二阶线性双曲方程的H1-Galerkin扩展混合有限元方法

采用H1-Galerkin扩展混合有限元法数值模拟二阶线性双曲方程,该方法的优点在于有限元空间无需满足LBB限制条件,还可以同时高精度逼近压力、压力梯度和Darcy速度.另外,由于该方法不需要对渗透率系数求逆,可适用于求解低渗透率问题.论证表明,该方法具有对压力、压力梯度和Darcy速度的L2-最优逼近估计.     

基于公共特征空间的自适应情感分类

针对情感分类这一项从文章或句子中得到观点态度的任务,常规情感分类模型大多需要耗费大量人力获取标注数据.为解决某些领域缺乏标注数据,且其他领域分类器无法在目标领域直接使用的现状,设计了一种新颖的基于构建公共特征空间方法,使分类模型可从有标注领域向无标注领域进行迁移适应,减少人工标注的成本开销,实现情感分类的领域自适应.该方法以大规模语料下预训练的词向量信息作为以词为元素的特征,在同种语言中表达情感所采用的句法结构相似这一假设前提下,通过对领域内特有的领域特征词进行替换的方式构建有标注数据集与无标注数据集基本共有的公共特征空间,使有标注数据集与无标注数据集实现信息共享.以此为基础借助深度学习中卷积神经网络采用不同尺寸卷积核对词语不同范围的上下文特征进行抽取学习,进而采用半监督学习与微调学习相结合的方式从有标注数据集向未标注数据集开展领域自适应.在来自京东与携程共5个领域的真实电商数据集上进行实验,分别研究了领域特征词选择方法及其词性约束对领域间适应能力的影响,结果表明:相较于不采用领域适应的模型,可提升平均2.7%的准确率;且在来自亚马逊电商的公开数据集实验中,通过与现有方法进行对比,验证了该方法的有效性.     

强稳定的线性三步四阶公式

研究一阶常微分方程数值解的收敛性和稳定性，利用最优化算法，确定最优化系数，得到强稳定的线性三步四阶公式，经过实际计算，结果优于目前已有的公式。