摘要:采用图神经网络模型为整个语料库构建异构图处理文本分类任务时，存在难以泛化到新样本和词序信息缺失的问题。针对上述问题，提出了一种融合双图特征和上下文语义信息的文本分类模型。首先，为每个文本独立构建共现图和句法依存图，从而实现对新样本的归纳式学习，从双图角度捕获文本特征，解决忽略单词间依存关系的问题；其次，利用双向长短期记忆网络（bi-directional long short-term memory，BiLSTM）编码文本，解决忽略词序特征和难以捕捉上下文语义信息的问题；最后，融合双图特征，增强图神经网络模型的分类性能。在MR，Ohsumed，R8，R52数据集上的实验结果表明，相较于经典的文本分类模型，该模型能够提取更丰富的文本特征，在准确率上平均提高了2.17%，5.38%，0.61%，2.48%。

摘要:Adam算法是目前最常用的优化算法之一，但其面临学习率震荡导致模型不收敛问题，其改进算法AMSGrad也存在梯度递减导致的二阶动量失效问题。针对上述问题，提出了基于自适应动量更新策略的Adams算法。首先，通过为一阶动量和二阶动量引入自适应更新参数，并在最后的参数更新期间采用较小的一阶动量更新参数，构建了一种自适应的动量更新策略。其次，基于该更新策略，提出了一种能够快速收敛的Adams算法。最后，通过理论分析证明了Adams算法的收敛性。基于文本分类和图像分类的对比实验表明，相比于Adam和AMSGrad算法，Adams收敛速度更快、训练结果更好，且具有优秀的泛化能力；消融实验证明了Adams算法自适应动量更新策略的有效性。

摘要:针对路网的拓扑信息不完整而无法实现时空结合交通流预测的情况，提出了一种基于时间序列预测模型联合数据编解码机制的预测方法。对路网内路段交通流数据进行编码得到路网信息的链状结构，以此获取路网结构中的拓扑信息；通过时序模型对链状结构进行交通流预测，完成对链状结构的时序特征提取；最终，通过解码方法得到路网的时空交通流预测结果。采用GPS数据，选取不同路网进行对比实验，引入数据编解码的时空交通流预测方法与时间序列模型进行比较，并且与基线模型HA和ARIMA展开了对比实验。实验结果表明：深度学习模型引入数据编解码机制后，模型性能明显提升；引入数据编解码机制的深度学习模型的性能比基线模型的性能更优越。该方法仅仅使用简单的时间序列深度网络再联合数据的编解码机制即可实现时空结合的交通流预测。

摘要:智能下肢假肢与下肢外骨骼是肢体功能障碍者恢复日常运动的重要手段。基于肌电信号的直接意图控制是其自适应、自主控制的关键技术之一。针对此问题，阐述了基于肌电信号的人体下肢运动意图映射研究进展，包括比例肌电法、肌骨模型法和人工智能算法，讨论了基于肌电信号的人体运动意图映射研究所面临的主要问题。最后，对该领域未来发展方向进行了展望和总结。

摘要:质量交换网络（MEN）作为过程集成系统的新兴分支方向，具有提高资源利用效率和降低环境污染的双重效益。目前典型的超结构模型在MEN优化中已经取得了很好的应用，但超结构固定排列方式限制了模型中换热器匹配的灵活性和求解域的扩大。基于此，提出了一种新的有分流节点非结构模型，以节点的形式量化传质单元的匹配方式，实现传质单元在流股上的自由匹配，从而增强了单元匹配的灵活性。同时考虑到实际工程中有分流情况的出现，以分组数和分支数表示传质单元的有分流形式，进一步扩大了模型的求解范围。最后，通过2个实际MEN算例分析计算，验证了有分流节点非结构模型的有效性。

摘要:为探究亚麻籽粕作为配料粉的加工适用性，以丰富传统发酵面制品的种类，将冷榨亚麻籽粕按不同比例（5%～50%）与小麦粉复配，分析其对小麦面团的热机械学、热力学、流变学、面筋含量及微观结构的影响。结果表明：随亚麻籽粕添加量的增大，面团吸水率增大，回生值和面团的形成时间降低；复配粉的糊化温度升高；面团发酵的最大高度和产CO₂总量下降，气体保留率升高；弹性模量和粘性模量先增大后减小；面筋含量减少且有序结构略有降低，面团网络结构连续性变差。当亚麻籽粕添加量在5%～25%之间时，对小麦面团特性的影响较小，而当添加量超过25%时，小麦面团的特性严重劣变。综上，为了保持面制品感官品质，提高亚麻籽粕的利用率和面制品的营养价值，亚麻籽粕的添加量不宜超过25%。

