浅谈间歇式混捏锅混捏工序的改进措施

通过对预焙阳极生产过程中混捏工序存在的影响因素进行分析,从工艺技术条件优化、设备等方面进行了改进,解决轴头漏料等问题,混捏质量得到明显提高,预焙阳极生块合格率由原83.2%提高到84.1%。     

遥墙机场环境噪声影响预评价

采用有效感觉噪声级Ｌｅｐａ作为单个事件的评价量，用计权等效连续感觉噪声级Ｌｗｅｃｐｎ作为一段时间内多个事件的评价量，介绍了机场环境噪声影响预测的完整程序和方法。给出了遥墙机场１９９５年度的预测结果。     

减速器优化设计预分析

本文通过对减速器设计的预分析，剔除了优化设计时的非独立变量，确定了主要参数的变化区间，减少了计算机搜索的盲目性，提高了优化效率     

中国西部退耕还林(草)工程的深层次问题探讨

本文采用宏观与微观研究的方法，选择典型的生态区域，结合野外大量的调查，研究了西部地区生态建设目标及退耕还林(草)工程的发展典型范式，分析了现阶段退耕还林(草)工程面临的深层次问题，根据西部地区生态环境恶化的实际情况，提出了符合西部地区实际的退耕还林(草)工程建议，为生态环境恢复与重建提供可靠的科学依据。     

多发串联有控发射武器系统内弹道物理过程

该文根据多发串联预装填有控发射方式武器系统的工作原理，提出了拟静力燃烧时期、拟内弹道过程、强耦合、弱耦合及非耦合等概念，详细分析了多发串联预装填有控发射方式武器系统内弹道物理过程，为多发串联预装填有控发射方式武器系统内弹道控制研究提供了理论依据。     

Effect of Filament Pre-tension on Sirofil Yarn Properties

The mechanism of filament pre-tension is put forward. The effect of filament pre-tension on Sirofil composite yam properties, such as hairiness and structural stability, are theoretically and experimentally studied. The theoretical analysis agrees well with the experimental results. The present theory shows that suitable choice of filament pre-tension can enormously reduce hairiness and improve structural stability of Sirofil composite yarn.     

基于XLNet的中文文本情感分析

针对Word2vec等静态词向量模型不能解决一词多义、传统情感分析模型不能同时提取文本的全局和局部信息问题,本文提出了结合广义自回归预训练语言模型(XLNet)的文本情感分析模型。首先利用XLNet表示文本特征,然后利用卷积神经网络提取文本向量的局部特征,再利用双向门控循环单元提取文本的更深层次上下文信息,最后引入注意力机制,根据特征的重要性赋予特征不同的权重,并进行文本情感极性分析。仿真实验中将本文模型与5种常用的情感分析模型进行对比,验证了模型的准确率和优越性。     

一种基于词嵌入模型和卷积神经网络的简化文本分类方法

自然语言处理（Natural Language Processing,NLP）可分为自然语言理解（Natural Language Understanding,NLU）和自然语言生成（Natural Language Generation,NLG）两大类子任务。预训练语言模型和神经语言模型在自然语言理解的整个流程中占据重要地位。本文梳理了文本预训练语言模型的发展流程,并分析当下主流的预训练语言模型以及深度学习模型的不足,基于经典预训练语言模型（Word2Vec）和卷积神经网络分类模型（CNN）,提出一种简化的文本分类模型（Simplified CNN）,在多个情感分析（Sentiment Analysis,SA）基准数据集上进行实验测试,实验结果表明,在文本分类任务上,简单网络可以得到与复杂网络相媲美的分类效果并且运行时间优于复杂网络,与传统的分类模型相比较,在分类效果上表现出了优势。     

基于群体串行干扰删除的混合预编码毫米波大规模MIMO-NOMA传输系统

针对现有毫米波大规模多输入多输出（Multiple-Input Multiple-Output, MIMO）系统中用户接入数量受限和能耗大的问题,提出了一种基于群体串行干扰删除（Group-level Successive Interference Cancellation, GSIC）的混合预编码毫米波大规模MIMO非正交多址（Non-Orthogonal Multiple Access, NOMA）下行传输新架构。首先,在基站处设计模拟预编码矩阵并根据等效信道增益进行群体划分;然后,采用迫零法设计数字预编码矩阵,在组内实施空分多址（Space Division Multiple Access, SDMA）;最后,在用户端采用GSIC实现组间NOMA传输。此外,在考虑误差传播的条件下,推导了系统的可达和速率表达式,并提出了一种功率分配算法来解决此非凸优化问题。仿真结果表明,与基于分簇的混合预编码MIMO-SIC-NOMA和MIMO-OMA系统相比,所提出的MIMO-GSIC-NOMA系统可获得更高的频谱效率和能量效率。