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.     

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.     

图书馆大流通服务模式的特点及对策

随着图书馆服务模式不断升级，新型服务管理模式得到推广与使用，既方便了师生查阅文献资料，也降低了管理人员的工作难度。阐述了大流通服务的概念，分析了大流通服务模式的特点，提出了推进图书馆大流通服务的对策。     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.     

具有sn-网的空间

证明了具有σ—点有限sn—网及σ—局部可数sn—网的空间可刻划为度量空间在某些确定映射下的象.     

一种特殊递推关系序列的判断及求解

对于特征多项式为C(x) =(x- 1) r的特殊递推序列an,给出了它的通解求法以及判定它的充要条件 :存在整数r≥ 1,对任意的n≥ 0 ,Δran =0成立。其中Δran 为递推序列 {an}的r阶差分。     

关于高师院校计算机专业教学改革的几点建议

本文以高等师范院校计算机专业教学改革为例,从教育观念的更新、教学模式的转变、教学手段的更新、教学对象的再认识、教学中的教材教法等多个方面分析以网络为主的现代教育模式改革的思想,目的在于探索出一条以多媒体和网络为主体的教学环境下的教育新思路。     

Permutation Analysis of Track and Column Braiding

Introduction Trackandcolumnbraidingisanavailable3D braidingmethod[1～3],whichperformsbraidingprocessbymovingbraidingcarriersalongroworcolumndirection alternatively.LiandDing[4]examinethebraidingmethod andconcentratetheirstudyonthemovementofbraiding carriersonthebraidingplatform,onwhichthebraiding tracksarelocated.Accordingtothebraidingprinciple,a studyofbraidingprocessisactuallyastudyofthemovingpatternofyarnendsonthebraidingplatform.Intheiranotherpaper[6],thepositionsofbraidingcarriersare r…     

图析宁波电视收视格局

文章对宁波的电视收视总体格局、晚间时段各电视频道的竞争态势,以及电视剧在宁波的收视情况作了由总及分的探讨和分析,将数据做成图表的形式形象、科学地解构了宁波电视的收视格局,对了解宁波电视收视情况和促进各台竞争提供了实际的参考价值.     

蕴含W5可图序列的最小度和

Gould,Jacobson和Lehel考虑了下述经典Tur偄n型极值问题的变形:对于给定的图H,确定最小的正偶数σ(H,n),使得对于每一个n项可图序列π=(d1,d2,…,dn),当σ(π)=d1+d2+…+dn≥σ(H,n)时,π有一个实现G包含H作为可图的.本文确定了当n≥11时,σ(W5,n)之值,其中Wr是r个顶点的轮图.