融合生成式模型的知识增强实体链指方法

未链接实体分类是实体链指(Entity Linking, EL)任务中的重要研究内容之一。现有方法存在上下文语义信息不充分、分类准确率低等问题，导致实体链指任务表现不佳。本研究提出一种融合生成式模型的知识增强实体链指方法。该方法将实体链指分为两个子模块，即候选实体排序模块和未链接实体分类模块。本研究基于高精度的候选实体排序模块，获得高质量的知识扩展信息，并对未链接实体分类任务进行知识增强；针对未链指实体提及的分类问题，提出一套生成式框架，该框架能够取得超过基线模型的性能。本研究方法在2020年全国知识图谱与语义计算大会(CCKS2020)评测任务二的中文短文本实体链指数据集上取得了目前最佳性能(整体F值为91.76%),证明知识增强和生成式框架的引入能提高模型的泛化能力，缓解未链接实体分类中的信息不充分问题。     

内悬置电动轮的柔性联轴器动力学性能分析

内悬置电动轮构型可延长电机使用寿命，缓解簧下质量过大造成的舒适性问题。由于轮内空间有限，用于动力传递的柔性联轴器结构和性能直接决定内悬置电动轮的性能。该文提出了一种面向内悬置电动轮的柔性联轴器。该联轴器是由多个连接臂组成的平面并联机构，每个连接臂由2个平行四边形机构串联而成。建立了该联轴器机构的运动学和动力学模型，给出了偏心度、连杆静载荷及动载荷的计算方法。结合一组结构参数，对联轴器的偏心度、连杆静载荷及动载荷进行了定量分析。结果表明：该联轴器允许传动系统在动力传动过程中沿垂向跳动，具有等速传动、占用轴向空间小、偏心行程大以及动载荷小等特点。该联轴器可望推进内悬置电动轮的工程化研发。     

针刺神经影像学研究的质量控制影响因素概述

脑功能成像技术在针刺机理研究中的运用为科学阐释针刺效应的中枢机制提供了无创性、可视化的研究手段,但是由于脑功能成像和针刺操作的复杂性,针刺神经影像学研究的质量控制显得尤为重要,就针刺神经影像学研究中样本量、受试者纳入和针刺操作等方面讨论其质量控制的影响因素,研究提出参考。     

基于语义分割深度学习的地基云图分割方法

随着深度学习技术的迅速发展，更复杂更先进的语义分割深度学习模型在地基云图检测分割任务中得到广泛研究和应用。首先开创性地对新发布的地基云图数据集进行整理概括；然后阐述了基于深度学习语义分割模型在地基云图分割方面的研究进展，详细地介绍了典型的语义分割网络模型；接着选取了部分优秀性能的语义分割模型在标准的数据集上训练和验证，系统性评估其在地基云图分割的性能，验证了语义分割模型在地基云图分割领域的适用性;最后提出对基于语义分割的自适应地基云图像素级分割研究的总结和展望。     

基于改进ConvNeXt的COVID-19胸部图像分类

针对新型冠状病毒感染胸部 X-ray 图像分类任务数据集样本过少,现有的两阶段分类器和三阶段分类器模型对高纬度的图像特征提取效果差,模型训练慢等问题,提出一种基于 ConvNeXt 卷积神经网络改进的分类任务算法 ConvNeXt-AT。 ConvNeXt-AT 分类模型首先通过在 ConvNeXt Block 层添加混合域注意力机制 CBAM 来提高图像特征提取能力,不仅考虑了通道间的信息交互能力还考虑到了空间域上像素间的联系,得到 ConvNeXt-AT 模型;然后针对 X-ray 图片常见的泊松噪声使用全变差正则化方法对数据集进行降噪处理;最后在 COVID-19 公开的大型数据集共 21165 张图片进行对比实验。 实验结果表明,在训练数据集充分的情况下,改进的 ConvNeXt-AT 模型相较于常用分类模型 ResNet-50、MobileNet、EfficientNet 以及原 ConvNeXt-T 在准确率上分别提升了 2%、2. 7%、2. 1%、1. 9%。 最后通过 Grad-CAM 显示类激活图的图像可视化方法证明改进方法是可行的,模型具有很好的鲁棒性。