摘要:可注射生物活性陶瓷不仅具有良好的生物相容性，而且能够促进成骨分化和血管生成。羟基磷灰石（Ca₁₀(PO₄)₆(OH)₂, HA）是人骨的主要成分。采用微流控技术，成功制备出粒径480 μm的均一硅酸钙（CaSiO₃, CS）微球，并以其为前驱体，在磷酸三钠（Na₃PO₄）水溶液中进行24 h水热转化处理，得到具有纳米线结构的含硅羟基磷灰石微球（Si-nHA）。该纳米线直径约100～200 nm，长度约1～2 μm。Si-nHA微球比表面积为7.78 m²/g，远高于纯HA微球的比表面积（0.08 m²/g），高比表面积使得Si-nHA微球具有更加优异的蛋白负载和缓释性能。同时，Si-nHA微球释放的硅（Si）离子能显著促进大鼠骨髓间充质干细胞（rBMSCs）的增殖，以及相关成骨（OPN，OCN）和成血管基因（ANG-1）的表达。研究结果表明，Si-nHA微球在微创骨修复领域有良好的应用前景。

摘要:基于非负矩阵分解的协同过滤模型在高维稀疏数据的预测和填补上十分有效，该模型具有推荐个性化、有效利用其他相似用户回馈信息的优点，但也存在预测精度较低等不足。针对用户或项目在不同情景下的评分差异性，提出了一种改进的基于潜在因子多样性的非负矩阵分解的协同过滤模型。该模型充分考虑在不同情境下，用户和项目潜在特征矩阵的多样性，在模型的训练中，采用了单元素非负乘法更新规则和交替方向法，保证了目标矩阵的非负性，且提高了模型的收敛率。在真实的工业数据集上的实验结果表明，相比于经典的非负矩阵分解模型，该模型的预测精度有了明显提高。

摘要:含可再生能源的微网已成为能源领域重要的发展趋势，在此背景下，针对热电联产微网中储能优化配置的不足，构建了含有光热电站的热电联供型微网储热容量双层优化配置模型。上层模型以极小化光热电站日投资成本和热电联产微网日运行成本为优化目标，下层以极小化热电联产微网日运行成本为优化目标。利用Karush-Kuhn-Tucker最优性条件将双层模型转化为单层模型。算例证明了基于光热电站的储热系统提升了微网的经济性以及微网消纳可再生能源的能力，并分析了光热电站的储热容量和储热成本对热电联产微网投资成本和运行成本的影响，同时验证了所提双层规划模型的有效性。

摘要:需求关联性现象普遍存在于顾客购买行为中，然而大多数库存管理方面的研究假设产品需求相互独立，忽视关联性造成的影响，可能导致严重的缺货现象发生。针对存在需求关联性情况下具有库存容量限制的多供应商电商库存分配问题，应用FP-Growth算法从订单数据库中挖掘得到关联规则，并将关联规则抽象为一种约束，建立双目标随机规划数学模型，通过分段线性拟合方法对非线性目标函数和约束进行处理。采用非支配排序遗传算法(NSGA-Ⅱ)对模型进行求解，基于“先知种群”改进种群初始化过程，以提升算法收敛速度。使用真实数据的数值实验表明，基于关联规则的库存分配模型能以小幅度增加运营成本为代价，显著减少缺货数量。最后对库存容量、关联规则置信度和供应商个数进行敏感性分析，进一步为电商平台管理者提供了参考。

摘要:为解决传统模型表示出的词向量存在序列、上下文、语法、语义以及深层次的信息表示不明的情况，提出一种基于预训练模型（Roberta）融合深层特征词向量的深度神经网络模型，处理中文文本分类的问题。通过Roberta模型生成含有上下文语义、语法信息的句子向量和含有句子结构特征的词向量，使用DPCNN模型和改进门控模型（RGRU）对词向量进行特征提取和融合，得到含有深层结构和局部信息的特征词向量，将句子向量与特征词向量融合在一起得到新向量。最后，新向量经过softmax激活层后，输出结果。在实验结果中，以F1值、准确率、召回率为评价标准，在THUCNews长文本中，这些指标分别达到了98.41%，98.44%，98.41%。同时，该模型在短文本分类中也取得了很好的成绩。

摘要:提出了一种广义意见动态模型（GODM），此模型可以通过动态计算每个人的表达意见来解决社交信任网络中的意见最大化问题。在模型中提出了一个新的、合理的、可解释的自信指数${\alpha _{{i}}}$，${\alpha _{{i}}}$由个人的社会地位与其周围人的评价共同决定。并且利用对角占优理论，得到模型达到纳什均衡状态时的最优解析解。设计了一种具有l₁ 形式的交替方向乘子法来最大化现有的总体意见。进行了一系列实验，实验结果表明，此方法在4个数据集上都有较好的结果。在4个数据集上，解决内部意见问题的平均效益分别提升了 66.4%，88.7%，47.8% 和 34.1%。实验结果充分验证了所提模型的优越性。