加工有机晶体管电极的压力选择性剥离方法

提出一种简单有效的图案化有机场效应晶体管中聚乙撑二氧噻吩和聚磺化苯乙烯(PEDOT:PSS)聚合物电极的方法,运用带有凸纹图案的环氧树脂模板选择性的剥离涂敷在基底的PEDOT:PSS 薄膜形成图形.结果表明,环氧树脂模板与聚合物间的高黏附功可使薄膜易于发生选择性剥离,从而使其快速大面积的图案化.     

HowNet与意义的计算

语言是人类思想的基本承载者，而且是人类交流最重要的工具，当第一台计算机于20世纪40年代出现时，人们试图完成的第一个应用是处理的自然语言，例如开发自动翻译系统。自然语言处理是人工智能的一个子领域，它瞄准了两个紧密相关的目标；一个是使得计算机能够利用自然语言的能力与人类相互作用，第二是应用，包括自动文本理解、从数字化图书馆析取知识、信息检索、问题应答系统、机器翻译、自动文本概括、语音识别和语音合成等。与此同时，一门新的研究学科——计算语言学诞生了。HowNet不是本体论或类属词典，也不是类似于WordNet这样的词汇数据库。HowNet是适用于人类语言技术的意义计算在线附加语言知识系统。本书是对自然语言处理和HowNet全景描述及实例研究的进一步的语言知识理论探索。书中对有关高层次的HowNet规范定义作了极具特色的讨论，例如事物、部分、属性、时间、空间、事件和属性值以及它们之间的关系，对在HowNet背后创作者哲学的深入讨论是本书最有价值的部分。本书同时介绍了HowNet的意义可计算性的吸引力，描述了意义计算软件怎样能够收集这样多相关的词汇与表达式，并且在任何两个词或表达式之间给出它们的相似性值。     

关于冰橇问题

对于非完整有规约束,由于实位移处于虚位移之中,因而由D’Alembert-Lagrange原理可得出(?),引用不定乘子λ_r由约束方程得(?),上两方程应该是相容的.应用这些方程重新求解了冰橇问题,发现传统解法中丢失了一个更为合理的解,这一解表明冰橇的轨迹为一直线.     

SOAP有状态/无状态分析及有状态实现

SOAP (SimpleObjectAccessProtocol)是Web服务和信息网格的协议 ,有无状态是协议的一种重要特性 ,为了更好的使用SOAP ,本文比较了无状态 /有状态协议的优缺点 ,结论是无状态的SOAP具有收缩性 ,而有状态的SOAP适合事务处理 .本文还介绍了XMLforAnalysis有状态SOAP的实现 ,并给出有状态SOAP在APACHESOAP中的编程实现     

预测方法的灰色综合评判模型

以预测方法有效度为基础,首先建立了评价预测方法的指标体系;其次,采用灰色综合评价的方法,建立了选择最佳预测方法的评价模型,最后通过实例说明了这种模型的适用性。     

从"有V(过)"现象看云南方言语法对留学生学习汉语的影响

云南方言中,疑问句常采用“有没有”的提问方式,这一提问方式与现代汉语疑问句中的是非问“V没V”在形式上看起来十分相似,因此,留学生在学习汉语的过程中,受云南方言语法的影响,回答问题时常出现“有V(过)”的不规范现象。本文通过对云南方言语法的调查,对“有V(过)”现象的产生原因进行分析。     

有杆抽油系统故障递阶诊断的故障分辨研究

有杆抽油系统工况极其恶劣,发生故障的概率较高。针对有杆抽油系统的特点及其故障诊断目前存在的问
题,提出基于示功图的有杆抽油系统故障递阶诊断法,该方法分为故障分辨和故障识别两个阶段,即首先在故障分辨
阶段根据正常（或平稳状态）样本的统计规律把示功图分为故障类和非故障类;然后采用基于示功图的有杆抽油系统
故障识别的搜索树方法,对故障样本进行故障类型的识别。它提高了故障诊断系统的故障诊断性能,且不需要建立和
求解有杆抽油系统力学模型,也不存在训练集问题,并能反映出有杆抽油系统自身的基本特征。故障分辨过程包括：
在训练阶段,t 检验剔除异常数据后,通过X2拟合优度检验确定样本的随机分布形式及其参数,进而计算出正常区域
和故障区域;在分辨阶段,根据测试样本是否有特征量落入故障区域来判断其分类。实例表明故障分辨过程能从大量
的数据中筛选出故障样本,分辨的正确率比较高;训练样本的统计规律能反映油井实时的生产状况。     

无油管有杆泵井举升工艺设计技术

介绍了无油管采油系统的结构原理,运用节点系统分析方法,建立了一套适合无油管采油抽油机井举升工艺参数优化设计方法,现场应用表明设计方法正确、计算结果可靠,能够满足无油管采油抽油机井举升工艺参数设计要求,指导该采油方式的更好应用.     

一种基于融合递归机制的长文本机器阅读理解算法

目前对于机器阅读理解的研究大多都使用预先训练的语言模型如BERT来编码文档和问题的联合上下文信息,相较于传统的RNN结构,BERT模型在机器阅读理解领域取得了显著的性能改进.但是当前基于BERT的机器阅读理解模型由于输入长度有限(最大长度为512),在进行特征提取时,存在一定程度的语义丢失,且不具备建立长距离依赖能力.为了解决这个问题,提出了一种基于BERT-Base的长本文机器阅读理解模型BERT-FRM.通过添加重叠窗口层以更灵活的方式切割输入文本,使用两个BERT模型独立编码问题和文档,并且在模型中添加递归层来传递不同片段之间的信息,赋予模型建立更长期依赖的能力.实验结果表明,BERT-FRM模型与BERT-Base基线模型相比,在TriviaQA和CoQA两个机器阅读理解数据集上的F1值分别提升了3.1%和0.8%.     

一种基于混合包围盒结构的实时碰撞检测的有效方法

有向包围盒(OBB)是一中用于复杂结构刚体模型间碰撞检测的有效方法,但是由于其自身的算法复杂性导致在检测距离较远的模型时检测效率不及轴向包围盒(AABB)或球形盒(Sphere).使用OBB和Sphere的混合包围盒结构的碰撞检测算法,通过使用Sphere与Sphere或Sphere与OBB包围盒之间的检测方法快速剔除了模型距离较远时相交的可能性,通过使用OBB与OBB的检测方法精确检测距离较近的模型之间的相交状态.通过与经典算法OBB的比较试验及其他实验证明对于具有复杂结构的刚体,基于混合层次包围盒结构的算法是一种有效的并且精确的实时碰撞检测算法.