基于深度学习的科学数据集检索方法研究

[目的/意义]为了支撑数据驱动研究范式,促进科学数据的共享与利用,提高数据仓储和发现平台中数据集检索功能的效果。[方法/过程]将科学数据集检索过程分为候选数据集检索和候选数据集重排序两个主要阶段：在第一阶段,将BM25模型与基于SimCSE的稠密检索模型结合,获取潜在的相关数据集;在第二阶段,基于BERT排序模型对候选数据集的相关性进行评分,据此优化检索结果排序。[结果/结论]从国内外13个人文社科相关的科学数据仓储平台采集约10万数据集的元数据进行检索实验和效果评价,结果表明：提出的检索模型效果最优,其NDCG@10的得分分别高于基准的向量空间和BM25模型23.6和11.7个百分点;对各模型检索结果分析发现,该模型相比基准模型具有更强的语义检索能力;此外,还对模型权重设置进行分析,可为实践应用中的参数设置提供参考。[局限]仅在英文人文社科数据集上进行模型效果验证。     

基于时延-多普勒图像的海洋表面风速反演方法

随着GNSS-R技术在海洋遥感领域的发展,已经积累了海量的GNSS-R数据。针对基于时延-多普勒相关功率图(DDM)实测波形与经验模型反演风速复杂性高、计算量大和精度低的问题,采用两种神经网络方法,基于NASA CYGNSS的DDM数据,分析了DDM与海洋表面风速的关系,首先引入卷积神经网络建立风速等级分类模型对海洋表面风速进行分类反演,但效果不理想。为获取精度更高的反演风速,对DDM进行特征提取,改用BP神经网络完成了风速反演。反演风速与实际风速的皮尔逊相关系数为0.958、均方根误差为1.86 m/s、平均相对误差为2.66%,证明了基于DDM使用神经网络反演风速的可行性和有效性。     

基于BP神经网络反演云顶高度

精确估计云顶高度可以在数值天气预报以及气候模型领域中起到举足轻重的作用。云顶高度首先影响着加受油机对接,影响着飞机通讯质量,其次降低对目标的识别,还会破坏电磁干扰与抗干扰。因此,获取更精确的云高信息,不仅节约了时间,还避免了错误估计而造成不必要的损失。本文以训练样本集中日本葵花8静止气象卫星光谱通道数据为输入,以美国CALIPSO卫星的结果为输出,通过构建神经网络模型方法,利用BP神经网络,针对葵花8静止气象卫星,建立葵花8卫星云顶高反演模型,使用检验样本集,对反演模型取得的云顶高反演结果进行检验与分析,研究模型的云顶高反演能力、特性和效果。     

BP神经网络在千岛湖水体富营养化变化预测中的应用

将人工神经网络模型引入水质预测中,并据此建立了千岛湖水体富营养化预测的BP神经网络模型。该模型选取了Chla作为网络的输出变量,通过主因子分析,得到温度Tw、pH、Chla、SD、TN 5个水质因子作为网络的输入变量,构建了5个网络模型。本研究表明,以上周的Tw、pH、Chla、SD为输入变量,下周Chla为输出变量的网络方案能够对千岛湖的水质变化进行很好的短期预测,从而能够使管理部门根据此模型掌握千岛湖水质变化趋势,为其制定千岛湖水质管理方案提供理论依据。     

K—FOLD交叉验证和BP神经网络在图书智能分布中的应用

为了更好地解决图书利用率这一问题,文章提出了一种改进的BP神经网络模型,并将交叉验证算法运用到该模型中。实验结果表明,采用这种改进的神经网络模型和交叉验证方法可以较好的实现图书分布的优化,从而达到提高图书利用率的目的。     

BP神经网络在数据预测中的应用

数据预测是在分析现有数据的基础上来估算推测未来数据的过程。首先介绍了预测的重要性及常用方法,接着介绍了BP神经网络的原理以及结构,最后进行了BP网络预测方法应用,并在Matlab中进行了仿真。经实验验证,该方法可以获得较好的预测效果。     

人脑信息加工神经网络化体系初探

本文对心理词汇、外语心理词汇、二语心理词汇、双语心理词汇所涉及到的语言与思维关系问题进行了较为深入的分析、阐释和讨论,明确指出：1）在语言习得和外语学习过程中,逻辑思维和形象思维两套系统会因信息输入途径的不同而各自、相继或同时参与着信息加工;2）两种思维系统所参与的信息加工,会以＂词条或概念群组＂的形式加以储存;3）提出了外语学习信息加工心理词库的假说;4）并对定位论和总体论以及各种类型心理词汇的分类、概念及其信息输入、储存、激活等问题分别进行了简明扼要地阐述、分析和讨论;在此基础上,提出了＂人脑信息加工神经网络化体系论＂假说。     

一类非线性时滞系统的自适应动态面控制

针对一类严格反馈非线性时滞系统,提出了一种自适应神经网络动态面控制方案。通过引入一阶滤波器,避免了传统反演设计中的＂计算膨胀＂问题。通过构造恰当的Lyapunov-Krasovskii函数,对未知时滞项进行了补偿。此外,基于Lyapunov稳定性理论,证明了闭环系统所有信号半全局一致最终有界。最后,仿真实例表明了所提控制方案的有效性。     

校级重点建设学科之基础数学学科

基础数学学科是南京晓庄学院的校级重点建设学科,目前,该学科共有代数学、微分方程及其应用和几何学等三个研究方向。学术带头人分别是任艳丽教授、肖敏副教授和袁俊副教授,研究重点集中在环论、神经网络和几何凸分析。该学科拥有专任教师共计14人,其中高级职称9人,博士6人（含博士后3人）,硕士6人。     

基于QPSO-LSTM的短期风电负荷预测模型

准确的风电预测可以提高电网的稳定性和可靠性,优化风电发电计划,降低能源成本。为了提高短期电力负荷预测的精度,文章探讨了一种基于QPSO算法对LSTM神经网络进行优化的算法,并根据LSTM神经网络以及QPSO算法的基本原理,利用QPSO算法对LSTM的超参数及网络拓扑结构进行优化,建立QPSO-LSTM短期风电负荷预测模型。仿真结果表明,QPSO-LSTM模型较传统的LSTM模型预测精度更高,且具有更快的收敛速度。