对雷达装备故障文本进行智能化分类,有助于提高雷达装备保障效率。针对雷达故障文本专业性强,样本量小且不平衡的问题,通过非核心词EDA进行类内数据增强,以实现在增加文本量的同时保持关键信息不变。针对非核心词EDA方法产生的新样本多...对雷达装备故障文本进行智能化分类,有助于提高雷达装备保障效率。针对雷达故障文本专业性强,样本量小且不平衡的问题,通过非核心词EDA进行类内数据增强,以实现在增加文本量的同时保持关键信息不变。针对非核心词EDA方法产生的新样本多样性不够的问题,增加SSMix(saliency-based span mixup for text classification),进行类间数据增强,通过对输入文本非线性的交叉融合来提升文本的多样性。实验证明,与现有的经典基线分类方法和典型数据增强分类方法相比,该方法在准确率上有较大幅度的提升。展开更多
为了能够对记忆型功率放大器线性化处理,并能一定程度克服其记忆效应,该文介绍一种自适应数字预失真器。该数字预失真器采用查找表与记忆效应补偿技术相结合的方法,并且利用内插值方法有效减小了查找表幅度量化过程产生的误差。相比记...为了能够对记忆型功率放大器线性化处理,并能一定程度克服其记忆效应,该文介绍一种自适应数字预失真器。该数字预失真器采用查找表与记忆效应补偿技术相结合的方法,并且利用内插值方法有效减小了查找表幅度量化过程产生的误差。相比记忆多项式预失真器,这种预失真器的计算复杂度较小,却能够得到与其相近的线性化效果。基于功率放大器记忆多项式模型,利用OFDM(Orthogonal Frequency Division Multiplexing)宽带信号验证该文提出的预失真器对记忆型非线性功率放大器的良好线性化效果。展开更多
文摘对雷达装备故障文本进行智能化分类,有助于提高雷达装备保障效率。针对雷达故障文本专业性强,样本量小且不平衡的问题,通过非核心词EDA进行类内数据增强,以实现在增加文本量的同时保持关键信息不变。针对非核心词EDA方法产生的新样本多样性不够的问题,增加SSMix(saliency-based span mixup for text classification),进行类间数据增强,通过对输入文本非线性的交叉融合来提升文本的多样性。实验证明,与现有的经典基线分类方法和典型数据增强分类方法相比,该方法在准确率上有较大幅度的提升。
文摘为了能够对记忆型功率放大器线性化处理,并能一定程度克服其记忆效应,该文介绍一种自适应数字预失真器。该数字预失真器采用查找表与记忆效应补偿技术相结合的方法,并且利用内插值方法有效减小了查找表幅度量化过程产生的误差。相比记忆多项式预失真器,这种预失真器的计算复杂度较小,却能够得到与其相近的线性化效果。基于功率放大器记忆多项式模型,利用OFDM(Orthogonal Frequency Division Multiplexing)宽带信号验证该文提出的预失真器对记忆型非线性功率放大器的良好线性化效果。
文摘目的:观察内环境因素(pH和甘氨酸及离子浓度)对依达拉奉抗神经元缺血性损伤作用的影响。方法:大鼠原代培养皮质神经元,在不同的实验溶液(模拟缺血后脑内环境的变化)以缺氧缺糖(oxygen-g lucose deprivation,OGD)3 h和再灌12 h诱导皮质神经元损伤,以噻唑蓝(MTT)还原反应和乳酸脱氢酶(LDH)释放观察损伤变化。观察不同实验溶液对抗脑缺血药物依达拉奉抗缺血性损伤作用的影响。结果:在弱碱性(pH 7.8)或含甘氨酸(10μm o l/L)的实验溶液中,OGD损伤加重;在弱酸性(pH 6.5)或高M g2+(1.8 mm o l/L)条件下,OGD损伤减轻。依达拉奉(1μm o l/L)能逆转在pH 6.1、7.4、7.8或含甘氨酸溶液中OGD损伤;而对pH 6.5、高M g2+或低Ca2+溶液中的OGD损伤未显示保护作用。结论:内环境因素改变可影响缺血性损伤程度和依达拉奉抗损伤作用。
