不完备数据下考虑变量混合不确定性的可靠性度量方法（英文）

目的：可靠性优化需要精确度量含不确定性变量的系统可靠性。然而,工程实践中往往不能获取充足的样本数据计算可靠性指标,因此本文针对不完备数据下的系统可靠性度量开展研究。创新点：1.提出了随机变量、稀疏变量以及区间变量混合不确定性下的可靠性度量方法;2.本方法可以推广到p-box和证据理论变量等不确定性变量。方法：1.建立不完备数据下的失效概率函数;2.基于中间辅助变量实现失效概率的一致性计算;3.针对数据不完备前提下失效概率自身也是不确定性变量的问题,对失效概率指标进行敏感度分析;4.将提出的失效概率计算方法推广到p-box变量、多模态分布变量以及证据理论变量;5.采用经典函数案例验证方法的有效性,并将方法应用于锻压机的可靠性分析。结论：1.不完备数据下的系统可靠性存在较大的不确定性;2.通过中间辅助变量可以精确分析混合不确定性下系统的失效概率,确定失效概率的随机分布特性;3.提出的方法可以用较少的计算时间获得准确的可靠性结果;4.本文方法可以扩展到更多不确定性类型的可靠性分析,辅助混合不确定性优化设计。     

大数据技术在企业财务管理中的应用路径研究

大数据技术的发展,能有效提高财务数据的精准度与时效性,推动企业财务管理实现财务信息共享,提升财务管理风险控制能力,同时也带来新的挑战。基于此,本文以企业传统财务管理为出发点,深入分析大数据技术应用到财务管理工作中存在的优势、问题及相应的策略,以期为企业在大数据背景下有序推进财务管理工作提供一定参考。     

基于CNN和XLNet的音乐多模态情感分析方法

在情感分析领域,仅依靠文本等单一模态进行情感分析,限制了从多模态数据中提取多样化特征的能力,限制了情感分析结果的准确度和鲁棒性。为此,提出了融合音频分析网络和文本分析网络的多模态情感分析方法。其中,利用预训练卷积神经网络(CNN)和迁移学习技术进行基于Mel频谱图的音频情感分类,通过改进的XLNet模型执行歌词文本的特征提取和情感分类任务。CNN和XLNet输出包含概率权重和不同情感值的情感预测矩阵,最后使用堆叠集成方法合并不同模态的输出结果,完成多模态情感分类。在自建民族音乐数据集的消融实验证明,多模态方法具有良好的互补性,在情感识别任务中的性能显著优于单模态方法。公开数据集结果表明,所提方法的分类准确度达到83.75%,优于其他先进方法。