基于半监督卷积神经网络的文本情感分类

针对情感分析需要标注大量高质量的训练集来提高模型的准确率,以及卷积神经网络无法充分利用句子中特有的情感信息,提出了一种基于多通道半监督卷积神经网络的情感分析模型。该模型通过重构卷积神经网络的损失函数以及不改变网络的结构来实现模型的半监督学习。同时,模型针对情感分析任务中特有的情感信息来构建文本输入矩阵以及将句子不同特征信息结合形成不同的网络输入通道,使模型在训练过程中从多方面的特征表示来学习输入句子的情感信息。并在COAE 2014和IMDB数据集上进行试验,验证了所提出方法的有效性。     

Cl+CH2CO多通道反应机理的研究

用B3LYP)／6-311 G^**方法计算了CH2CO与Cl多通道反应不同驻点的几何构型、振动频率和能量,通过振动模式分析来阐明反应物、过渡态、中间体和产物之间的关系．确定了主要的反应通道和次要的反应通道．提出了一种新的反应机理的研究方法．     

无线视频监控系统视频传输模块的软件设计

介绍了基于DM642和CDMA的无线视频监控系统中视频传输模块的设计方案.给出了McBSP模块、EDMA控制器和CDMA模块的配置方法,实现了DM642下位机和监控中心上位机之间通过TCP和UDP相结合方式的通信,达到了较好的传输效果.     

基于多通道长短期记忆网络的PM2.5小时浓度预报

PM_2.5作为主要的大气污染物之一,严重影响空气质量和人体健康. 基于深度学习的PM_2.5小时预报研究中,不同输入要素的历史时间序列对PM_2.5预报结果的响应情况存在差异. 因此,基于太原市2019—2020年空气质量监测站、气象观测站的数据,提出一种多通道长短期记忆网络(Multi-Channels Long Short Term Memory,MULTI-LSTM)模型对PM_2.5浓度进行预报. 首先使用独立的长短期记忆网络(LSTM)学习每个输入要素,然后将每个模型的学习结果进行融合,最终获得未来多小时的PM_2.5浓度预报结果. 将单通道LSTM模型(BASE-LSTM)和LSTM扩展模型(LSTME)作为对照模型,与MULTI-LSTM模型的预报精度进行对比. 结果表明:不同观测窗与预报时效下,MULTI-LSTM模型在测试集上的预报精度明显高于其他2个对照模型. 其中,MULTI-LSTM模型在8 h观测窗和6 h预报时效组合下,均方根误差(RMSE)、平均绝对百分误差(MAPE)以及拟合指数(IA)分别为20.26 μg/m3、51%、0.91. 对未来逐6 h的预报中,观测窗宽度从8 h增至32 h,MULTI-LSTM模型的预报精度无明显变化,观测窗宽度为40和48 h时,RMSE比8 h观测窗下分别下降了2%和3%. 此外,增加LSTM层深度不会提升模型的预报精度. 研究显示,利用MULTI-LSTM模型作为PM_2.5浓度小时预报模型,通过选取合适的观测窗宽度与气象要素,可获得精度较高的预报结果.      

商业综合体中楼梯、自动扶梯和电梯多通道耦合疏散策略研究*

为选择最优疏散模式,提高商业综合体应急疏散效率,运用Pathfinder仿真软件,求解最优自动扶梯与楼梯双通道耦合模式,并探讨自动扶梯、楼梯与电梯多通道耦合疏散模式实效性。结果表明:自动扶梯与楼梯双通道耦合疏散模式中,自动扶梯双下行与楼梯耦合疏散模式疏散效果最好,疏散时间最短,总疏散时间465.95 s,比单一楼梯疏散模式缩短16.24%;自动扶梯、疏散楼梯与电梯多通道3重耦合疏散模式,比自动扶梯与楼梯双通道耦合疏散模式中最优组合方式疏散时间减少10.45 s,减少了2.24%;通过电梯疏散人数86人,占总疏散人数1.30%,表明电梯疏散效果提升不明显。研究结果可为紧急情况下自动扶梯反转时间确定以及密集场所应急预案编制提供理论参考。