇聚成上层样本数较多的大类,进而通过层次学习的方式来实现二级案由的预测,使二级案由有一级案由的信息支撑.最后,引入调整数据不平衡的损失函数来实现案件案由的预测.实验结果表明,所提方法整体优于对比方法,其平均精确率比现有方法提高了4.81%,这表明通过层次学习和引入非均衡数据损失函数能较好地解决案件案由预测问题. 相似文献
3.
本文采用热原子层沉积技术(T-ALD)在氟化透明导电玻璃(FTO)上制备不同Al掺杂比例的TiO_2(ATO)应用于平面钙钛矿太阳能电池的电子传输层。结果表明,当Al:TiO_2掺杂浓度为1:100时,器件能达到最高13.13%的效率,而采用TiO_2作为电子传输层的器件,效率仅为10.43%。通过荧光光谱(PL),x-ray光电子能谱(x-ray photoelectron spectroscopy,XPS),薄膜电阻(I-V)等对样品的分析,我们认为Al掺杂TiO_2作为电子传输层有效地降低了薄膜的电阻、表面缺陷,最终提高钙钛矿太阳能电池的光电特性。 相似文献
4.
为提高藜麦机械化收获水平,解决普通谷物联合收割机收获时损失大、含杂高、喂入不畅等问题,针对收获期藜麦植株特性设计了一种大型自走式藜麦联合收割机。该机采用扩口式小行距链齿喂入割台、组合式纵轴流脱粒滚筒、专用编织筛凹板、双层往复式异向振动筛等装置,配合宽体过桥、脱粒滚筒无级变速和大脱分空间等设计实现了藜麦的顺畅喂入和高效脱粒分离,对关键部件进行了设计分析,并进行了田间试验。田间试验结果表明:当藜麦籽粒含水率为14.42%时,脱净率为96.83%、含杂率为4.41%、破损率为0.2%、割台损失率为1.14%、夹带损失率为1.73%,清选损失率为1.09%、飞溅损失率为0.16%、总损失率为4.13%;作业期间机具运行平稳,满足藜麦机械化收获要求。本文研究成果可为藜麦联合收割机设计及试验提供一定参考。 相似文献
5.
近年来施工过程中火灾频发,与已有建筑火灾相比,施工现场火灾具有不同的特点,即火灾时混凝土多处于较早龄期。针对建筑物施工期间高温火灾致损后的混凝土结构,考虑混凝土较早龄期和不同冷却方式等因素的影响,分析了火灾高温对混凝土和钢材力学性能的损伤情况,并结合具体的工程案例,对施工过程中建筑火灾灾后鉴定评估的关键问题进行了讨论和分析。研究表明,早龄期混凝土火灾后的抗压强度有一定的恢复发展;受火构件的混凝土真实残余抗压强度,宜采用龄期28d后混凝土,并通过钻芯法确定;高温火灾致损后的混凝土结构加固处理,宜保证处理后的结构性能等同于新建建筑。研究结果可为早龄期混凝土结构火灾后的灾害评估和鉴定修复提供一些参考。 相似文献
6.
7.
法律判决预测是人工智能技术在法律领域的应用,因此对法律判决预测方法的研究对于实现智慧司法具有重要的理论价值和实际意义。传统的法律判决预测方法大都是只进行单一任务的预测或仅基于参数共享的多任务预测,并未考虑各子任务之间的序列依存关系,因此预测性能难以得到进一步的提升。文中提出了一个端到端的基于过程监督的序列多任务法律判决预测模型,在建模各子任务之间的依存关系时,通过引入过程监督来确保依赖信息的准确性,从而提升序列子任务的预测性能。将所提模型应用到CAIL2018数据集上,取得了较好的分类效果,平均分类准确率比现有的state-of-the-art方法的准确率提升了2%。 相似文献
8.
9.
1