附加法向信息的三维网格预测编码

为提升三维网格的压缩性能,提出了一种网格法向与几何帧内-帧间预测编码方法.该方法充分利用法向数据内部分量间（帧内）及几何与法向数据间（帧间）的相关性,实现附加法向信息的三维网格压缩,有效保持解码后三维网格的几何特性.实验结果表明,提出的预测编码方法相比分别压缩三维网格法向与几何数据,能够显著提高附加法向信息三维网格的压缩效率.      

基于主题注意力层次记忆网络的文档情感建模

针对文档水平情感分析传统模型存在先验知识依赖以及语义理解不足问题,提出一种基于注意力机制与层次网络特征表示的情感分析模型TWE-ANN.采用基于CBOW方式的word2vec模型针对语料训练词向量,减小词向量间的稀疏度,使用基于Gibbs采样的LDA算法计算出文档主题分布矩阵,继而通过层次LSTM神经网络获取更为完整的文本上下文信息从而提取出深度情感特征,将文档主题分布矩阵作为模型注意力机制提取文档特征,从而实现情感分类.实验结果表明:提出的TWE-ANN模型较TSA、HAN模型分类效果较好,在Yelp2015、IMDB、Amazon数据集上的F值分别提升了1.1%、0.3%、1.8%,在Yelp2015和Amazon数据集上的RMSE值分别提升了1.3%、2.1%.     

一种基于 Hownet 的词向量表示方法

针对基于预训练得到的词向量在低频词语表示质量和稳定性等方面存在的缺陷, 提出一种基于Hownet的词向量表示方法(H-WRL)。首先, 基于义原独立性假设, 将 Hownet中所有N个义原指定为欧式空间的一个标准正交基, 实现Hownet义原向量初始化; 然后, 根据Hownet中词语与义原之间的定义关系, 将词语向量表示视为相关义原所张成的子空间中的投影, 并提出学习词向量表示的深度神经网络模型。实验表明, 基于Hownet的词向量表示在词相似度计算和词义消歧两项标准评测任务中均取得很好的效果。     

数控内齿珩轮强力珩齿拓扑修形方法研究

在圆柱斜齿轮进行珩削修形加工时,通常采用专用的金刚石修整轮对珩磨轮的齿廓和齿向进行修整,因此,齿轮修形参数不同,所使用的金刚轮也不同。为了增加金刚石修整轮的通用性,降低修形齿轮加工成本,缩短齿轮研发周期,文章在已有研究的基础上提出了一种基于调整内齿珩轮强力珩齿机床各轴运动参数的方法来实现齿轮修形加工。根据各轴的运动关系,建立内齿珩轮强力珩齿机床加工齿轮的齿面数学模型;将机床的A、B、X轴的运动表示为具有Φ_(C_1)、L_Z 2个变量的高阶多项式函数,分析多项式系数对齿面法向偏差的影响;建立齿面法向偏差的目标函数,利用粒子群优化算法(particle swarm optimization,PSO)进行优化,得到机床的运动参数。仿真结果证明了该拓扑修形方法的有效性。     

改进的关键词提取算法研究

【目的】针对词主题信息与词相似性信息对关键词提取的影响进行了研究,提出一种改进的TextRank关键词提取方法。【方法】首先,使用隐含狄利克雷分布(Latent Dirichlet allocation,LDA)主题模型对文档建模计算词主题信息;其次,使用FastText生成词向量,并计算词相似性矩阵;最后,融合词主题信息与词相似性信息的综合权重来优化TextRank词汇节点的初始权重,并进行词图模型的迭代运算与关键词提取。【结果】实验表明,改进方法的提取结果优于传统方法。【结论】证明了考虑词主题信息的全局性与词相似性信息的局部性能有效提高TextRank算法提取关键词的性能。     

