基于卷积神经网络的旅游信息关系抽取研究

[目的/意义]在非结构化语料集中抽取知识要素,是实现知识图谱的重要环节,本文探索了应用深度学习中的卷积神经网络（CNN）模型进行旅游领域知识关系抽取方法。[方法/过程]抓取专业旅游网站的相关数据建立语料库,对部分语料进行人工标注作为训练集和测试集,通过Python语言编程实现分词、向量化及CNN模型,进行关系抽取实验。[结果/结论]实验结果表明,应用卷积神经网络对非结构化的旅游文本进行关系抽取时能够取得满意的效果（Precision 0.77,Recall 0.76,F1-measure 0.76）。抽取结果通过人工校对进行优化后,可以为旅游知识图谱构建、领域本体构建等工作奠定基础。     

基于改进卷积神经网络的人脸识别算法

针对经典人脸识别卷积神经网络(CNN)结构中因网络层次设计过深导致计算量大且训练耗时长的问题,设计一种改进的卷积神经网络结构,该结构由3个卷积层、3个池化层、1个全连接层和1个分类层组成。利用Softmax回归算法进行人脸分类识别,卷积神经网络在输出层利用改进的Softmax进行分类。实验结果表明:在AR人脸库上,所述方法的识别率接近100%,优于传统人脸识别方法,其训练速度也明显快于普通的卷积神经网络,验证了改进方法的有效性。     

基于深度学习的MOOC论坛探索型对话识别方法研究

[目的/意义]大规模在线开放课程论坛具有丰富的用户评论数据。从大量未区分的评论数据中，自动识别出知识密度较高的探索型对话并挖掘其潜在价值，对于改善教师教学质量以及提高学生知识水平具有重要影响。[方法/过程]首先利用GloVe方法训练词向量，加强对文本语义的理解，然后利用卷积神经网络自动学习文本特征，提出一种基于深度学习的探索型对话自动识别模型，并在学堂在线平台《心理学概论》课程论坛标注数据集上进行实证与对比研究。[结果/结论]实验结果显示，利用GloVe方法预训练词向量以及在训练过程中不断对词向量进行学习修正能够提高模型效果。该模型识别探索型对话的F1值为0.94，相较于传统的朴素贝叶斯方法（0.88）、逻辑斯谛回归方法（0.89）、决策树方法（0.88）以及随机森林方法（0.88）取得较大提升，具有较高的实用性和较低的学习成本。     

卷积型积分方程的反问题

本文采用吉洪诺夫正则化方法［１］，求解一类特殊的卷积型积分方程，给出了正则解的存在性，唯一性，稳定性     

碎片拼合的轮廓提取和曲率计算

Canny算子在对物体进行轮廓提取时,会不可避免地漏检一些明显的边界,导致轮廓的不连续. 提出了一种几何方法来定位、度量轮廓上的间断点, 然后将其准确地填充起来. 在获得轮廓的完整信息后, 文中提出采用卷积积分的方法, 通过线性插值对轮廓进行重采样来计算各离散点曲率. 该方法保证了卷积窗口内离散点分布得均匀、一致, 并且使得每一离散点与其权重都满足一一对应关系, 从而保证了曲率计算的精确性. 同时给出了相关参数的选择方法. 实验结果表明,算法是准确和稳定可靠的.     

中国，挺住

汶川地震让半个亚洲震动.让整个世界震惊。中国经历的磨难太多.但从没在磨难中倒下。面临灾难.中国展现出坚韧与顽强;珍视生命.中国赢得了全世界的敬意和赞扬。     

"信号与系统"课程教学中的几点思考

"信号与系统"是电子信息类专业的一门核心基础课,为了有效地上好该课程,需要进行教学改革。一方面,要组织好教学内容;另一方面,要针对教学内容采用相应的合适的教学方法。为此我们进行了教学改革,教学实践的结果表明我们的改革是有效的,本文总结了我们在教学过程中的几点思考。     

论和谐教育与全面发展

教育作为社会文化的主体成分,它一方面受着社会文化发展的制约,另一方面又根据自身内在的规律,发挥其特有的功能。当前,面对传统文化、西方文化和多元化文化错杂交织的影响,教育如何接受挑战,如何发挥教育的传递、传播、选择、创新功能,以促进教育的良性发展,是我们面临的一个挑战,也是我们需要探讨的课题之一。从作者多年的教育经验看,和谐教育是教育发展的必然,全面发展是教育的目标。