考虑安全性的桥梁主梁体系可靠性动态藤Copula预测

为合理预测考虑安全性的在役桥梁主梁体系动态可靠性,利用危险监测点的动态极值应力信息,建立藤Copula技术与动态线性模型(DLM)贝叶斯递推过程相融合的贝叶斯动态藤Copula模型(BDVCM),并结合一次二阶矩(FOSM)方法,实现危险监测点失效时变非线性相关的在役桥梁主梁体系动态可靠性预测。采用某桥主梁5个截面的动态监测极值应力数据进行验证分析,研究表明,考虑安全性的监测点失效时变非线性相关的桥梁体系动态可靠性预测值较不考虑监测点失效相关性所得结果大,说明不考虑失效动态非线性相关性所得结果偏保守。     

一种改进变换网络的域自适应语义分割网络

语义标签的人工标注成本高,耗时长,基于域自适应的非监督语义分割是非常必要的.针对间隙大的场景或像素易限制模型训练、降低语义分割精度的问题,通过分阶段训练和可解释蒙版消除大间隙图片和像素的干扰,提出了一种改进变换网络的域自适应语义分割网络(DA-SSN).首先,针对部分源图到目标图的域间隙大、网络模型训练困难的问题,利用训练损失阈值划分大间隙的源图数据集,提出一种分阶段的变换网络训练策略,在保证小间隙源图的语义对齐基础上,提高了大间隙源图的变换质量.然后,为了进一步缩小源图中部分像素与目标图域间间隙,提出一种可解释蒙版.通过预测每个像素在源图域和目标图域之间的间隙缩小置信度,忽略对应像素的训练损失,以消除大间隙像素对其他像素语义对齐的影响,使得模型训练只关注高置信度像素的域间隙.结果表明,所提算法相比于原始的域自适应语义分割网络的分割精度更高.与其他流行算法的结果相比,所提方法获得了更高质量的语义对齐,表明了所提方法精度高的优势.     

伏牛山北坡植物功能群组成沿海拔梯度的动态变化

使用群落生态学的方法在伏牛山北坡(855～1 920 m)海拔梯度上,研究了海拔梯度对植物功能群动态变化及种群相互作用的影响,通过计算群落中优势种及伴生种的重要值,分析各物种在群落组成中的地位和作用,并应用相关性指数,对各海拔物种重要值与海拔之间相关性进行了分析.结果表明,海拔是影响植物功能群分布最重要的环境因子.     

水库藻类细胞内微囊藻毒素变化规律

摘要:应用高效液相色谱,对北方某水库5个采样点藻类细胞内3种微囊藻毒素(MC-LR,RR和YR)进行了为期一年的监测.研究了细胞内微囊藻毒素随时间的变化规律,并探讨了环境因子对细胞内微囊藻毒素产生的影响.结果表明,藻类细胞内3种微囊藻毒素被检出的时间不一致,LR异构体在4月份下旬即可检测到,而RR和YR异构体则要到5月份中旬才能检测到.LR和YR异构体在9月份出现高峰值,而RR异构体在10月份达到全年的最大值.4—9月份,LR异构体含量最大,RR异构体次之,YR异构体含量最小;10—12月份,RR异构体含量最大,10月和11月LR含量大于YR,但是12月份LR未检出,而YR含量比11月份还高.环境因子对细胞内微囊藻毒素的影响也不一致:溶解氧和硝酸盐氮都与3种异构体呈显著负相关;总磷、溶解性总磷和磷酸盐都与RR异构体呈显著正相关,氨氮和LR异构体之间存在显著负相关.     

终端用户编程的自然语言语义解析方法研究

针对现有用户编程语义解析方法在小注释数据集条件下无法有效地解决复杂模型的问题,提出了一种面对终端用户编程的自然语言语义解析方法.该方法将自然语言命令映射到小批注释数据下训练的大型异构框架集合中,语义解析方法由语义角色标记、旋转、动作候选实例生成和相关性排名组成,使用语义角色标记、分布语义几何特征和语义旋转的组合,解决开放词汇设置中的语义匹配问题.实验结果表明,该文方法能够有效实现自然语言的词汇解析,且性能优于现有方法.     

中文问答系统中语义角色标注的研究与实现

问答系统是信息检索的高级形式,也是人工智能领域研究的热点.为了提高中文问答系统的处理水平,在问答系统中应用了语义角色标注的思想.实验结果表明,语义角色标注可以有效地改善中文问答系统的性能.     

Web服务语义标注方法

为了对W eb服务语义信息进行描述,提出了一种W eb服务语义标注方法。以现有的W eb服务描述语言(W SDL)文件为基础,充分利用W SDL中XM L schem a的语义信息与本体实体的相似性,从W SDL文件中抽取语义信息,并利用实体之间的名称相似度与结构相似度进行语义标注,生成基于OW L-S的W eb服务语义描述。用该方法对多个领域的W eb服务进行了语义标注,标注正确率在92.5%以上,较好地解决了W eb服务的语义标注问题。     

Two Language Models Using Chinese Semantic Parsing

Introduction Although the word trigram dominates the statistical language modeling community, it still has some short- comings. For example, the word trigram cannot make use of the rich linguistic structure of the language, nor can it capture long-distanc…     

基于学术知识图谱的增强语义表示与检索

知识图谱作为一个巨大的知识网络图,其中包含着实体概念、关系等信息.基于深度学习的语义表示虽然泛化性强,但对于一些专有知识的敏感度不高,所以许多研究尝试将知识图谱与神经网络结合.目前大部分知识图谱语义表示的方法是围绕通用领域知识图谱展开的,没有针对学术领域的知识图谱语义表示方法的研究.本文以学术文献的全文本数据为研究对象,从基于学术知识图谱的语义表示方法切入研究,在构建学术知识图谱的基础上,对通用领域的研究方法（K-BERT）进行领域化改进（KEBERT）,进一步使用实体知识增强文本的语义信息.通过开展下游任务的对比实验,在学术检索数据集上验证KEBERT、K-BERT和ERNIE的性能.实验采用检索任务中常用的NDCG评价指标对结果进行评价,实验结果表明改进后的KEBERT在检索任务上的效果优于其他模型.     

中美贸易摩擦下大豆期货市场相关性的实证研究——基于Copula-GARCH模型

近年来,中美两国贸易摩擦加剧了金融市场之间的相关关系,期货市场作为金融市场重要的一部分,研究期货市场间的相关关系显得尤为重要。本文将GARCH模型与Copula模型相结合,建立二元金融时间序列的Copula-GARCH模型以研究中美大豆期货市场的相关关系。首先利用GARCH-t模型刻画中美两国大豆期货市场收益率的边缘分布,然后利用极大似然估计法和K-S检验进行参数估计并拟合优度检验,接着利用极大似然法估计常用Copula参数,利用AIC,BIC准则和Log likelihood最小准则选择合适的Copula函数来描述中美大豆期货市场间的相关性。实证研究表明,大连商品期货交易所大豆期货价格与芝加哥商品交易所大豆期货价格有较大相关性,t-Copula函数能较优地描述两市场的相关性,两个市场之间大豆期货的上下尾相关系数皆为0.087 019,存在同涨同跌现象。