"习惯法"与法的概念的泛化

马克思主义关于法的本质和概念的原理具有科学性和合理性，只能在实践中不断发展，不能予以否定。然而，近年来法学界却流行在国家制定或认可的法之外还存在所谓“民间法”、“习惯法”、“非官方法”等法的概念泛化现象。法的概念泛化有多方面的原因，其影响是消极的，在理论上是错误的，在实践中是有害的，它与马克思主义关于法的基本原理相矛盾，与贯彻“依法治国”方略相冲突。这个理论误区必须澄清。     

称谓语“老师”泛化现象的语用学研究

本文旨在对称谓语"老师"泛化这一现象,作系统的归类,并从语用学角度分析造成这一现象的语用原因。     

基于规则学习的炼钢-连铸钢包选配方法

针对炼钢-连铸生产钢包选配时，钢包属性众多，且选配目标相互冲突难以同时满足的现状，通过一阶规则学习确定钢包温度最高、钢包使用次数最多、钢包材质等级最低和钢包下水口数量最小为性能指标，以钢包温度、使用次数、钢包材质、钢包水口使用次数、滑板和框架使用次数为约束，为每个炉次决策钢包，建立钢包选配模型.通过最小一般泛化法给出了钢包选配规则，提出了基于规则优先级的启发式钢包选配方法.实际数据仿真与实际应用结果表明，所提方法减少了在线钢包数量和日钢包维护次数，提升了炉次生产效率.     

缩短普通高校体育选项课中学生技术泛化阶段的教法研究

本文针对近年来普通高校体育选项课程中动作技术教学出现的泛化阶段有所延长的非正常情况，从学生与教师两个方面，对其成因进行了分析，并在此基础上提出了缩短泛化阶段的几个基本途径。     

多种数据泛化策略融合的神经机器翻译系统

在Transformer模型的基础上,该文从数据泛化、多样化解码策略和后处理方法3个方面进行改进.多种数据泛化策略融合方法对不同种类的稀疏词语进行识别、泛化和翻译,减少错译现象.利用检查点平均和模型集成等多样化解码策略进一步提升翻译效果.在CCMT 2019中英新闻领域翻译任务上的实验结果显示,改进后的方法在基线系统上的BLEU-SBP值提升了约1.85%.     

集成机器学习与面向地理对象影像分类的大区域林地信息提取及其泛化能力探讨

采用面向地理对象的影像分析法,从祁连山区选择其中一幅典型区域采集训练样本,分别采用支持向量机、随机森林和深度神经网络法3种机器学习方法进行训练,在此基础之上从毗邻区域多时相Landsat 8 OLI影像中提取出整个祁连山区青海云杉林的空间信息,并从精度评价和邻接区域边界一致性等方面对支持向量机、随机森林和深度神经网络法3种分类器的泛化能力进行了比较.结果表明,深度神经网络法的信息提取精度最高,泛化能力最好,对50幅影像的平均总体精度达到96.63%, kappa系数为0.78.     

基于聚类分析的个性化异构数据发布

由于异构数据的发布缺乏灵活性与实用性,提出了一种基于聚类分析的个性化异构数据发布方法.首先综合考虑数据的各种属性,通过聚类标签对数据的集群结构进行编码.另外,通过不断迭代更新原始数据能够始终保留数据的聚类结构,进一步在原始数据中加入噪声从而满足-差分隐私的要求.在满足差分隐私原则的前提下,提出了一种同时处理关系数据和集值数据的不确定性算法,不同类型的数据以类似的方式进行匿名化.通过实验验证了该方法能够有效提升异构数据发布的泛化能力,提升安全性与实用性.     

自适应加噪反向传播算法研究

提出了一种对三层前向感知器的权重修正值注入自适应噪声的方法。在误差反向传播训练过程中 ,感知器权重的噪声幅度随权梯度值下降而趋近于零。不论是仅采用权重加噪的方法还是同时进行训练集输入端及权重加噪的方法 ,都能显著提高神经网络的泛化能力 ,并以异或问题的仿真实验验证了上述结论     

熵的泛化及应用

熵是热学中一个重要的物理概念,也是近年来一个发展特别活跃的基本概念.自1865年克劳休斯提出熵以来,随着各学科的相互渗透和科学综合化发展,熵概念已经远远超出物理学的范畴.信息熵的出现,成为了熵正式泛化的标志.目前,熵的概念在自然和社会科学的许多领域中得到广泛的推广和应用,熵已成为了一种新的世界观.     

一种快速选择性神经网络集成方法

选择性集成通过选择部分个体能够获得比传统全部集成更好的泛化性能．已有的一些选择性集成方法实现的时间复杂性较高，或没有充分利用个体的先验信息．提出了一种新的选择性集成方法FASEN（fast approach to selective ENsemble）．该方法在独立训练出一批神经网络后，采用一种近似搜索策略，只选择与其他个体差异较大且估计泛化误差较小的网络参加集成，把个体选择的搜索空间从2^N降到N．理论分析与实验结果表明，该方法简单高效，泛化性能与已有的几种选择性集成方法相当甚至占优．