基于预训练模型和混合神经网络的医疗实体关系抽取

医疗文本具有实体密度高、句式冗长等特点,简单的神经网络方法不能很好地捕获其语义特征,因此提出一种基于预训练模型的混合神经网络方法。首先使用预训练模型获取动态词向量,并提取实体标记特征;然后通过双向长短期记忆网络获取医疗文本的上下文特征,同时使用卷积神经网络获取文本的局部特征;再使用注意力机制对序列特征进行加权,获取文本全局语义特征;最后将实体标记特征与全局语义特征融合,并通过分类器得到抽取结果。在医疗领域数据集上的实体关系抽取实验结果表明,新提出的混合神经网络模型的性能比主流模型均有提升,说明这种多特征融合的方式可以提升实体关系抽取的效果。     

双船联合举升多体协同作业系统横摇稳性评估

基于ADAMS平台,构建特定场景双船联合举升多体协同作业系统虚拟样机,对新型一体化拆解作业双船联合举升过程中待拆除组块横摇稳性进行预测与评估。构建了该系统拓扑模型,使用几何参数描述系统中上部组块横摇运动特征;通过虚拟样机仿真探究了双船不同耦合运动情况时上部组块最危险失稳状态,并分析了上部组块重心至连接点连线垂直距离与水平距离比值对横摇角度的影响规律。结果表明:物理模型试验数据驱动的虚拟样机技术可以有效评估该系统运动特征,与几何拓扑模型得到的上部组块横摇失稳角度理论公式计算结果吻合;双船同相位横摇与反相位垂荡耦合运动时对上部组块横摇稳性影响最大;待拆除上部组块横摇失稳时的极限纵横比可以作为复杂多体系统横摇稳性评估参数,为实际工程方案选择提供参考。     

弱左型B半群的真覆盖

弱型B半群是在半富足半群范围内的广义逆半群.该文利用弱左型B半群真覆盖的定义,给出了弱左型B半群真覆盖的相关性质.特别地,得到了相应于弱左型B半群作用在幂单幺半群上的真覆盖的结构定理.     

Bi掺杂的直接甲醇燃料电池阳极催化剂研究进展

发展可替代能源对缓解全球能源问题具有重要意义。直接甲醇燃料电池(direct methanol fuel cell,DMFC) 因其工作温度低、能量密度高以及污染物排放少等特性,正逐渐成为最有发展前景的便携式能源技术之一。目前,其商业化进程主要取决于甲醇氧化反应(methanol oxidation reaction,MOR) 的动力学快慢、催化剂的成本和寿命。Bi元素的掺杂可以极大地提高甲醇电催化氧化的性能,并且可以提高阳极催化剂抵抗CO中毒的能力。介绍了掺杂Bi的贵金属和非贵金属阳极电催化剂,以及贵金属掺杂Bi₂O₃、Bi₂WO₆ 等光辅助电催化剂;综述了它们提高甲醇电催化氧化性能的机制,并展望了阳极Bi电催化剂在DMFC中所面临的机遇和挑战。     

旁侧基坑开挖对超大直径盾构隧道变形影响分析

密集城市区近接基坑工程易引发超大直径（>15 m）盾构隧道变形、结构开裂及渗漏水.当前超大直径盾构隧道建设处于起步阶段,基坑影响下隧道变形响应规律不明,合理的影响分区匮乏.本文采用有限元软件建立超大直径隧道旁侧基坑开挖的三维有限元模型,分析超大直径隧道的结构变形响应机制,并探讨隧道埋深、隧道-基坑间距、基坑开挖深度等因素影响规律.结果表明,基坑开挖引发地层朝向基坑的“鼓肚子”水平位移和“勺子”状竖向位移;与小直径隧道相比,超大直径盾构隧道表现出较小的纵向变形和较为显著的横向变形;隧道变形随隧道-旁侧基坑围护结构距离增大而减小、随埋深增大先增大后减小、随基坑开挖深度的增大而增大.通过基坑开挖深度归一化后,隧道最大变形与隧道-基坑间距可用指数函数高精度拟合.提出归一化后的影响分区图,为实际工程超大直径隧道结构保护提供重要的参考.     

红毛五加多糖的分离纯化和表观分子质量测定

红毛五加经热水浸提，用Sevag法脱蛋白，经DEAE—cellulose 32离子交换层析和Sephacryl S-200HR凝胶层析纯化得到3个主要多糖组分：AHP-Ⅰ、AHP-Ⅱ、AHP-Ⅲ，经HPLC和Sephacryl S-300HR凝胶层析鉴定，3种多糖均为均一组分，HPLC测定AHP-Ⅰ、AHP-Ⅱ、AHP-Ⅲ的表观分子质量分别为：7．0kD、59．5kD和12．9kD，Sephacryl S-300HR凝胶层析进行验证，得到相似结果．     

光纤传感器及其应用研究

光纤传感器技术在现代检测及自动控制中的应用非常广泛,本文从光纤基本原理及光纤特性等方面,对光线的物理特性进行分析和研究,并利用其不同于传统传感器的优越性能,针对我省采矿工业的安全监控系统,提出一种全光网络的安全监控方法.此方法安全、可靠、精度高.     

多Agent组织的一种矩阵结构

借鉴人类现代组织理论，给出了Agent组织的一种矩阵模型描述。相比层次结构的组织，加强了组织横向之间的联系，增加了管理幅度，减少了组织的层次，从而降低了交互通信代价，提高了组织的求解效率和组织对外部环境的快速反应能力。     

基于Bezier曲面的大规模散乱数据的插值

对于大规模散乱数据而言，传统的散乱数据的插值方法由于要通过求解联立方程组来得到插值曲面，因此无法适应大规模散乱数据的逼近．本文提出的基于Bezier曲面的大规模散乱数据的插值方法，是一种通过自适应的迭代方法，对大规模的采样点进行Bezier曲面插值的方法，有助于提高计算的速度和精度．     

倒立摆的Reinforcement Learning模糊自适应控制

根据Lagrange方程建立了单级倒立摆系统的数学模型，利用模糊自适应控制算法设计了倒立摆系统的控制器，并在Matlab的仿真模块中将倒立摆系统的数学模型和控制器结合起来．对倒立摆控制系统进行了仿真研究。结果表明，对于要求实时性较高的非线性不稳定系统。用模糊自适应控制算法可以按照控制要求在线调节控制参数，在最短的调整时间内取得良好的控制效果。