低维显式语义空间下的语义关联度计算方法

语义关联度计算是数据科学中的一个关键性基础问题,在信息检索及自然语言处理等方面有着广泛的应用.针对ESA (Explicit Semantic Analysis)算法存在的局限性,提出一种显式语义特征选择算法,并构建低维语义空间.在此基础上,根据特征概念在Wikipedia中的映射信息,提出一种低维显式语义空间下的语义关联度计算方法.该方法解决了ESA算法在后续语义关联度计算过程中,因高维稀疏空间导致计算效果不够准确的问题.实验结果表明,与当前其他方法相比,该方法的计算结果在皮尔逊相关系数(P)及斯皮尔曼相关系数(S)上与人们的认知判断之间具有更好的一致性.     

自动调温与均温艾灸仪的研制及温度场分析

为了解决现有艾灸过程中热量不均衡、热量利用率低、操作繁琐等问题，达到高效利用热量和药烟的目标，本文设计并实现了一种新型智能艾灸仪，该艾灸仪包含燃烧、熏蒸、收集及控制系统，可以实现烟雾自动收集、温度精确智能控制以及艾灸操作流程简化等功能。基于传热学理论对艾灸仪的熏蒸系统建立热力学模型，并利用Fluent软件对其进行温度场分析，分析结果表明：锥形流道是两种结构方案中较优的流道结构；所设计的温度均衡隔板对艾灸仪的温度均衡起到至关重要的作用；实际使用中存在的泄漏不仅对升温速度有轻微的影响，对温度场的分布也有一定的影响。设计与研究结果为现代艾灸仪的临床应用提供了理论基础。     

微生物废水处理产甲烷的自动控制系统

结合现代的自动控制技术和互联网技术,设计了基于微生物废水处理产甲烷的自动控制系统.选用基于Cortex A9主控芯片的Exynos4412作为控制核心,使用云架构的tomcat服务器进行数据存储,配合现场工业级执行单元与标准专用传感器,实现了微生物培养进而处理工业废水以及提高甲烷生产含量的目标.实际运行结果表明:该系统成功将废水处理至排放标准并使得生产的甲烷含量由52%提升至77%,具有较高的实用价值和应用推广价值.     

电路原理全英文混合式教学模式研究与实施——以大连民族大学为例

教学模式改革是高等教育的一个永恒课题。结合电路原理全英文教学的特点,以学生为中心,全面实施混合式教学模式,引入“雨课堂”等新型教学工具,改革课程评价方式,强化学习过程考核,学生的学习效果得到较大程度提升。     

基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.     

模糊大脑情感学习的自适应噪声抵消方法

提出一种以模糊大脑情感学习(fuzzy brain emotional learning, FBEL)模型作为自适应噪声抵消器的噪声抵消方法，应用于信号处理问题。该方法通过FBEL模拟经非线性通道传输后的噪声信号，将噪声信号从含噪信号中过滤掉，达到消噪的目的；根据自适应学习算法，利用奖励信号和梯度下降法对FBEL模型的权重及参数进行在线更新，以适应噪声的变化。选取均方根误差和计算时间2个性能指标，采用自适应噪声抵消方法在不同网络中进行仿真比较，结果表明，应用该方法可以获得更好的滤波性能。     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

基于自动站监测数据的广西廉州湾藻类生态灾害特征分析

广西廉州湾地处河口地区，藻类暴发性增殖的现象时有发生。为探究广西廉州湾藻类增殖的规律，本研究根据藻类暴发性增殖现象时存在溶解氧、pH值、叶绿素同步升高或降低的特征，对2015-2020年廉州湾海域运行的自动监测站和赤潮现场监测的数据进行统计分析。结果显示，廉州湾藻类暴发性增殖的现象主要发生在南流江、西门江至大风江入海口的近岸海域，暴发的频次呈现逐年下降的趋势。从不同季节来看，冬季和夏季发生的频次较高，但藻类增殖现象的持续时间基本未超过7 d。藻类增殖现象发生的频次呈逐年下降的趋势，这可能与南流江上游环境整治有关，反映出入海河流水质改变对近岸海域的直接影响。因此，持续保持陆地污染源科学有效的管理对廉州湾的生态环境保护有重大意义。     

Syndrome du jour: The historiography and moral implications of Diagnosing Darwin

Diagnosing Darwin's health problems has a long history. Innumerable diagnoses have been proffered in letters, articles, and a handful of dedicated books. Diagnostic speculation has exhibited contrasting somatogenic or psychogenic preferences. Psychogenic accounts dominated mid-century but were soon challenged by somatic explanations citing specific infectious or toxic aetiologies. This tension remains, although psychogenic accounts have tended to be swamped by an array of somatogenic diagnoses championed by biomedical specialists. As a whole, this parade of diagnoses has a striking syndrome du jour quality. Successive conjectures speak of the preoccupations and diagnostic fads of their particular age. Moreover, for many participants in this diagnostic game, unconscious presentism combined with self-serving projection, turning the question of what ailed Darwin into something of a Rorschach test. Never far from the surface was a sometimes-fraught tussle over the man's reputation, animated by the moral valences of the conjectures in play. In a broader sense, this diagnostic game has shaped biographical accounts of Darwin and his career in some significant ways.     

人工智能心理学研究的知识图谱分析

借助CitespaceⅢ对选自WoS的人工智能心理学研究文献进行知识图谱探析,结合自动聚类视图与议题标签展现了人工智能心理学领域的6个知识聚类:#0人工智能解决问题议题;#1人工与人类认知共性议题;#2人工智能学习议题;#3人工智能脑科学议题;#4人工智能环境认知议题;#5人工智能表征议题。在深入探究各聚类的核心与热点知识的基础上分析了人工智能心理学发展的各阶段特征:1.上世纪50年代图灵和米勒等人对机器认知与学习等概念的猜想与初探;2.70-90年代纽厄尔、西蒙和莱尔德等人基于模块记忆与层级分析对人工智能信息处理模型的系统性构建;3.本世纪初基于神经生理学的降维数据认知理论的发展;4.当下人工智能贝叶斯大脑与深度学习理论的兴起。