融合多尺度CNN与双向LSTM的唐卡问句分类模型

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度CNN与双向LSTM融合的唐卡问句分类模型,本模型将数据的全局特征与局部特征进行融合实现唐卡问句分类任务,全局特征反映数据的本质特点,局部特征关注数据中易被忽视的部分,将二者以拼接的方式融合以丰富句子的特征表示。通过在Thangka数据集与THUCNews数据集上进行实验,结果表明,本模型相较于Bert模型在精确度上略优,在训练时间上缩短了1/20,运算推理时间缩短了1/3。在公开数据集上的实验表明,本模型在文本分类任务上也表现出了较好的适用性和有效性。     

结构和价态调控的Ce-MOFs及其衍生物吸附水中氟离子的机理

严控饮水氟浓度,可以有效降低人体罹患氟骨症和氟牙症的风险。近年来,铈基吸附材料在解决氟污染问题中表现优异,而铈盐与有机酸反应生成的铈基金属有机框架材料（Ce-MOFs）或其衍生物,能有效去除水中的氟离子。硝酸铈铵（Ce(NH₄)₂(NO₃)₆）和均苯三甲酸（H₃BTC）在不同反应时长下生成了Ce-MOFs CeT1及其衍生物CeT2,更换H₃BTC为对苯二甲酸（H₂BDC）,反应生成2种Ce-MOFs,CeD1和CeD2。利用XRD、BET、SEM、XPS和FTIR对材料的结构、比表面积、元素含量和组成基团,进行系统的表征;通过控制吸附时间、溶质初始浓度、溶液pH值和竞争离子种类研究4种材料的吸附性能;对实验数据进行吸附动力学模型和吸附等温模型拟合,探究吸附机理。表征结果显示,CeT1为高度配位不饱和的Ce(Ⅳ)-MOFs,CeD1为比表面积最大（1 003.10 m²/g）的Ce(Ⅳ)-MOFs,而CeT2和CeD2则同为Ce(Ⅲ)占比较高的吸附材料。吸附实验中,CeT1、CeT2、CeD1和CeD2的最大吸附容量分别为99.38 mg/g、142.45 mg/g、60.45 mg/g和124.55 mg/g,CeT1、CeT2和CeD2符合假二级动力学模型,CeD1符合假一级动力学模型。4种材料对氟离子的吸附机理主要为静电吸引、离子交换和沉淀。其中,CeT1的不饱和配位可提供吸附位点进行离子交换和静电吸引,CeD1的大比表面积增加了污染物与材料的碰撞几率,而CeT2和CeD2中含有的Ce(Ⅲ),可通过形成溶度积常数极小的CeF₃（K_sp=8×10^-16）,以沉淀作用固定氟离子。实验分析了4种材料的特点与吸附性能之间的关系,为Ce-MOFs及其衍生物的制备与优选提供参考。     

基于改进粒子滤波算法的车速估计

针对基于粒子滤波算法设计的车速估计器因提议分布与实际分布不一致导致粒子退化使估计误差变大的问题,提出了一种通过修正提议分布减弱粒子退化影响的改进粒子滤波车速估计器。首先,基于车辆运动学模型和传感器特性建立系统的状态转移方程和观测方程。然后,利用传感器测量值与粒子状态值的差值设计提议分布修正项对状态转移方程进行修正,并对过程噪声做自适应处理。最后,利用CarSim-Simulink联合仿真平台在双移线工况和正弦转角输入工况下进行仿真验证。与自适应粒子滤波器相比,双移线工况下改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了40.25%和55.71%;正弦转角输入工况下,改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了47.00%和41.21%。     

D3DQN-CAA:一种基于DRL的自适应边缘计算任务调度方法

为解决已有基于深度强化学习的边缘计算任务调度面临的动作空间探索度固定不变、样本效率低、内存需求量大、稳定性差等问题,更好地在计算资源相对有限的边缘计算系统中进行有效的任务调度,在改进深度强化学习模型D3DQN（Dueling Double DQN）的基础上,提出了自适应边缘计算任务调度方法D3DQN-CAA.在任务卸载决策时,将任务与处理器的对应关系看作一个多维背包问题,根据当前调度任务与计算节点的状态信息,为任务选择与其匹配度最高的计算节点进行任务处理;为提高评估网络的参数更新效率,降低过估计的影响,提出一种综合性Q值计算方法;为进一步加快神经网络的收敛速度,提出了一种自适应动作空间动态探索度调整策略;为减少系统所需的存储资源,提高样本效率,提出一种自适应轻量优先级回放机制.实验结果表明,和多种基准算法相比,D3DQN-CAA方法能够有效地降低深度强化学习网络的训练步数,能充分利用边缘计算资源提升任务处理的实时性,降低系统能耗.     

