多领域

摘要： 信息-物理-社会系统(CPSS)是在信息物理系统(CPS)的基础上,加入政策、行为等社会元素,将广义物理系统视作一个整体,并消除不同领域之间的壁垒。相关的研究和应用都离不开仿真工具的支持。为此,在近20年探索能源的信息-物理-社会系统(CPSSE)过程中研发了统一的仿真平台(Sim-CPSS)。Sim-CPSS支撑了异构仿真应用的互通、互动、互用,并显著降低了复杂系统仿真研究的难度,提高了分析效率。文中介绍了Sim-CPSS的研发思路、架构、功能和原创技术。通过能源领域的众多工程应用验证了其对多领域、多尺度,以及行为多种表达方式的适应能力。SimCPSS为CPSS提供了基础工具的强大支撑。

摘要： 文本分类是自然语言处理领域中一项基本任务,但目前的文本分类任务往往是领域独立的,且需要丰富的标注数据。该文通过利用不同领域的数据蕴含的相似信息,在一定程度上缓解标签训练数据不足的问题。该文提出了一种多任务学习模型来解决跨领域文本分类任务,通过每个领域的私有编码器和所有领域的共享编码器来分别提取私有特征和共享特征,从而利用不同层面的领域知识来表示文本,并帮助文本分类。另外,该文还利用正交投影将共享特征和领域私有特征进一步异化,从而强化共享特征的纯度,同时使用门控机制将共享特征和私有特征进行重组融合。我们在两个常用的多领域文本分类数据集(Amazon和FDU-MTL)上对所提模型进行了验证。实验结果表明,该模型在Amazon和FDU-MTL数据集上的平均分类准确率分别达到了86.04%和89.2%,较之前多个基线模型有明显提升。

摘要： 在中国走向世界和中外交流加深的大背景中,汉字文化交流是其中关键一环,起着桥梁和纽带的作用。为了进一步了解汉字文化的国际影响途径及其在中外文化交流的作用,通过对典型事件的剖析,探究汉字文化当前在科技和文娱等领域国际化交流传播的路径,并总结汉字文化交流传播中存在的困境,展望其未来发展的光明前景。

摘要： 为解决以往对话状态追踪算法只能处理少数对话现象,且没有考虑到这些对话现象在数据集中分布不平衡的问题,提出一种基于模式引导和焦点损失的对话状态追踪算法。利用模式将槽位划分为可分类和不可分类,将用户表达归纳为4种现象(词汇多样性、未知值、值共享和推荐接受),以利于合理地填充对应槽位;使用焦点损失函数保证难样本得到充分训练。在大规模任务型对话数据集MultiWOZ2.2上进行大量消融实验,验证了模型的可行性和算法的有效性。

摘要： 数字媒体技术的出现,因其自身独特性、融合性、创新性、时代性的诸多特点引起了各国重视,而这种新兴技术在我国经济发展、文化融合、教育革新等多个领域的进步发展中起到了先导作用。文章以我国当下数字媒体技术的发展状况为切入点,深入分析其在各个领域中的运用以及影响,并就强化数字媒体技术应用效果的策略进行阐述。

摘要： 幼儿园歌唱活动是对幼儿实施音乐教育的重要组成部分,也是幼儿抒发情感、张扬个性、交往互动的主要方式之一.《幼儿园教育指导纲要》与《3-6岁儿童学习与发展指南》的颁布,告诉我们应熟知幼儿年龄特征、以游戏为主要活动形式、各领域内容相互渗透.采用科学的、灵活多样的教学策略,从不同角度促进幼儿情感、态度、知识、技能等方面的发展.本文以小班歌唱活动《大猫小猫》为例,分别从歌曲内容的选择、分析,预令的设置,教师范唱,游戏化的教学策略等方面进行细致剖析,探寻开展小班歌唱活动的有效策略.

摘要： 随着我国计算机与信息技术水平的不断发展,计算机物联网技术被广泛应用于多个领域,提高了大众的生活质量与工作效率.计算机物联网技术在发展过程中形成了完善的技术模式与技术体系,使不同领域的经济和信息化水平得到了快速发展.主要阐述了计算机物联网技术的发展现状及内涵,对计算机物联网技术在多领域的应用情况进行科学的分析和研究,以期为全面实现计算机物联网技术的可持续发展做出贡献.

