一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

云计算视角下可验证计算的分析研究

云计算能否在未来的各个领域中被广泛运用,决定因素在于其可信度。可验证计算在检测云计算结果的可信度方面具有其独特优势。利用可验证计算协议可验证云服务器端所返回的数据是否正确,它成为实现云计算可信度的重要保障。文中在阐述可验证计算基本内容和相关设计原则的基础上,分析了可验证计算协议的一般流程、设计原则及计算模型,并结合基于交互系统的可验证计算协议分析,探讨在云计算视角下可验证计算的研究展望。     

基于PLS-BP神经网络组合模型的回采工作面瓦斯涌出量预测

提出PLS-BP神经网络组合模型,预测回采工作面瓦斯涌出量.利用分源预测法划分回采工作面瓦斯涌出来源,根据瓦斯涌出来源受不同因素的影响,运用偏最小二乘法(PLS),通过交叉有效性分析,确定提取主成分个数,将主成分作为神经网络输入层建立关联模型.研究证明,本方法不仅避免了各种不相关因素之间的干扰,解决各因素之间多重相关问题,降低变量维数,而且可以结合BP神经网络的非线性映射能力和适应学习能力等优点,提高预测稳定性和精度.     

考虑进口预旋的阶梯型迷宫密封转子动力特性

针对阶梯型迷宫密封转子动力特性受进口预旋影响的问题，提出了考虑进口预旋的阶梯型迷宫密封动力特性计算方法。基于Murphy小位移涡动原理建立气流激振力-转子位移-转子速度的控制方程；采用计算流体力学(CFD)数值模拟方法对不同预旋比的全环密封流道进行计算，通过频域内求解控制方程得到了刚度和阻尼等动力特性参数，研究了不同预旋比的情况下阶梯型迷宫密封的动力特性；绘制了流道内的压力分布和流速矢量图，研究了阶梯型迷宫密封的流场特性。数值仿真结果表明：随着预旋比的增加，直接刚度在低频部分增大，在高频部分减小，交叉刚度几乎不变，交叉阻尼随预旋增加而减小；气流预旋明显降低了直接阻尼，相较于预旋比λ=0的情况，λ=0.255及λ=0.516的工况下直接阻尼的预估值平均减小了16.9%和21.4%;随着节流次数增加，气流经过密封齿的压降逐渐增加，分别为0.25、0.374和0.499 MPa,密封齿顶的流速也逐渐增加，分别为79.5、88.36和106.0 m/s;由于密封齿阶梯式的排列增加了主流道的复杂性，阶梯密封流道分为节流区、射流区和涡流区，涡流区2个转向相反的旋涡增加了流道内气流动能的耗散。     

基于轨迹交叉理论的高校信息安全事故分析

近年来,随着我国信息技术的快速发展,尤其是高校信息安全问题日益受到大家的重视.高校信息管理非常重要,因为其涉及到一些项目创新,最新的科技成果和涉密的研究信息,那么加强高校的信息安全事故分析,然后采取必要的措施进行处理,如此便可达到究其根源、治其病根的效果.该文主要根据轨迹交叉理论来对高校信息安全事故进行分析,并针对相应的有效解决途径进行研究.     

基于扫描数据零件轮廓特征自动识别的方法

主要研究基于扫描数据自动识别零件轮廓特征的方法与技术．首先给出了零件轮廓特征自动识别的工作流程，然后提出了零件轮廓特征自动识别的原理与算法，最后通过具体实例验证了本方法的优点及可行性。     

脑的微环路

<正>前言脑中微环路的研究,是介于还原到神经元、综合到心理与行为两个层次间的大问题。简单的定义,就是研究神经元相互之间是什么关系,几十个到几千个神经元作为整体是怎样运作的,并怎样产生高级功能的。只有理解了这个中间层次的问题,我     

一种改进的基于效用理论的TOPSIS决策方法

提出了一种改进的TOPSIS决策方法.该方法更多地融合了决策者的主观意愿:用决策者对属性的效用评价代替方案的原始属性数据;用模糊数替代精确值反映决策者对效用值的理解模糊不确定性;同时关注决策者对最佳决策方案属性效用的综合性、均衡性考虑.最后,通过对一个具体决策实例的分析,验证了方法的合理性和有效性.     

一种二元决策图底事件排序的新方法

故障树分析(Fault Tree Analysis, FTA)是对系统进行可靠性分析的一种有效方法.而在现在所有的故障树分析中,二元决策图(Binary Decision Diagram, BDD)又是其中最有效的方法之一.由于BDI)的节点数在很大程度上依赖于输入的底事件的排列次序,所以从故障树到BDD的转换过程中,需要先对底事件进行排序.而如何对底事件进行有效的排序则成为一个重要且未完全解决的课题.本文提出了一种新的底事件排序法--相邻底事件优先法.其基本思想是利用故障树的相邻关系来给其赋予不同的排序优先级.该排序方法所具备的特点包括:其底事件排序过程是静态的,但在BDD的构造过程中,能动态地对已经排序的底事件进行筛选,同时它还支持在BDD的不同分支采用不同的底事件排序方法.实验证明,与现有的最优方法相比,相邻底事件优先法可有效提高75%的故障树的BDD转化效率.     

遗传算法模式理论研究

给出了多种交叉方式遗传算法的模式定理及相关的证明.该定理避免了遗传算法模式理论的不足,使模式理论更加准确、严格.