一种几何约束系统分解算法

为提高变量化设计效率和数值稳定性 ,提出了一种结合剪枝操作和归约操作的几何约束系统分解算法 :剪枝 -归约算法。该算法能够处理完备约束、过约束以及欠约束情况下几何约束系统的分解问题。同时讨论了在欠约束条件下如何获得符合设计意图的分解方案的问题     

基于用户查询意图的搜索排序算法

目前互联网技术的研究热点是智能化的、个性化的服务,而传统的Web搜索排序算法和已有的个性化排序已经不能满足政府、企业等用户的信息查询需要.本文将研究核心定位到充分理解用户查询偏好上,提出了基于用户偏好的PageRank算法.文中利用用户互反馈技术修正查询关键词,利用语义相关性技术分析用户查询意图,理解用户偏好.改进的算法完善了搜索查询的可靠性依据,能够较好地挖掘用户的偏好主题,贴近用户的查询目的,提高搜索查询效率和用户满意度.     

范梅南教育现象学的伦理蕴含

教育现象学作为西方教育科学领域研究范式的重要转变,因其实践的品性逐步成熟而被认同,如今已成为较有影响的教育研究范式。伦理思想是该研究范式的重要维度,范梅南教育现象学思想代表了北美在这一领域的研究成果。"教育意向"、"教育机智"、"替代父母"、"生活世界"是范梅南教育现象学研究的几个关键词。由此从伦理道德角度阐述范梅南教育现象学中的伦理思想和道德蕴含,以揭示范梅南教育现象学研究的伦理之维。     

基于驾驶员操纵特性和交通环境状态的换道行为预测

为排除驾驶员在换道过程中存在的交通安全隐患,基于驾驶员操纵特性和交通环境状态分析,提出了一种能有效预测驾驶员换道行为的方法。依托自然道路条件下的实车实验,将驾驶员视觉特性与数据分析相结合,确定了意图时窗宽度为5 s。依据在车道保持与意图换道两阶段的操纵特性和交通环境等参数差异化分析,构建了换道行为预测的表征参数体系。引入二元Logistic模型,确定各参数的回归系数,并进行换道行为预测。研究结果表明:该模型可至少提前2. 5 s预测出换道行为;且换道行为起始时刻的预测精度为96. 34%。与基于视觉特性和转向灯状态预测换道行为相比,具有更高的准确率和更优的时序性。     

基于Logistic模型的驾驶人换道意图识别方法

 为有效降低车道变换行为诱发事故的风险性,提出一种基于Logistic 模型的驾驶人换道意图识别方法。利用faceLAB 视觉追踪系统,通过真实环境下的实车测试,结合换道前驾驶人对后视镜的注视特性确定换道意图时窗,分析车道保持与换道意图阶段的注视特性差异,提取扫视次数、扫视幅度、水平方向视觉搜索广度、头部水平转动角度标准差等驾驶人换道意图特征指标,构建了Logistic 模型,并经效度检验后应用于对驾驶人换道意图的识别。结果显示,基于Logistic 模型的驾驶人换道意图识别方法的识别成功率达到90.24%,与基于转向灯信号的驾驶人换道意图识别方法相比,具有明显的时序及成功率方面的优势。     

工业生产设备故障领域问答系统的意图识别

为了解决工业生产设备故障领域的问答系统缺乏标注数据、意图识别槽位填充性能不足的问题,提出了一种基于BERT的联合模型。利用BERT进行文本序列编码,并通过双向长短时记忆网络(Bi-LSTM)捕捉文本上下文语义关系。通过最大池化和致密层提取关键信息,同时使用条件随机场(CRF)增强模型泛化能力。构建了工业领域设备故障问答语料库,并提出了针对该领域的模型部署框架。在ATIS等公共数据集上进行实验,相对于基线模型,本文模型在句子级准确率、F1值和意图识别准确率上,分别提高4.4、2.1和0.5个百分点。本研究有效提升了问答系统性能,为缺乏工业生产数据的问答系统领域提供了数据集和部署框架。