摘要： 在现代计算机和互联网时代的背景下,多媒体技术在计算机领域的飞速发展极大地促进了多媒体技术的进步.多媒体技术是在计算机、信息和网络技术的基础上发展起来的,它结合了文本、图形、动画、视频和音频等,广泛应用于各个领域.笔者在文中分析了多媒体技术在现代通信、教育领域、办公室自动化、医疗、文化和娱乐的应用,以及计算机多媒体技术在课程教学中的设计.

摘要： 随着现代科技的不断进步发展,智能化成为当前一个主打方向,随着电工电子技术的创新发展,许多企业纷纷开始向着智能化前进,在一定程度上促进了社会经济发展.在科技发展过程中,各个行业均开始重视电工电子技术的使用,将电工电子置于重要位置.

摘要： 近年来,国内教育领域对于VR技术的重视度也在不断提升,将VR技术和专业教学融合,对于促进教育新发展具有重要意义.本文分析了VR技术和专业教学的融合的可行性,以设计专业为例,探索设计专业多领域VR技术融合的有效路径.

摘要： 详细介绍了Modelica语言及其主要特点,系统地阐述了Modelica语言的多领域统一建模与仿真原理,分析了Modelica语言适合于复杂系统建模的内在原因,探讨了基于Modelica语言的复杂产品建模方法,综述了基于Modelica语言的建模仿真工具研究现状,总结了采用Modelica语言进行多领域统一建模的优势.

摘要： 尤其用于防护领域、安全领域、水域养殖领域或建筑领域的网由单独的螺旋状弯曲的纵向元件(3)编织成编织物。弯曲成柱状形状或螺旋形状的单独的纵向元件(3)与相邻的纵向元件交错扭转且被如此挤压，即，编织物形成几乎平坦的平整形状且纵向元件(3)在此相应形成几乎直线的边(8a,8b;9a,9b)和在其之间的弯曲部(10a,10b;11a,11b)。弯曲部(10a,10b;11a,11b)相应弯折状地构造在长形的边(8a,8b;9a,9b)之间。由此得到带有未意料到地高的强度值的网构造。

摘要： 本发明公开了一种基于领域对抗自适应的跨领域文本情感分类方法，该方法包括：输入源领域和目标领域样本的词向量矩阵、类别标签和领域标签；利用基于卷积神经网络的特征提取模块，提取样本的低层特征；在主任务模块构建基于源领域和目标领域分布一致性的约束，将低层样本映射到再生核希尔伯特空间，学习具有可转移性的高层特征；将源领域的高层特征输入类别分类器，在减小领域差异的基础上，保证分类器对样本具备类别判别性；在辅助任务模块构建基于对抗学习的领域不变性约束，将低层特征输入具有对抗性质的领域分类器，令分类器尽可能无法判别样本所属领域，从而提取具有领域不变性的高层特征，有效解决了源领域分类器到目标领域的迁移问题。

摘要： 本发明提供了一种基于目标领域自监督学习的无监督领域适应方法和系统，包括：领域不变特征提取步骤、图像特征阶梯式领域对齐步骤、语义分割步骤、边缘生成步骤、分割图领域对齐步骤、边缘图领域对齐步骤和边缘一致约束步骤。本发明通过对目标领域实施一种有效的自监督学习，从而提高目标领域的无监督分割精度，实现良好的领域适应。

摘要： 尤其用于防护领域、安全领域、水域养殖领域或建筑领域的网由单独的螺旋状弯曲的纵向元件(3)编织成编织物。弯曲成柱状形状或螺旋形状的单独的纵向元件(3)与相邻的纵向元件交错扭转且被如此挤压，即，编织物形成几乎平坦的平整形状且纵向元件(3)在此相应形成几乎直线的边(8a,8b;9a,9b)和在其之间的弯曲部(10a,10b;11a,11b)。弯曲部(10a,10b;11a,11b)相应弯折状地构造在长形的边(8a,8b;9a,9b)之间。由此得到带有未意料到地高的强度值的网构造。

