基于迁移学习的实时多类别文本分类方法研究

在实时文本分类任务中经常会有新类别出现,传统的文本分类方法通常难以利用实时的小规模样本学习新类别的模型。提出了一种基于迁移学习的新类别模型训练方法。首先将迁移学习技术和LS －SVM 算法结合,设计正则化项以控制源模型的迁移量及新模型与源模型的相似度,达到增量迁移。其次具体讨论了正则化项的学习方法。实验结果显示该方法相对同类算法有更好的分类性能,可以更高效地完成各种实时文本分类任务。     

日照港岚山港区附近海域秋季浮游动物群落结构特征

为了解秋季日照港岚山港区附近海域浮游动物状况,并初步探讨该海域浮游动物群落结构特征与围填海工程的关系,本研究以2019年11月在该海域的调查数据为基础,并结合2010年、2013年、2016年的调查资料,分析该海域浮游动物的群落结构特征及变化情况。2019年11月日照港岚山港区附近海域共发现浮游动物31种,平均生物量(湿重)为66.0mg/m3,平均丰度为35.8ind/m3,调查海域浮游动物丰度和生物量平面分布基本一致,总体上呈近岸高、远岸低,港区内低、港区外高的趋势;调查海域的优势种为强壮箭虫Sagitta crassa、薮枝螅水母Obelia spp.和五角水母Muggiaea atlantica;多样性指数为0.41—3.01,平均为1.61。综合分析2010—2019年4次秋季的调查数据,日照港岚山港区附近海域浮游动物种类组成比例有所波动,节肢动物所占比例先降低后升高,腔肠动物所占比例先升高后降低;种类数和丰度呈先降低后升高趋势,生物量和多样性指数呈先升高后降低趋势。调查海域浮游动物种类数量和丰度在波动趋势上与所在海域围填海工程的建设进展存在一定的响应关系,但浮游动物生物量、多样性指数与调查海域围填海工程持续建设响应关系不明显。     

类脑计算的基础元件：从忆阻元到分忆抗元

讨论一种新颖的类脑计算的基础元件:分忆抗元(分数阶忆阻元).忆阻元的概念从经典的整数阶推广到分数阶忆阻元,即分忆抗元.分忆抗元是分数阶忆阻元的一个合成词.分忆抗值是分忆抗元的分数阶阻抗.因此,可以很自然地想到一系列具有挑战性的理论难题:分忆抗元和传统的分抗元以及著名的忆阻元的关系是什么;关于介于忆阻元和电容元或电导元之间的内插特性是什么;以及关于分忆抗元在蔡氏电路周期表中的位置在哪里;任意阶理想的容性分忆抗元和感性分忆抗元的分忆抗值的一般表达式是什么;分忆抗元的度量单位和物理量纲是什么;鉴别分忆抗元的指纹特征是什么;如何通过普通的忆阻和电容与电感以模拟电路形式有效实现任意分数阶忆阻元.基于大量的前期探索性研究成果,对上述一系列理论难题进行了初步探讨.分忆抗元解决了分抗元很难实现记忆端口电荷或磁通量的功能,而且分忆抗元可作为一种基本电路元件应用到混沌系统、神经元电路、神经网络电路等的设计.     

Chiplet技术发展现状

Chiplet（芯粒）技术是近年来兴起的新一代集成电路技术，因其具有提升良率、突破光罩极限、芯片架构灵活、芯片组件技术供应货架化等特点，受到产业界的广泛重视。为进一步推动chiplet技术在中国的发展，梳理了chiplet技术的应用场景，分析了chiplet中的各种核心组件技术，阐述了在chiplet技术开发中可能出现的各种技术挑战，回顾了中国chiplet标准的发展情况，最后针对中国发展chiplet技术提出了建议。     

基于弹性约束的轻质楼盖人致振动舒适度控制

考虑感知者、行人和结构三者相互的动力耦合作用，形成行人-楼盖-感知者全路径耦合振动模式，以概率的形式评估了轻质楼盖的振动舒适度，并对楼盖的过量振动采用弹性约束进行了控制.为体现弹性约束对楼盖人致过量振动的有效性，采用TMD控制与其进行对比. 用DQ-IQ法处理建立的行人-楼盖-感知者耦合振动控制方程，以CFS组合楼盖为计算模型，得到当行人以不同步频在楼盖上行走时楼盖跨中与感知者的动力响应，并对比了采用TMD和弹性约束时的控制效果.以舒适度限值为参照标准，统计了在这两种控制措施下楼盖与感知者满足舒适度限值时的累积概率.结果表明，对于轻质楼盖，在刚度系数分别取0.5和3时，楼盖满足舒适度要求的概率由13.57%增加到86.98%，感知者的舒适度概率由11.75%增加到79.86%，极大程度地提高了舒适度概率，可为设计时边界条件转动刚度的选取提供参考. 在刚度系数取2时，楼盖的舒适度概率为68.80%，而感知者的舒适度概率仅为57.97%，相差10.83%. 在考虑人致振动时，感知者相对于结构在同等条件下更容易产生舒适度问题，建议在舒适度评估时增加感知者的加速度峰值.     

适用于强化学习惯性环境的分数阶改进OU噪声

本文将DDPG算法中使用的Ornstein-Uhlenbeck (OU)噪声整数阶微分模型推广为分数阶OU噪声模型，使得噪声的产生不仅和前一步的噪声有关而且和前K步产生的噪声都有关联.通过在gym惯性环境下对比基于分数阶OU噪声的DDPG和TD3算法和原始的DDPG和TD3算法，我们发现基于分数阶微积分的OU噪声相比于原始的OU噪声能在更大范围内震荡，使用分数阶OU噪声的算法在惯性环境下具有更好的探索能力，收敛得更快.     

基于BERT的长文本分类方法

由于预训练模型输入分词数量限制，基于BERT的长文本分类任务效果与长文本分割后的文本段集合的处理及特征融合密切相关，现有的长文本分类研究在融合文本段特征时更关注文本段之间原始的顺序关系，而本文提出了一种基于BERT和集合神经网络的长文本分类模型.该方法以BERT为基础，可处理从同一文本样本分割得到的任意数量文本段，经过BERT后得到文本段特征，再将所有文本段特征输入到具有置换不变性的集合神经网络层中，提取出集合级别特征来优化长文本的特征表达.通过在三个数据上的实验分析，论文在平均分词长度较长的数据集上取得了90.82%的准确率，高出目前最优方法4.37%.