圆苞车前子壳粉的添加对肉饼品质的影响

为探究圆苞车前子壳粉的添加对肉饼品质的影响,以猪肉为原料,研究了壳粉的不同添加量对肉饼蒸煮损失、保水保油性及感官品质的影响及原因。结果表明:圆苞车前子壳粉的添加可以明显改善肉糜的保水性,当添加量(质量分数)为0.5%~1.0%时,可以同时促进肉糜中油水乳化稳定性,改善肉饼的保油性;相对于对照组,壳粉添加1.0%时肉饼蒸煮损失由19.05%降低至4.30%,且具有更高的亮度值,此时圆苞车前子壳粉主要成分可以均匀分布在体系中,起到填充作用,并可改善肉糜制品的质构特性。当圆苞车前子壳粉添加量增加至2.0%~3.0%时,由于圆苞车前子壳粉具有的强吸水性,阻碍了油水乳化,导致肉饼保油性降低,蒸煮损失增加;同时膳食纤维的过度填充使凝胶体系出现了明显的相分离,阻断了肌原纤维蛋白凝胶三维网络的连续性,造成肉饼质构特性下降。圆苞车前子壳粉中的车前子多糖(胶体成分)可使肉饼的黏性增加,使肉制品易于成型。希望本研究为圆苞车前子壳粉在肉糜制品中的应用提供理论依据。     

Bag3 P215L基因突变小鼠的繁殖与基因型鉴定

BAG3是一种多功能蛋白,在多种疾病的发生发展中起决定性作用.临床研究表明,BAG3蛋白的第209位残基脯氨酸到亮氨酸p. Pro209Leu (c. 626C T)的杂合子突变能够引起一种罕见的肌原纤维肌病.为进一步研究BAG3 P209L突变引起的相关疾病,建立了Bag3 P215L突变的小鼠模型(小鼠的Bag3蛋白序列中对应突变的脯氨酸位于第215位残基上).将Bag3 P215L杂合突变的雄鼠和雌鼠进行繁殖交配,将得到纯合子、杂合子及野生型3种基因型小鼠.出生后3～4周龄的小鼠剪尾,采用了NaOH法、KCl法和改良SDS法共3种方法提取基因组DNA,然后进行PCR扩增、琼脂糖凝胶电泳和DNA测序.用改良SDS法能更为稳定有效地提取DNA,从而成功进行Bag3 P215L小鼠的繁育和基因型鉴定.为进一步研究BAG3 P209L突变引起的相关疾病提供了理想的动物模型.     

基于元学习的语音识别探究

目前,高准确率的语音识别需要在大规模语料库上进行学习才能获得,然而大规模语料库的构建成本较高,某些语言很难采集到充足的语料,因此,基于小规模语料库的语音识别已成为目前挑战性的研究问题.元学习是模仿人类利用已有经验快速学习新知识的机器学习方法,在机器视觉单样本学习任务中表现出明显的优势,已成为新的机器学习研究热点.将元学习应用于单样本语音识别是解决基于小规模语料库语音识别这一挑战性问题的有效途径,在TIMIT和佤语数据库上,开展了基于Reptile元学习算法的单样本孤立词语音识别研究.实验结果表明,该算法能有效地提升模型收敛速度与泛化精度,从而提升了模型的学习能力,说明元学习方法有助于解决小规模语料语音识别这一挑战性问题.     

一种基于规则与句法合成的层次化语句分析识别算法

首先, 在句子组织信息之间的结合度及基于规则、 词性和词序对句法分析系统影响的基础上, 提出一种基于规则的语句分析识别算法, 能在大量文本中快速识别出正确句式; 其次,在基于语句分析识别算法的基础上, 提出一种基于规则与句法合成的层次化语句分析识别算法, 以提高层次化句式识别检错的精度. 实验结果表明, 该算法平均精确率和平均召回率分别为84.65%和77.15%, 相比于只基于规则的语句识别算法分别提高了11.79%和14.48%, 证明了规则与句法合成的层次化语句分析识别的可行性.     

基于卷积神经网络的英文篇章情感量化方法

提出利用卷积神经网络(CNN)预测英文单词情感极性,并利用英文单词情感极性设计量化篇章情感倾向的方法.首先,利用fastText技术训练词嵌入模型,将英文单词转化为定长、稠密的词向量;接着,以词向量作为输入,构造一维CNN模型,并设计出多种具有不同深度的架构;最后,利用CNN预测模型计算篇章中所含英文单词的平均情感极性作为篇章情感倾向的量化分值.实验结果表明:相比于传统的机器学习模型,提出的CNN预测模型能够提升英文单词情感预测精度,所设计的篇章情感量化方法,也与主观判决情感色彩有较好的一致性.