一种改进的医疗文本分类模型:LS-GRU

为了帮助低年资医生阅读胸部CT影像，并更加精确高效地为临床医生反馈影像报告结果，提出一种改进GRU深度学习框架LS-GRU，用来解决影像报告文本分类问题，即可以根据影像科医生描述，自动反馈给临床医生诊断建议.数据来源于呼吸科影像报告1168例，选择了两种描述相近的疾病(肺气肿和肺炎)进行分类，其中肺气肿患者报告大约652例，肺炎约516例.分别验证GRU、BiGRU及LSTM等模型，实验结果表明，LS-GRU模型分类更精确，且具有较高的鲁棒性.     

无相位远场数据反演散射障碍的神经网络方法

针对无相位信息反演障碍物位置及形状的问题, 提出一种两层门控循环单元(GRU)神经网络对门控循环单元神经网络的方法(MGNN), 并给出该方法的收敛性分析. 首先, 以无相位远场数据与障碍物边界曲线方程参数作为输入和输出, 通过GRU神经网络控制门思想与长期记忆功能, 有选择性地更新网络状态, 保存数据特征; 其次, 应用梯度下降算法更新模型权重和偏置, 解决了无相位信息的远场数据反演障碍物位置及形状的难题; 最后, 利用数值实验说明该方法的有效性.     

Review on echo state networks

回声状态网络是近年来新兴的一种递归神经网络,独特而简单的训练方式以及高精度的训练结果已使其成为当前研究的热点之一.在该网络中,引入了储备池计算模式这一新的神经网络的建设方案,克服了之前网络模型基于梯度下降的学习算法所难以避免的收敛慢和容易陷入局部极小等问题.围绕这种新型网络结构,国内外许多学者开展了多样的研究.本文全面深入介绍了回声状态网络这一新兴技术,讨论了回声状态网络的优缺点,并综合近年的研究现状,总结了回声状态网络的主要研究工作进展和未来的研究方向.     

基于ADP方法求解未知非线性零和微分对策问题

针对一类未知非线性系统的二人零和微分对策问题,提出了一种基于近似动态规划(ADP)方法的控制方案.该方案首先通过设计一个基于递归神经网络(RNN)模型的辨识方案来近似未知非线性系统动态.通过在RNN模型中增加一个新型的调整项,保证了所建立的RNN模型的动态与原未知系统动态的误差渐近收敛到零.然后在此RNN模型基础上,应用ADP方法求解鞍点存在或者不存在情况下的最优性能指标以及最优控制策略.最后通过一个仿真例子验证了所提方案的有效性.     

基于用户会话的TF-Ranking推荐方法

基于用户会话日志,提出了一种融合XGBoost和门控循环单元网络的TF-Ranking推荐方法。该方法利用门控循环单元学习用户行为。首先,利用XGBoost进行特征提取,克服了传统方法中数据模型复杂的缺陷,使数据模型在保持原始属性的基础上大大降低了复杂度;其次,利用改进后的Dropout网络对数据进行处理,使得召回率提高了1.32%;最后,基于Learning to Rank与Pairwise方法训练用户会话数据,尽可能为用户提供一个与查询内容相关性较强的正向排序推荐清单。实验在Trivago RecSys Challenge 2019数据集上进行。结果表明,所提出的推荐算法在召回率和平均倒数排名上均有提高,而且可以应用于大规模数据推荐。     

关于不定方程x~3＋1=305y~2

文章利用同余、递归数列,以及Pell方程的性质,证明了不定方程x3＋1=305y2仅有整数解（-1,0）,（14,±3）.     

拓扑动力系统中一类集合的推广

进一步讨论一类集合L(x1,x2),推广其定义;其次,研究推广后集合类的相关性质,并给出等度连续系统的一个刻画.最后,对集合L(x1,x2)与L(x1,x2,x3)之间的关系进行讨论,得到一个新的结果.     

融合多因素的“时间齿轮”交通流预测模型

为提高交通流预测的准确度,结合城市道路交通的特点,提出一种融合多因素的“时间齿轮”交通流预测模型（TGM）,将模型分为2个模块对交通流的影响因素进行特征挖掘。模块1通过深度分析天气因素的影响,挖掘提取天气因素的特征信息;模块2仿照转轴与齿轮的关系,将目标路段及其邻近交叉口各个方向路段的交通流量数据作为时间轴上的轮齿。模型框架采用正反2个方向都加入注意力机制(attention mechanism)的双向门控循环网络（bidirectional gated recurrent unit,Bi-GRU）。结果表明,TGM模型明显优于多种现有模型;与Bi-GRU模型相比,TGM模型对5,15,25 min的预测精度分别提高了4.75%,6.37%和6.73%。因此,TGM模型能够有效提高交通流预测的准确度,具有更优的中长时预测能力,可为交通组织的优化和交通流理论的研究提供帮助。     

图的极小循环态

图的沙堆模型是研究自组织临界现象的一个重要的模型,近年来得到广泛的应用.沙堆模型中的循环态构成了一个有限交换群.证明了沙堆模型中任一循环态总是若干个极小循环态的并,并得到了一些图运算上的极小循环态与原图的极小循环态之间的联系.     

拓扑动力系统中的强不变集

在拓扑空间中，当f是同胚时，证明了回归点集R（f）、非游荡点集Ω（f）、终于周期点集EP（f）、几乎周期点集AP（f）是强不变集．