基于STACKING-BERT集成学习的中文短文本分类算法

由于word2vec、Glove等静态词向量表示方法存在无法完整表示文本语义等问题,且当前主流神经网络模型在做文本分类问题时,其预测效果往往依赖于具体问题,场景适应性差,泛化能力弱.针对上述问题,提出一种多基模型框架(Stacking-Bert)的中文短文本分类方法.模型采用BERT预训练语言模型进行文本字向量表示,输...     

基于多层交叉注意力融合网络模型的人脸图像情感分析

目前大多数人脸图像情感分析方法只单方面关注图像整体或局部来构建视觉情感特征表示,忽略了二者在情感表达上的协同作用。针对此问题,提出了一种多层交叉注意力融合网络情感分析方法。该方法首先利用特征相关性分析实现最大化类的可分性;其次通过多层交叉注意力网络中的多个不重叠的注意力区域来提取整体和局部的信息;然后将整体与局部提取的注意力图进行融合,来共同训练图像情感分类器并进行情感分析。实验结果表明,提出的方法在真实数据集RAFDB上的情感分类准确率达到了88.53%,优于现有其他方法,验证了该方法的有效性与优越性。     

基于Moldflow的鼠标外壳注塑成型分析

运用Moldflow对鼠标外壳进行了浇口位置分析、充填分析、冷却分析以及翘曲分析.根据分析结果，预测了塑件在注塑成型过程中可能产生的缺陷，并针对缺陷产生的原因，提出了优化设计方案.改进后的工艺条件为：注射时间2s，注塑℃保压℃冷却时间是21s，模具温度50益，熔体温度240益，注射压力90MPa.最后，运用UG对鼠标外壳进行了注塑模设计.     

影响反向冷挤压凹模径向压力的因素研究

基于Deform-3D数值模拟软件,通过单因素分析和正交试验方法,研究了各因素对反挤压凹模内壁径向压力的影响规律及程度大小。研究结果表明:以1060铝合金为例,变形程度由16%变化到81%,压力值由48MPa增加到872 MPa;高径比由0.4变化到1.2,其值增加70 MPa;摩擦因数由0.05变化到0.50,其值增加400 MPa;挤压速度对凹模内壁压力的影响很不明显,屈服应力与其的变化关系近似为线性。其中,挤压材料性能对内壁影响最大,高径比的影响最弱。最后,通过对1060铝合金进行物理模拟可知:各测点应变值的物理模拟与数值模拟结果,相对误差最大为13.30%,最小为0.38%。     

铝合金反向冷挤压凹模内壁压力研究

基于DEFORM-3D数值模拟软件,利用5种铝合金,研究分析反挤压凹模内壁压力最大值与凸模单位压力之间的关系,并获得两者之间的数学表达式.利用正交实验,分析得到坯料高径比、摩擦状况以及挤压速度等因素对反挤压凹模内壁压力影响较小.最后进行试验验证,结果表明,利用数值模拟与实验这两种手段得到的公式互相吻合.     

基于DEFORM-3D的直齿锥齿轮温闭塞锻造成形工艺探究

基于Deform-3D软件，利用正交实验，确定了汽车差速器直齿锥齿轮温闭塞锻造的最优工艺参数组合，并在该条件下进行了数值模拟，对模具的行程—载荷曲线、速度场、应力场以及应变场等进行了分析研究。通过实际工艺试验，对数值模拟进行了验证，从而为直齿锥齿轮温闭塞锻造工艺的实用化提供了一定的理论依据。     

基于数据增强的小样本图像分类方法

小样本图像分类训练样本过少,若直接用深度学习的方法对其处理会出现过拟合现象,且存在训练好的模型不能很好的泛化到测试任务上等问题.针对以上问题,提出一种基于数据增强的算法去缓解模型过拟合,并结合深度学习网络wide-ResNet28来提升模型的分类性能.此方法没有引用外部数据对当前任务进行数据扩充,而是借助基类数据的语义先验信息对新类数据的特征进行补充,在形成新的特征分布上进行数据增强.该方法在MiniImageNet和Cub 2个小样本数据集上进行实验,图像特征提取的精确度分别达到83.46%、91.61%,验证了该方法的有效性.