FANUC-OTDⅡ系统复合型固定循环指令的应用探讨

本文详细论述了FANUC-OTDII系统G70-G76指令的应用,并依据其应用场合给出针对性的实例。     

关于信息科学和技术中常用量和单位的讨论

对信息科学与技术中所使用的一些量和单位符号进行讨论,并提出了规范化建议.     

人类肥胖基因克隆和表达

以编码人全长的OBmRNA为模板,用RT-PCR法获得了编码146个氨基酸残基的OBcDNA,并经EcoRI和BamHI双酶切克隆至原核质表达质粒pGEX-1λT中,通过IPTG诱导,以谷胱苷肽巯基转移酶融合蛋白(GSP)方式进行了表达。结论:在原核细胞中获得高效表达。     

加工中心安全门的控制

采用开关信号检测加工中心可移动式安全门的开、闭状态，结合FANUCoi系统的PMC程序设计，实现了对安全门状态的实时监控，使安全门真正具备安全防护的功能。     

自旋1/2量子受激转子中Planck常数调节的整数量子霍尔效应转变的有限尺寸标度分析

量子受激转子(quantum kicked rotor,QKR)是量子混沌研究中的重要模型之一。在自旋1/2的QKR中,调节等效Planck常数可以在动力学局域化相之间实现一系列相变,其形式与整数量子霍尔效应及其平台相变相似。研究这一相变的有限尺寸标度理论,并将其应用于自旋1/2的QKR模型。估计出相变的临界指数为ν=2.62(9),符合整数量子霍尔效应平台转变的普适类。     

数据挖掘在生物医学工程文献检索中的应用

本文在概述数据挖掘技术的基本概念、分析方法的基础上,分析与比较了文本自动聚类算法;综述了国内外面向MEDLINE文献数据库的数据挖掘、知识提取研究;简述了可扩展标识语言(XML)的基本概念、文档格式及其在数据管理及数据挖掘中的应用.     

基于概率神经网络的文本自动分类研究

本文提出了将一种径向基网络的重要变形———概率神经网络应用于文本自动分类的研究 ,与常用的K 最邻近法相比 ,具有一定的优势 ,特别是在训练集中各类的训练样本数很不平衡时 ;与BP等其他神经网络相比 ,其特点是需调节的参数少 ,不需确定隐层数、隐层中的神经元数量等网络结构 ,比较容易使用。此外 ,从研究中的不同特征选择的评价函数来看 ,它们对分类有一定的影响 ,应用X2 统计进行特征选择的分类正确率最高 ,其次是文本证据权 ,而期望交叉熵的效果最差 ,说明特征选择在文本自动分类中也是非常重要的。     

基于支持向量机的文本自动分类试验研究

提出了将支持向量机应用于文本自动分类的研究，与常用的K-最邻近法相比，无论是对训练数据集还是测试数据集均具有一定的优势，而且不同特征选择方法对支持向量机的影响要比K-最邻近法小。此外，从研究中的不同特征选择的评价函数来看，它们对分类有一定的影响，应用X2统计进行特征选择的分类正确率最高，其次是文本证据权，而期望交叉熵的效果最差，说明特征选择在文本自动分类中也是相当重要的。     

基于机器学习的自动文本分类模型研究

基于机器学习的方法是自动文本分类中非常重要的一大类方法。本文先给出了形式化的定义，提出了自动文本分类的流程模型，然后选取了支持向量机（Support Vector Machine，SVM）算法作为一个典型例子进行分析，最后作者通过一个中文文本分类实验评价了该算法的效果。     

Analysis of Statistical Question Classification for Fact-Based Questions

Question classification systems play an important role in question answering systems and can be used in a wide range of other domains. The goal of question classification is to accurately assign labels to questions based on expected answer type. Most approaches in the past have relied on matching questions against hand-crafted rules. However, rules require laborious effort to create and often suffer from being too specific. Statistical question classification methods overcome these issues by employing machine learning techniques. We empirically show that a statistical approach is robust and achieves good performance on three diverse data sets with little or no hand tuning. Furthermore, we examine the role different syntactic and semantic features have on performance. We find that semantic features tend to increase performance more than purely syntactic features. Finally, we analyze common causes of misclassification error and provide insight into ways they may be overcome.