基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

国家形象的构建与营造——中华人民共和国国旗、国徽的设计分析

中国国旗、国徽设计以五星、天安门、嘉禾稻、麦穗等彰显时代特点的现实主义素材为设计元素,具有明显的政治语态和意识形态意味.其以环绕、半环绕结构图式和红、黄色调的设计形式,表现出了中国传统图案的装饰意味.这种近乎完美的艺术形式与明显的政治意象,准确地呈现了国家意志和政党主张.     

中国酿造杂志征稿简则

《中国酿造》创刊于1982年,是由中国商业联合会主管,中国调味品协会及北京食品科学研究院主办的综合性科技期刊。重点报道调味品、酿酒、食品微生物、食品添加剂、发酵乳制品、生物工程技术、生物化工、生物质能源等领域的研究成果及发展动态。《中国酿造》是中文核心期刊、中国科技核心期刊,被美国《化学文摘》(CA)、美国《乌利希期刊指南》(UPD),美国EBSCO数据库、英国《食品科学文摘》(FSTA)、英国《国际农业与生物科学研究中心》(CABI)、俄罗斯《文摘杂志》(AJ)等数据库收录。     

基于先验知识的文本实体识别方法

阐述文本实体识别作为医疗相关人工智能应用的关键中间任务，其效果直接决定下游任务表现上限，然而传统方法中通常忽略医学知识的应用，很难取得良好表现。提出一种基于RoBERTa与CRF并融合医学知识的医学文本实体识别方法，将医学知识作为先验引入到CRF最优路径搜索环节，极大程度地提升了标签转换的连贯性，并在相关数据集主指标上取得了改善。     

基于ERNIE-BiGRU模型的摘要语步自动识别研究

学术文献的摘要是对文献主要内容的浓缩,摘要不同部分的语步具有不同的信息,语步的自动识别和抽取对于学术摘要的后续研究有着重要的应用价值,而目前语步识别的研究相对较少,并且相关算法的效果还需要提高。针对上述问题,该文提出了一种基于ERNIE-BiGRU模型的语步识别算法。该算法首先结合中文句法分析理论提出基于句法依存关系的多语步结构拆分法,对学术文献摘要多语步结构进行自动拆分,获得多个单语步结构;然后构建用于训练的单语步结构语料库,并利用知识增强语义表示预训练模型,训练出句子级词向量;最后将训练出的单语步结构词向量信息输入双向门限循环单元(BiGRU)进行摘要语步自动化识别,取得了良好的效果。实验结果表明,该算法具有较好的鲁棒性和较高的识别精度,在结构化和非结构化摘要上的识别准确率分别达到了96.57%和93.75%。     

欢迎订阅2021年《真空》杂志

《真空》杂志创刊于1964年,由中国机械工业集团有限公司沈阳真空技术研究所主办,沈阳真空杂志社编辑出版,国内外公开发行。国家级刊物,首批列入我国"中文核心期刊要目总览",首批列入"中国科技论文统计与分析"刊源,首批入编"中国学术期刊光盘版"。50多年来在我国真空界享有盛名,颇受广大读者欢迎,为我国真空企业界首选技术刊物。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

《建筑结构》持续入编北大中文核心、中国科技核心并在世界期刊影响力指数中名列前茅

踔厉奋发,笃行不怠。在近期发布的科技期刊评价指标中,《建筑结构》整体表现良好,特向长期关心和支持学报发展的专家、学者汇报《建筑结构》2021年度所取得的成绩。(1)继续入编2020版《中文核心期刊要目总览》即北大核心期刊。(2)经过多项学术指标综合评定及同行专家评议推荐,《建筑结构》杂志继续被收录为"中国科技核心期刊"(中国科技论文统计源期刊),且在同类期刊中名列前茅。     

基于Bert预训练模型的虚假新闻文本检测

虚假新闻剥夺了人们获取真相的权利,也给社会和国家带来了许多危害。文中以虚假新闻文本为例,分析和验证了多种预训练语言模型在虚假新闻文本分类上的分类效果。经实验证明,相较于其他语言模型,Bert预训练语言模型取得了较好的结果,预测准确率为86.97%,召回率为88.12%,F1值为87.54%。