型钢高强自密实混凝土黏结滑移性能试验研究

为研究型钢与高强自密实混凝土界面黏结滑移性能,以混凝土保护层厚度和型钢埋置长度作为变化参数,设计9个型钢高强自密实混凝土试件进行推出试验. 观察试件破坏过程、破坏形态和裂缝发展形式,获取了试件加载端的荷载-滑移全过程曲线,研究不同变量对其黏结性能的影响规律. 结果表明：型钢高强自密实混凝土组合结构界面极限黏结强度随着混凝土保护层厚度的增加而增大,最大增幅94.9%;随着型钢埋置长度的增加而减小,最大削减为38.1%. 界面黏结抗剪刚度随着型钢保护层厚度的增加先增大后减小,最大增幅85.1%;随着型钢埋置长度的增加而增大,最大增幅为30%. 界面耗能能力与其变量相关性较弱;随保护层厚度的增加,界面损伤发展越晚;随型钢埋置深度的增加,界面损伤速度减缓. 提出了型钢高强自密实混凝土黏结强度的计算公式,能较好地预测型钢高强自密实混凝土黏结强度.     

基于价格浮动模型分析的政府对大宗农产品定价调控政策研究

大宗农产品的价格合理、稳定有利于整个社会的稳定和市场经济的发展,因此,通过对大宗农产品价格浮动模型的分析,给出政府对大宗农产品定价上浮的充分条件、保价的必要条件和与大宗农产品销售价格相关的下调幅度。由此得出了政府采取的对大宗农产品价格上浮、保价以及价格下调时的宏观调控策略建议,这些建议可以使政府对大宗农产品定价调控政策更加合理科学。图1,参5。     

多元散射校正和逐步回归法建立黑土有机碳近红外光谱定量模型

采用全谱建立近红外校正模型,计算工作量大且冗余信息多。通过特定方法筛选特征波长有可能得到更好的定量校正模型。逐步回归法在波长选取方面起到了重要的作用。多元散射校正技术（Multiple scatter correction,MSC）可以有效剔除由样品颗粒大小、装填密度、湿度等不同引起的散射影响,有效提高光谱的信噪比。以我国东北黑土为研究对象,采集了136个土壤样品3699cm^-1-12000cm^-1范围的近红外光谱,利用多元散射校正技术对近红外原始光谱数据进行预处理,评价MSC的去噪效果,并利用多元线性回归法建立了土壤有机碳含量与校正光谱优选波长点处吸光度之间的关系模型,评价多元逐步回归法优选波长的有效性。结果表明,多元散射校正技术有效降低了散射的影响,提高了相关光谱的信噪比,模型决定系数从0．598提高至0．681。基于手动挑选波长建立的模型决定系数高达0．956,预测样品集模型预测值与实测值之间的相关系数为0．823。手动挑选波长建立的SOC模型预测能力优于基于逐步回归方法建立的定量模型,利用逐步回归分析法优选波长还需要进一步研究。图7,参26。     

采用硬件加脱密算法实现IPv6网关

针对IPv6网络协议,提出了采用硬件加脱密算法的网关模型。该模型通过构建ESP安全隧道能够保证IPv6网络环境中数据的完整性和机密性。模型的实现技术采用软硬件相结合的方法,采用硬件方式提高加脱密处理速度。同时还针对预留的QoS字段探讨出一套利用密码网关来配合实施服务质量的方案。     

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.     

分布式交互仿真中的电波传播模型研究

针对分布式交互仿真中电波传播的建模与表现方法进行了研究.针对电波传播环境的复杂性,采用了一种将经验模型、半确定半经验模型和确定模型相结合的电波传播模型,并给出了复杂电波传播环境下相关环境信息数据的表达方法.在小区制非可视传播环境中,加速改进了基于SBR的射线跟踪算法,给出了相关的实验,并验证了其有效性.