HLMGAN:分层学习的多奖励文本生成对抗网络

文本生成是自然语言处理的一项重要任务. 针对生成的文本大多缺乏多样性，且当生成文本过长时，文本生成的质量会有明显下降的问题，提出了一种采用Sentences and Words（SW）奖励机制的传递向量文本生成对抗网络. 首先，为生成器提出了层次结构设计，包括传递特征向量训练模块和生成向量训练模块，同时传递判别模型中真实文本特征向量给生成器的传递特征向量训练模块，由此来提高长文本生成的准确率，生成向量训练模块接收其生成词序列；然后，在训练过程中，使用关系存储核心代替传统的长短期记忆循环神经网络模型作为生成器，提高了模型的表达能力和捕获信息的能力；最后，采用SW奖励机制提高文本生成的多样性. 实验结果表明，分层学习的多奖励文本生成对抗网络（Generation Adversarial Network Based on Hierarchical Learning with Multi-reward Text，HLMGAN）模型在合成数据负对数似然度和双语互译质量评估辅助工具指标中均有所提升.     

强噪背景下基于改进匹配追踪算法的桥梁缆索缺陷识别

为降低噪声对磁致伸缩导波信号的干扰,实现强噪背景下的桥梁缆索缺陷识别,提出了一种基于改进匹配追踪算法的桥梁缆索缺陷识别方法。首先,采用构建非对称Gabor函数作为原子字典,将相邻残差比作为迭代终止条件,对强噪背景下的导波信号进行匹配追踪。然后,通过缺陷回波包络峰值时刻,对桥梁缆索缺陷进行了定位。最后,对采用不同降噪方法时的桥梁缆索缺陷定位误差进行了比较。结果表明：未添加噪声时,采用缺陷回波包络峰值时刻定位桥梁拉索缺陷,最大误差仅为0.28%。当缺陷回波的信噪比高于-5 dB时,采用本文方法进行降噪,均方差E_MSE几乎为0,信噪比E_SNR增加到7.56 dB以上。采用本文方法对含噪导波信号进行降噪,其降噪精度和缺陷定位精度均优于小波阈值降噪、小波-EMD降噪和传统匹配追踪降噪。当导波信号信噪比为-5 dB及以下时,本文方法的优越性更为显著。即使导波信号信噪比达到-10 dB,采用本文方法进行降噪处理,拉索缺陷定位误差仍能达到1.5%以内。可见所提出的方法可以有效降低强噪声对实测导波的干扰,提高桥梁缆索缺陷识别精度。     

非晶态金属纤维导电砂浆的制备及体积电阻率的研究

针对传统导电水泥基复合材料存在的问题,以非晶态金属纤维为主要导电掺料,以端钩钢纤维与碳纤维为对照组设计实验。以纤维种类、掺量为主要变量,测定了试件的28 d抗弯强度与抗压强度。以纤维种类、掺量、期龄为主要变量,测定了试件10 d、30 d、60 d的体积电阻率数值。结果表明,非晶态金属纤维的综合性能要明显优于其他掺料。当纤维掺量的体积分数的1.25v%时,非晶态金属纤维导电砂浆的力学性能与体积电阻率最为理想。     

基于ASP.NET MVC的多媒体网络发布管理平台的开发

多媒体网络发布管理平台是对多媒体信息素材资源、播放终端、节目制作和发布业务进行规范管理的关键。对多媒体信息发布管理的设计目标、业务处理和功能需求进行了分析,并构建了多媒体网络发布管理平台的Web应用程序四层架构。以多媒体网络发布业务逻辑为中心,重点设计了管理平台的领域模型,并实现了管理平台开发中的前端网页界面与后台业务逻辑代码之间的去耦合、业务逻辑与数据库的解耦,从而解决了系统的可扩展性和可维护性问题。     

HLMGAN：分层学习的多奖励文本生成对抗网络

文本生成是自然语言处理的一项重要任务.针对生成的文本大多缺乏多样性,且当生成文本过长时,文本生成的质量会有明显下降的问题,提出了一种采用Sentences and Words(SW)奖励机制的传递向量文本生成对抗网络.首先,为生成器提出了层次结构设计,包括传递特征向量训练模块和生成向量训练模块,同时传递判别模型中真实文本特征向量给生成器的传递特征向量训练模块,由此来提高长文本生成的准确率,生成向量训练模块接收其生成词序列;然后,在训练过程中,使用关系存储核心代替传统的长短期记忆循环神经网络模型作为生成器,提高了模型的表达能力和捕获信息的能力;最后,采用SW奖励机制提高文本生成的多样性.实验结果表明,分层学习的多奖励文本生成对抗网络(Generation Adversarial Network Based on Hierarchical Learning with Multi-reward Text,HLMGAN)模型在合成数据负对数似然度和双语互译质量评估辅助工具指标中均有所提升.