基于深度学习的中医古文献临床经验抽取

中医古文献蕴藏着丰富的临床经验，是古代中医在行医过程中对临床诊疗的经验性总结，体现了中医学形成和发展的理论框架和思想基础.然而这些宝贵的临床经验不仅量大，而且分散在不同的文献中，使得中医从业者手工很难快速全面地获取它们，文献检索工具也只能提供文档级别的信息筛选，无法为这种细粒度的信息获取提供支持.此外，古汉语相对于现代汉语的不同特点也限制了主流文本分析工具的使用效果.为此本文提出面向临床经验获取的中医古文献信息抽取任务，用于识别古文献中描述临床经验的文本片段，手工标注了样本数据用于这种抽取模型的训练和测试，并设计了基于深度学习的序列标注器用于完成该任务.考虑到标注数据量小可能带来的过度拟合问题，本文引入对抗训练和虚拟对抗训练来增强模型的泛化能力.一系列充分的实验验证了模型的有效性，表明利用信息抽取技术从古文献获取中医临床经验具有可行性，为这一新的信息抽取任务提供了有希望的研究基线和可复用的标注数据集.     

基于互协方差稀疏重构的MIMO雷达低仰角估计算法

针对低空目标仰角估计时, 多径信号间的混叠严重影响雷达的测角性能的问题, 基于压缩感知理论的波达方向(direction of arrival, DOA)估计算法与多输入多输出(multi-input and multi-output, MIMO)雷达体制结合起来共同进行低空目标DOA估计的研究, 提出了一种基于互协方差矩阵稀疏重构的MIMO雷达低空目标DOA估计算法。首先, 对MIMO雷达多径接收信号广义匹配滤波后的虚拟矩阵向量化处理, 并针对向量化后虚拟孔径扩展带来运算量大的缺点, 通过降维处理来减少运算量; 然后利用多快拍数互协方差矩阵中的噪声独立不相关的优点, 降低噪声影响, 提高算法估计性能; 最后转化为凸优化问题进行稀疏恢复。仿真结果表明算法在直达信号与多径反射信号相互削弱的情况下, 仍能有效估计低空目标的仰角, 较L1-SVD和L1-SRACV算法对低空目标具有更好的仰角估计性能。     

次酉极因子的扰动界

矩阵扰动问题不仅对矩阵论,而且对控制论、力学、线性系统以及工程都有着重要的意义.主要利用矩阵特征值与奇异值的性质,对广义极分解中次酉极因子的扰动界进行研究,得到F范数下新的扰动界,并利用最新的换子不等式,对李仁仓的研究结论重新证明,该证明更加简短有趣.     

甘肃黑方台黄土压缩试验研究

以黑方台地区原状黄土为对象,开展不同含水率试样的侧限压缩试验,对比分析了不同荷载下各含水率试样的e-lgp曲线,采用双对数坐标法确定了试样的结构屈服应力,对黑方台原状黄土压缩试验结果进行拟合分析。结果表明:随着试样含水率的增高,其对应的e-lgp曲线呈依次降低的趋势,但15%含水率试样与20%含水率试样对应的e-lgp曲线间具有较大空隙,说明含水率为15%20%是试样结构发生较大变形的临界值;各含水率试样在试验过程中都存在结构屈服应力,天然状态下黑方台原状黄土的结构屈服应力为99 k Pa,但随着含水率增高,其结构屈服应力值持续降低;基于岩土破损力学理论基础建立的数学表达式确定出了黑方台原状黄土材料参数B值为0.011 3,并将模拟结果与试验数据进行对比,得到了较好的拟合结果。     

关于映射周期性的若干性质及其应用的注记

若f∈PfT(R)∩C(R),则F(x)=∫axf(t)dt,x∈R与周期函数有何关系,具有哪些性质?本文将就这一问题进行研究,获得了一个关于周期函数一个重要的若干性质的定理,应用其便捷的处理了一大批与周期函数有关的问题,进而给出了关于映射周期性的若干性质及其应用的注记,这对经济周期性研究有一定的参考意义。     

张量广义特征值的S-型包含区域

设{A,B}为m阶n维正则张量对,通过将指标集N={1,2,…,n}划分为非空真子集S及其补集S珚=N/S,利用分类讨论的思想以及张量对{A,B}某些元素选取的任意性和不等式缩放技巧,解决了张量对{A,B}的特征值定位问题,并给出张量对{A,B}特征值的S-型包含区域.数值结果表明,所得包含区域比已有包含区域更精确.     

几个广义Apostol-Bernoulli、Apostol-Euler多项式之间的关系式

利用发生函数理论结合某些运算技巧,推出了几个广义Apostol-Bernoulli多项式、广义Apostol-Euler多项式之间的关系式.多个参数出现在等式中,非常工整.在关系式中选取适当的参数,就可以得到已有的著名的关于广义Bernoulli多项式、广义Euler多项式之间的关系式,从而深化和推广了对Bernoulli数、Euler数、Bernoulli多项式、Euler多项式的相关研究结果.     

非同分布φ混合序列加权和的强极限收敛性

利用φ混合序列矩不等式和截尾的处理方法,研究非同分布φ混合序列加权和强极限收敛性质的问题,得到了若干新结果,推广并改进了独立同分布情形下的相应结果.     

基于机器阅读理解的商品属性识别

属性抽取的目标是从非结构化文本中抽取与文本实体相关的属性和属性值，然而在电商场景下基于序列标注的模型缺少应对大规模属性抽取任务的可扩展性和可泛化性能力。本文提出基于阅读理解的商品属性抽取模型，通过额外加入问句来强化模型对属性的理解，结合双仿射注意力机制捕获问句和文本之间的语义特征，进一步提高模型的抽取性能。本文在电商数据集上对不同类型问句和不同解码器进行了对比实验，结果表明本文提出的方法优于多个基线模型，相较于OpenTag和SUOpenTag模型，属性抽取的F1值分别提升7.70%和3.26%，未登录词识别的F1值分别提升15.51%和8.12%。