基于自监督信息增强的图表示学习

针对图表示学习模型依赖具体任务进行特征保留以及节点表示的泛化性有限等问题,本文提出一种基于自监督信息增强的图表示学习模型(Self-Variational Graph Auto Encoder,Self-VGAE)。Self-VGAE首先使用图卷积编码器和节点表示内积解码器构建变分图自编码器(Variational Graph Auto Encoder,VGAE),并对原始图进行特征提取和编码;然后,使用拓扑结构和节点属性生成自监督信息,在模型训练过程中约束节点表示的生成。在多个图分析任务中,Self-VGAE的实验表现均优于当前较为先进的基线模型,表明引入自监督信息能够增强对节点特征相似性和差异性的保留能力以及对拓扑结构的保持、推断能力,并且Self-VGAE具有较强的泛化能力。     

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.     

Underdetermined DOA estimation and blind separation of non-disjoint sources in time-frequency domain based on sparse representation method

This paper deals with the blind separation of nonstation-ary sources and direction-of-arrival （DOA） estimation in the under-determined case, when there are more sources than sensors. We assume the sources to be time-frequency （TF） disjoint to a certain extent. In particular, the number of sources presented at any TF neighborhood is strictly less than that of sensors. We can identify the real number of active sources and achieve separation in any TF neighborhood by the sparse representation method. Compared with the subspace-based algorithm under the same sparseness assumption, which suffers from the extra noise effect since it can-not estimate the true number of active sources, the proposed algorithm can estimate the number of active sources and their cor-responding TF values in any TF neighborhood simultaneously. An-other contribution of this paper is a new estimation procedure for the DOA of sources in the underdetermined case, which combines the TF sparseness of sources and the clustering technique. Sim-ulation results demonstrate the validity and high performance of the proposed algorithm in both blind source separation （BSS） and DOA estimation.     

Operational properties and matrix representations of quantum measures

Denoted by M(A), QM(A) and SQM(A) the sets of all measures, quantum measures and subadditive quantum measures on a σ-algebra A, respectively. We observe that these sets are all positive cones in the real vector space F(A) of all real-valued functions on A and prove that M(A) is a face of SQM(A). It is proved that the product of m grade-1 measures is a grade-m measure. By combining a matrix M _μ to a quantum measure μ on the power set A _n of an n-element set X, it is proved that μ ≪ ν (resp. μ ⊥ ν) if and only if M _μ ≪ M _ν (resp. M _μ M _ν =0). Also, it is shown that two nontrivial measures μ and ν are mutually absolutely continuous if and only if μ·ν∈QM(A _n ). Moreover, the matrices corresponding to quantum measures are characterized. Finally, convergence of a sequence of quantum measures on A _n is introduced and discussed; especially, the Vitali-Hahn-Saks theorem for quantum measures is proved.     

论思维的复杂系统模型暨新一代专家系统的设想

在复杂系统研究思想指导下,构建了基于神经元网络结构的复杂系统思维模型,提出以网络节点表示概念,以网络连接表示命题,以网络回路实现知识表达,以网络节点间的时空动力学激发实现演绎推理等思维活动的理论新框架,并以此为基础对新一代专家系统进行了设计。     

一类非齐次拟线性双曲型方程组混合初边值问题的整体经典解

考虑半无界区域{(t,x)|t≥0,x≥0}上的一类拟线性双曲型方程组的混合初边值问题.假设正特征弱线性退化,方程右端项满足匹配条件,可以得到慢衰减小初值问题C1解的整体存在性和唯一性.     

一种新的基于DCT变换的人脸表征

DCT变换是一种与KL变换非常相似的次最优变换算法.由于它独立于信号量,并且在维数下降、特征提取方面都非常接近经典的KL变换算法,因此DCT变换已经适用于模式识别领域.文章针对人脸图像,基于DCT变换,提出了一种融合整体DCT变换和分块加权DCT变换提取人脸图像的整体特征系数和局部特征系数,用于人脸表征的新方法.实验结果表明,本方法无论是在识别率还是在时间性能方面都优于传统的KL变换.     

基于功能点估算的逆向工程方法

功能点分析是从用户的角度度量软件功能规模的一种方法。本文首先对功能点分析(FPA)现有的半形式化模型进行了扩充,然后形式化描述了外部查询(EQ)的4条规则,并提出了基于源代码的逆向工程技术方法来处理这4条规则,为全自动化度量奠定了理论基础。     

Type-A半群的表示

给出了Type-A半群的表示,将文献[1]中著名的Vagner表示定理推广到Abandant半群中.证明了如果S是一个半群,则存在一个集合X及S到PJ(X)的单同态.     

质量加权坐标系下水分子2种特殊振动模式的DVR计算

在质量加权坐标系下用离散变量表示(DVR)方案研究了H2O基电子态2种特殊振动模式的振动光谱.计算中应用多项式函数拟合从头算结果得到的内坐标系下的基态解析势能面,经坐标变换得到质量加权坐标系下的相应势能面.分子的哈密顿形式在质量加权坐标下给出.用H2O振动能级的计算验证算法的可行性,从而为二维多光子电离光电子能谱的模拟奠定理论基础.