基于Petri网的物流派送模型修复分析

目前,模型修复技术应用领域非常广泛,模型修复不仅可以达到完全重放日志的目的 ,还可以最大程度地与原始模型保持相似,能够保留原始模型的价值.因此,越来越多的学者专注于研究模型修复.基于Petri网构建了一个物流派送流程模型,然后将事件日志与流程模型进行一致性检查,主要根据成本对齐测量其偏差,并针对检查到的偏差部分,根据提出的用于辅助模型修复的算法对原始模型进行修复,使得修复后的模型能够完全重放事件日志.最后通过实例分析验证了修复模型的合理性.     

基于流形假设的骨架序列动作识别算法

骨架数据是通过对动作的空间几何位置进行编码获取,可以避免冗余背景信息的干扰, 是动作识别领域常用的数据类型之一.现有骨架数据的动作识别主要分为经典的骨架数据表征和基于深度学习的骨架动作识别应用.相较于传统欧氏度量下的识别方法,流形为更好地研究非线性结构提供了重要数学工具. 然而,目前仍缺乏利用流形假设对骨架数据进行动作识别的相关总结. 因此,从骨架表示、轨迹时间对齐、动作序列表征以及动作分类 4 个关键步骤出发,系统地总结了基于流形假设的动作识别工作,对比了各项工作在基准数据集上的表现. 最后,根据当前动作识别工作的发展趋势,对流形假设在动作识别方向上的进一步改进进行了展望.     

预训练模型下航天情报实体识别方法

为了快速处理航天情报,基于数据驱动的深度学习技术,提出融合多源异构知识标注中文航天情报数据集的方法流程,以及基于预训练(pre-training)模型的航天情报实体识别(AIER)方法;通过对航天情报进行命名实体识别,达到对航天情报进行信息抽取的目的.通过融合BERT(bidirectional encoder representation from transformers)预训练模型和条件随机场(CRF)模型构建AIER模型(BERT-CRF模型),将其与隐马尔可夫模型(HMM)、条件随机场(CRF)模型、双向长短期记忆网络加条件随机场(BiLSTM-CRF)模型进行实体识别对比实验.结果表明:基于预训练模型的AIER模型能够取得93.68%的准确率、97.56%的召回率和95.58%的F₁值;相比于其他方法,基于预训练模型方法的性能得到提高.     

Nonlinear analysis on the reinforced concrete multi-T girder based on the solid and degraded composite element

根据实体退化壳单元理论,推导单元的位移场,建立钢筋混凝土多梁式T梁的实体退化组合单元模式,其中纵向受力钢筋采用空间杆单元处理,并推求了其对实体退化组合单元刚度矩阵的贡献。采用Ottosen四参数屈服准则,考虑混凝土的材料非线性,以及通过V.Karman假设考虑了结构的几何非线性,分析几何非线性对此结构的影响。典型算例分析表明:考虑双重非线性的钢筋混凝土多梁式T梁的实体退化组合单元的计算结果与试验资料吻合良好;当偏载加载时,加载端边梁的受力钢筋应力发展较为迅速而首先达到屈服应力,其余各主梁的受力钢筋应力依次发展,直至结构破坏;对于钢筋混凝土多梁式T梁类实体结构,材料非线性效应明显,但几何非线性效应在一定范围内可以不计入。     

人性假设矩阵的构建——未来人性假设与管理理论定位的思考

人性假设是管理理论的基础。本文模仿管理理论"丛林"对人性假设进行了梳理,构建了基于时间坐标与空间坐标的人性假设矩阵,从而将人性假设归类入"实体—静态""实体—动态""关系—静态"及"关系—动态"四个象限。在梳理西方实体人性假设与东方关系人性假设的基础上,论证了未来的人性假设与管理理论应定位于"关系—动态"象限的观点,进一步指出了人性假设整体性、过程性、演绎性与非均衡性的特征。最后,本文还指出未来管理理论将出现的四种研究趋势。     

基于CNN-CRF的中文电子病历命名实体识别研究

智慧医疗技术的发展让我们不满足仅使用传统方法做医学研究。针对中文电子病历实体识别问题,设计了一种基于卷积神经网络结合条件随机场(convolutional neural network-conditional random field,CNN-CRF)的实体识别算法框架。为得到高质量的词向量,将标注实体加入词典进行分词,并将已标注和未标注文本作为语料,用word2vec工具对已分词文本进行无监督学习;为避免扩张卷积层数增加导致过拟合,采用迭代扩张卷积处理输入向量,并使用dropout随机丢弃一些连接;运用条件随机场对网络的分类结果进行修正。把该方法在中文电子病历上进行对比试验,从病历中提取出身体部位,疾病,症状,检查及治疗5类实体。实验结果表明,该方法能有效地辨别病历中的实体,其识别的准确率、召回率和f1值分别为90.01%,90.62%,90.31%,准确率和速率比传统方法都有一定提高。     

面向物联网的异构实体间关系服务模型

物联网中的实体大多以异构形式存在,解决异构问题是推进物联网发展的重要因素.为此,在分析了实体及实体上载到网络中信息的特点后,基于Agent提出一种异构实体关系服务模型.该模型具有实体信息数据处理和构建实体服务逻辑两种功能,利用提出的全新的实体物间动态关系计算公式将异构数据转化为物间关系紧密度（值）,并依此生成了Agent服务序列,结合二分图理论实现物联网环境下的Agent服务逻辑;屏蔽了原本因实体和其信息的异构而使得其无法正常交互通信的缺点,实体通过模型中与之对应的Agent进行交互,并在已构建的服务逻辑下支配Agent;最后对该模型进行了仿真实验,结果表明其可满足物联网环境中的用户服务需求,在数据更新和服务准确率及冲突的处理上要优于传统的本体语义技术对异构问题的处理结果.     

BSAED:一种基于双向语义关联的实体消歧算法

考虑了实体的全局一致性,充分利用了知识库中实体间结构化的语义信息.在PageRank算法的基础上,提出一种基于双向语义关联的实体消歧算法,该算法通过在维基百科中抽取出实体之间的超链接关系构建知识图谱,重新定义两个实体之间的平均最短路径,并联合实体之间的语义信息以完成实体链接消歧的任务.在公开数据集上进行的实验结果显示:该算法能提高实体消歧结果的准确率和召回率,实验结果优于当前主流算法.     

松口蘑(松茸):日本人眼中的“食用菌之王”

<正>担子菌门(Basidiomycota)伞菌纲(Agaricomycetes)伞菌目(Agaricales)口蘑科(Tricholomataceae)口蘑属(Tricholoma)松口蘑(Tricholoma matsutake)松口蘑,俗称松茸,因其常常生长在松林中,同时菌蕾状如鹿茸而得名。作为一种名贵的野生食药用菌,松口蘑在日本和韩国深受喜爱和推崇,在日本称为"松蕈",甚至有着"食用菌之王"的美誉。那么,这到底是一种怎样的真菌呢?     

国内资讯·企业信息

1．4月21日．兴业银行与泉州市政府举行签约仪式．宣布将联合设立消费金融股份有限公司．积极探索金融服务实体经济的新途径和新模式,为消费者提供更加便利的金融服务。