冻结黏土的强度与变形特性及参数研究

为了更全面地分析冻土的强度与变形特性,以皖北某矿取样的原状黏土为研究对象,进行不同温度(-5℃、-10℃、-15℃)下的单轴抗压强度试验和三轴剪切强度试验.试验结果表明,在试验温度下,试样单轴抗压强度的应力-应变曲线为应变软化型;试验条件下,冻土三轴剪切应力-应变曲线可以用双曲线模型描述.随着温度的降低,冻土的单轴抗压强度和弹性模量均增加.初始弹性模量和极限偏应力均与围压呈正相关,与温度呈负相关.冻土的抗剪强度随围压增加而增大,随温度增加而减小.通过冻土三轴试验得到的抗剪强度指标推算单轴抗压强度,可以为人工冻结法施工提供理论依据.     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。     

A sparse algorithm for adaptive pruning least square support vector regression machine based on global representative point ranking

Least square support vector regression(LSSVR)is a method for function approximation,whose solutions are typically non-sparse,which limits its application especially in some occasions of fast prediction.In this paper,a sparse algorithm for adaptive pruning LSSVR algorithm based on global representative point ranking(GRPR-AP-LSSVR)is proposed.At first,the global representative point ranking(GRPR)algorithm is given,and relevant data analysis experiment is implemented which depicts the importance ranking of data points.Furthermore,the pruning strategy of removing two samples in the decremental learning procedure is designed to accelerate the training speed and ensure the sparsity.The removed data points are utilized to test the temporary learning model which ensures the regression accuracy.Finally,the proposed algorithm is verified on artificial datasets and UCI regression datasets,and experimental results indicate that,compared with several benchmark algorithms,the GRPR-AP-LSSVR algorithm has excellent sparsity and prediction speed without impairing the generalization performance.     

卷积神经网络发展

卷积神经网络作为深度学习的重要代表算法之一,被应用到人脸识别、行为识别、字符识别和图像处理等多个领域,推动着人工智能的快速发展.本文在分析整理大量文献后,总结了卷积神经网络的发展阶段,介绍了卷积神经网络的基本结构和关键技术,选取LeNet、AlexNet、VGGNet、GoogLeNet和ResNet等几种具有代表性的网络进行分析对比,并指出各个网络的应用场景和优缺点,最后提出卷积神经网络未来的研究发展方向.     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

云计算图书馆的大数据知识服务研究

梳理了云计算图书馆的大数据知识服务研究现状,概括了其主要特点,并对5G时代云图书馆大数据知识服务进行展望.     

基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征。针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的两个方向LSTM分别刻画PM2.5浓度变化趋势性和周期性,然后采用线性回归杂合神经网络来捕捉PM2.5浓度变化的随机性。基于沈阳地区11个监测站2016至2017年空气质量和气象条件数据,本文将DLENN模型分别与自回归移动平均ARIMA模型、支持向量机SVM模型、随机森林RF模型和梯度提升树GBDT集成学习方法进行对比实验,结果表明DLENN预测模型稳定优于其他方法,其预测误差RMSE相对于ARIMA、SVM和集成模型分别下降了9.23%、3.83%、5.49%.     

基于改进LDA的社会化标签主题识别方法

针对社会化标签中资源之间存在独立同分布特性,并且其对应的标签资源作为资源内容的特殊语义内容,提出一种联合特征词加权-LDA(Joint Feature Word Weighting-LDA)在资源内容和标签下联合主题识别方法,从而解决资源存在的独立同分布特性以及特征词采样等问题.首先建立评论及对应标签资源在信息熵相似度条件下的潜在关系,对该潜在关系使用随机游走方法获取各组资源和各组标签的权值系数,消除资源间的独立同分布.通过加权方法加权至每个资源的特征词,形成资源特征词和标签特征词的权重值系数.在此基础上构建联合特征词加权-LDA模型,通过迭代学习方法获取社会化标签资源的隐含主题知识.通过实验表明,提出的联合特征词加权-LDA相对于其他主题模型具有更好的主题识别效果.     

平面黏弹性力学问题的插值型重构核粒子法

插值型重构核粒子法的形函数结合了包含Kronecker delta特性的简单函数和由基函数向量采用重构条件构造的增强函数,并且具有点插值特性和不低于核函数的高阶光滑性.该方法可直接施加本质边界条件,同时也保证了较高的计算精度.基于插值型重构核粒子法,文章提出了一种求解平面黏弹性力学问题的新方法.采用弹性-黏弹性对应原理和Laplace变换,将黏弹性问题转化为Laplace域内的准弹性问题,并采用插值型重构核粒子法进行求解,然后借助Laplace数值逆变换求得黏弹性问题的解.数值算例验证了本文所提方法的有效性.     

浅析智慧医疗数据合规要点

智慧医疗带来高效、高质量医疗服务的同时,医疗数据面临越来越多的安全挑战.智慧医疗的数据安全关乎患者隐私保护、个人信息保护、生命安全、社会公共利益和国家安全.目前在个人信息保护和数据安全领域,已经形成了由《民法典》《刑法》《数据安全法》《个人信息保护法》等法律、行政法规、国家标准构成的规范体系,加强数据合规建设是必然要求.医疗数据合规建设的要点包括去标识化、分级、分类、分角色、数据权限控制、伦理审查、知情同意、加密传输、数据存储安全、数据使用安全、数据发布共享安全等.