基于预训练模型和多视角循环神经网络的电力文本匹配模型

针对传统方法未能考虑词向量的动态性及句子间交互不充分等问题,提出基于BERT预训练模型及多视角循环神经网络的文本匹配模型。通过BERT-whitening方法对BERT输出的句向量进行线性变换优化,并利用多视角循环神经网络将两句子不同位置的BERT动态词向量进行双向交互计算;将句向量与词粒度交互向量进行融合后计算结果。实验结果表明,提出的模型相较于对比模型有明显性能提升,实用性良好。     

The Classification of States for Markov Chain in Random Environments and m-irreducible

First of all,we introduces the concept of m-irreducible of Markov chain in random environment. Then under the condition of m-irreducible,the relationship of recurrent and positive recurrent between two states is studied. We also give several conditions that can imply a state is recurrent and positive recurrent. And then the period of a state is discussed and we obtained that under the condition of m-irreducible,for any two states in X ,they have the same period.     

多复变中Dp和H∝及βp空间的一些关系

在 Cⁿ中的单位球上, 讨论了Dirichlet 型空间D_p和广义Bloch空间β^q的相互包含关系以及D_p 和Hardy空间H^∝之间的点乘子,根据 p 的一些不同情形对M(H^∝, D_p ) 和 M( D_p , H^∝) 进行了刻划.     

一类非线性多变时滞微分方程的振动性

主要研究了一类线性多变时滞微分方程x′(t)=m∑k=1fk(t,x(τk(t)))的振动性.利用其线性近似方程x′(t)=m∑k=1D2fk(t,0)x(τk(t))得出了方程振动的充分条件.所得结果推广了相关文献的结果.     

超临界机组燃水比GAP-DRFNN的优化控制

分析某厂直流锅炉燃水比控制系统,设计出基于生长剪枝动态递归模糊神经网络(Growing and pruning dynamic recurrent fuzzy neural network,GAP-DRFNN)的燃水比优化控制系统,GAP-DRFNN以汽水分离器出口工质温度偏差最小为导出信号,综合学习燃水比控制主要状态参数,实时输出燃水比最佳控制量。随着当前主要相关状态参数的输入,GAP-DRFNN通过结构学习,自动增加和修剪神经元,而且根据梯度下降法,动态调整网络的隶属函数参数以及神经网络递归权值。实验结果表明:此方案中燃水比控制可兼顾快速性和准确性,在变工况时系统仍具有优异的动静态性能,控制效果优于传统PID控制。     

一种递归模糊神经网络的广义预测控制方法

提出了一种递归模糊神经网络(RFNN),通过加入向量调节层,提高了网络对输入信息的处理能力。基于所设计的递归模糊神经网络,建立非线性系统的离散数学多步模糊预测模型,根据这一模型对系统的输出进行预测,然后利用预测控制算法得到相应的预测控制规律。仿真结果表明该方法具有较高的控制精度以及一定的抗干扰能力。     

存在共圆Killing向量场的拟共形黎曼流形

本文推广了《关于无穷小共圆运动几个定理》(罗崇善)的若干结果,得到:若一个拟共形平坦(拟共形半对称或拟共形循环)流形M~n(n≥4)存在一个共圆Killing向量场,则M~n是常曲率流形,或拟常曲率流形或ρ的梯度是M~n的平行向量场。     

若干图类的常返构型

研究图上Abelian沙堆模型的常返构型问题,证明了图的常返构型与子图的常返构型的关系.进一步地,将其应用到具体图类,得到单圈图、lollypop图、dumbbell图的常返构型.     

基于内联关系的方面级情感分析方法

方面级情感分析 (aspect-based sentiment analysis, ABSA) 旨在预测给定文本中特定目标的情感极性. 研究表明, 利用注意力机制对目标及其上下文进行建模, 可以获得更有效的情感分类特征表达. 然而, 目前常用的方法是通过对特定目标使用平均向量来计算该目标上下文的注意权值, 这类方法无法突出文本中个别单词对于整个句子的重要性. 因此, 提出了一种基于内联关系的方面级情感分析方法, 该方法可以对目标和上下文进行建模, 将关注点放在目标的关键词上, 以学习更有效的上下文表示. 首先使用门控循环单元 (gated recurrent unit, GRU) 对方面信息和句中单词进行融合分布式表达; 然后将分布式表达输入到结合注意力机制的长短时记忆网络 (long short-term memory network, LSTM), 通过查询机制来增加内联关系的权重, 最终得到方面级情感分类. 该模型在公开数据集上进行的实验结果表明, 该方法是有效的, 精确度均超过基线模型.     

关于一类n维自映射的周期点集

设f是可降的n维自映射,给出了当f的周期点集是闭集时的一系列等价条件,将一维自映射的情形向更为一般的一类n维自映射推广.