摘要： 一种基于领域间和领域内关系的跨领域推荐方法及系统，根据不同领域用户或物品间的评论信息转换为用户或物品的语义关系，构建得到跨领域异构图，并在每个领域内，利用用户或物品的语义关系构建得到单领域异构图；再在两种异构图的基础上设计基于领域间和基于领域内关系的跨领域推荐系统模型，用于同步地学习用户或物品的跨领域不变性和单领域特殊性，并通过门控融合机制生成对每个用户的个性化推荐结果。本发明通过将领域间的语义关系转换成跨领域异构图，将领域内的语义关系转换成单领域异构图的同时保留领域间和领域内关系，统一地建模高阶域间和域内关系并实现双目标跨领域推荐。

摘要： 本发明提出一种基于领域和样例级别迁移的跨领域虚假新闻检测方法和系统，包括：获取多个源领域和一个目标领域的新闻数据，作为训练数据，基于该训练数据，通过元学习的方式训练得到泛化模型；基于该目标领域的新闻数据，执行掩码语言训练任务，训练掩码语言模型，得到用于进行迁移性度量的语言模型；在该源领域的新闻数据上计算语言模型的迁移性，根据该迁移性对该源领域的新闻数据进行加权；使用该目标领域的新闻数据和加权后的源领域的新闻数据引导该泛化模型适应目标领域，得到该目标领域的虚假新闻检测模型；通过该虚假新闻检测模型完成对该目标领域新闻的虚假检测。

摘要： 本发明公开了一种领域自适应的无重叠实体的跨领域数据协同物品推荐算法。对目标和辅助领域数据预处理获得各自的用户‑物品偏好矩阵和用户‑物品指示矩阵；再处理获得用户之间和物品之间的相似度矩阵；根据相似度矩阵构建用户图和物品图；建立带有图正则化项的目标函数，求解目标函数获得得到最优的三个参数矩阵；用三个参数矩阵乘积来重构获得用户‑物品推荐矩阵，用用户‑物品推荐矩阵将物品推荐给用户。本发明使用领域自适应技术来对齐领域间的数据分布，确保了知识迁移的一致性，能够提高目标领域数据中的推荐性能。

摘要： 本发明涉及一种结合领域通用型语言模型的领域泛化方法，属于人工智能迁移学习技术领域。本方法综合了预训练语言模型和模型裁剪技术。首先对预训练语言模型微调，利用多个源域数据对预训练语言模型进行训练。基于微调后得到的模型，计算模型中参数的域不变分数，对域不变分数低的参数进行裁剪。最后对裁剪后的语言模型进行重训练，将训练得到领域通用型语言模型在不同数据上进行泛化性能测试。本方法解决了过度参数化的预训练语言模型中学习方差大的问题。基于本发明的领域通用型语言模型明显优于相应的基线模型，在自然语言处理领域泛化任务上取得了良好效果。

摘要： 本发明针对跨领域文本情感分类任务提出了一种多源领域适应联合学习方法与系统。此框架可以同时学习和训练多个领域的神经网络，可以从不同方面引入更丰富的监督信息。多个领域的任务可以相互补充，从而更容易得到更一般化的表示模型。特别地，本发明设计的联合训练的损失函数包括四个部分：情感分类损失、参数迁移损失、领域融合损失和防止过拟合的正则项。情感分类损失包含了源领域任务和目标领域任务上的情感分类损失，软参数迁移的方法可以有效地迁移源领域的情感知识到目标领域中，而深度领域融合可以保证在学习过程中不同领域的边际分布尽可能地相似。因此多源领域适应联合学习神经网络能够在有限的数据条件下实现更好的特征表示和泛化能力。我们在中文和英文的多领域数据集上验证了提出的多源领域适应联合学习框架，实验结果表明本发明提出的方法在跨领域文本情感分类准确率上有很大提升。

摘要： 本发明涉及基于领域感知的掩码子结构的多领域自适应神经机器翻译方法，属自然语言处理领域。本发明先构建一个多领域基模型，其次利用各个特定领域的数据对基模型进行微调，得到各个特定领域的领域感知掩码组件，再通过融合策略，集成得到的各个特定领域的领域感知掩码组件，得到领域感知的掩码子结构，最后利用领域感知的掩码子结构以及中英通用领域数据和特定领域的数据训练得到多领域神经机器翻译模型。本发明对中英多领域自适应神经机器翻译实现有效的性能提升，为后续领域自适应神经机器翻译等研究提供强有力的支撑，解决了对于领域自适应中存在的领域偏移和领域间的参数干扰以及通用领域灾难性遗忘等问题会造成模型泛化能力不佳的问题。