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.     

极小相关组的Matlab实现及其在编码中的应用

纠错码技术是通信技术中不可或缺的一项技术,并在当今的通信技术发展中占有很高的地位,线性分组码是常用的一种纠错码,其纠错能力的计算需要以线性分组码最小码距的计算为基础。向量组极小相关组的提出,引入了向量组的距的定义,为线性分组码纠错能力的计算提供了新思路,极小相关组的有效而且快速求解方法研究将是一个新课题,针对计算机通信科学发展的需求,基于遍历法的思想,运用Matlab软件编写程序求解向量组的极小相关组,并将程序简单应用于具体向量组极小相关组的计算以及线性分组码纠错能力的计算。     

基于改进灰狼算法优化SVR的航天侦察装备效能评估

定量评估航天侦察装备效能是武器装备体系建设的重要环节之一, 对装备发展和作战应用具有重要的现实意义。针对评估样本数据少、效能在多指标因素影响下变化规律非线性等条件下的效能评估问题, 提出一种基于改进灰狼(improved grey wolf optimizer, IGWO)算法优化的支持向量回归机(support vector regression, SVR)评估方法(IGWO-SVR)。引入反向学习策略及余弦非线性收敛因子改进灰狼优化算法收敛性能及全局寻优能力, 并将其应用于基于支持SVR效能评估参数的优化。基于航天侦察装备特点, 构建评估指标体系及航天侦察装备效能评估模型。最后, 通过对一定作战想定背景下航天侦察装备效能进行仿真评估, 验证了所提方法的合理性及优化模型的有效性。     

中国和美国信贷冲击跨境溢出效应的比较研究

本文构建了基于符号约束识别的GVAR模型,并用以考察中国和美国的信贷市场冲击对全球41个国家的不同溢出效应.研究结果表明,中国紧缩性信贷市场冲击对本国实体经济有显著的负效应,但仅限于短中期;而美国信贷冲击对本国乃至全球经济都具有相当大且持久的负影响.中国信贷冲击的跨国效应较小,且主要通过贸易渠道.中国信贷市场的本国冲击能解释中国产出近10%的波动,但无论是本国效应还是跨境传导,总需求冲击仍是驱动中国经济周期波动的最主要力量.     

论科学解释的实用特征和生物学解释的语境相关性

科学解释具有实用特征(pragmatic aspect).这一特征与"科学解释的标准形式"相比,具有解释主体的相关性,即因解释主体的差异寻求多样化的解释形式.本文通过生物学解释的特征的分析,指出生物学解释具有因解释主体不同而形成的语境相关性,而这一特性决定了生物学解释与物理学解释的本质差异.     

论家庭教育中儿童人格的塑造与培养

父母及家庭环境对儿童人格形成与发展具有十分重要的影响。父母要以身示范,营造和睦、健康、向上的家庭氛围。在儿童人格塑造和培养中,要十分重视智力因素的培养,特别注意早期智力与创造力的开发,重视社会适应能力的培养,包括融入集体生活的能力、人际适应能力和环境适应能力等。     

试论陈寅恪先生的文史互证研究

陈寅恪的史互证研究是中国人研究史上的一座丰碑。其“贴近现实、逆向思维、融贯古今、史笔诗心、突破前人”等方面均精湛独到，创造了一个学术研完的新时代。     

恒等式证明的概率模型法

本文利用建立概率模型,证明几个重要的恒等式。有些恒等式用常用的分析方法证明是很不易的,但建立了概率模型后,通过求概率或求数学期望,很方便地把恒等式证明出来。     

关于图的第二特征标R2(G)

对任意图G，h(G，x)表示图G的伴随多项式，R2(G)表示图G的第二特征标，本文刻画了R2(G)=-2，-1，0，1，2的全部连通图。     

HARICH-CHANDRA MODULES OVER LIE SUPERAL GEBRAS

In this paper, we obtain a theorem for the classification of the irreducible Harich-Chandra modules over G, Where G is a basic classical Lie superalgebra of I type. And the list of the classi-ficatication is given for G=A(1,0).