期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
双特征增强的图卷积网络用于方面级情感分析
1
作者 夏敏捷 师钰博 樊银亭 《计算机工程与设计》 北大核心 2025年第8期2426-2433,共8页
针对目前方面级情感分析存在句法依赖解析结果不准确、句法和语义信息没有充分利用的问题,提出一种双特征增强的图卷积网络。利用句法解析器中的依赖概率矩阵作为图卷积网络的邻接矩阵,减小解析结果的不准确性,对初始句法信息进行上下... 针对目前方面级情感分析存在句法依赖解析结果不准确、句法和语义信息没有充分利用的问题,提出一种双特征增强的图卷积网络。利用句法解析器中的依赖概率矩阵作为图卷积网络的邻接矩阵,减小解析结果的不准确性,对初始句法信息进行上下文动态加权增强提取句法信息的能力,对于语义信息,采用多头注意力机制构建动态语义图卷积网络,充分利用语义空间信息。实验结果表明,与基线模型相比模型取得了较明显的性能提升。 展开更多
关键词 方面级情感分析 图卷积神经网络 多头注意力机制 概率矩阵 句法 语义 依赖树
在线阅读 下载PDF
平纹编织复合材料加筋壁板低速冲击及冲击后压缩性能多尺度分析 被引量:1
2
作者 王维韩 侯玉亮 +2 位作者 赵巧莉 刘雨桐 李成 《振动与冲击》 EI CSCD 北大核心 2024年第12期109-117,202,共10页
该文通过构建平纹编织复合材料(plain woven composites,PWC)的微/细/宏观多尺度模型,对复合材料T型和工型加筋壁板的低速冲击(low-velocity impact,LVI)和冲击后压缩(compression after impact,CAI)性能进行分析。根据PWC内部结构特征... 该文通过构建平纹编织复合材料(plain woven composites,PWC)的微/细/宏观多尺度模型,对复合材料T型和工型加筋壁板的低速冲击(low-velocity impact,LVI)和冲击后压缩(compression after impact,CAI)性能进行分析。根据PWC内部结构特征,构建微观和细观代表性体积单元(representative volume element,RVE)模型,通过施加不同的载荷条件,预测其等效力学参数。同时,基于局部均匀化方法,将细观RVE模型转化为包含0°和90°子胞的等效交叉层合板(equivalent cross-ply laminate,ECPL)胞元。通过ECPL胞元建立PWC加筋壁板的宏观分析模型,并进行LVI和CAI性能分析。首先进行了能量为8 J、10 J和12 J的LVI试验和多尺度模拟,研究了PWC加筋壁板在LVI载荷下的力学行为。随后,对不同能量冲击后的加筋壁板进行CAI试验和数值模拟,研究其冲击后压缩剩余力学性能和损伤行为。最后,通过对比分析不同能量冲击下的LVI和CAI试验和预测结果,发现多尺度模型对加筋壁板力学性能的预测误差均小于6%,验证了该多尺度模型的有效性。试验和预测结果表明,在CAI载荷作用下,PWC加筋壁板的蒙皮部分沿着冲击损伤的位置发生完全断裂,其中,纤维断裂和层间分层成为PWC加筋壁板的主要损伤形式。此外,工型加筋壁板表现出更好的抵抗压缩强度衰减能力。 展开更多
关键词 平纹编织复合材料 加筋壁板 多尺度模型 低速冲击 冲击后压缩
在线阅读 下载PDF
基于位置估计的永磁同步电机全速域控制 被引量:9
3
作者 温盛军 梁彤伟 王佩雪 《南京理工大学学报》 EI CAS CSCD 北大核心 2020年第1期80-86,共7页
为改进全速域内永磁同步电机(Permanent magnet synchronous motor,PMSM)转子速度估计精度,该文提出高频信号注入和自适应结合法来估计电机位置和速度,实现全速域内无传感器PMSM的控制。首先在特定高频信号激励下,利用电流响应估计PMSM... 为改进全速域内永磁同步电机(Permanent magnet synchronous motor,PMSM)转子速度估计精度,该文提出高频信号注入和自适应结合法来估计电机位置和速度,实现全速域内无传感器PMSM的控制。首先在特定高频信号激励下,利用电流响应估计PMSM的初始位置,同时通过流频法启动并控制电机低速运行。然后提出基于可调模型的自适应法估计中高速运行时的电机转速,实现电机无传感器条件下的精确控制。结果表明:提出的方法能使转子初始位置估计误差在0.3%以内和转速估计误差在0.7%以内,转速误差被控制在0.4%以内,具有良好的估计精度与稳态性能。 展开更多
关键词 永磁同步电机 无传感器 高频信号注入 自适应估计
在线阅读 下载PDF
基于多目标蜂群算法的数据分类方法 被引量:4
4
作者 王海泉 侯宇亮 +3 位作者 魏建华 徐晓滨 苏孟豪 张姗姗 《重庆大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第1期74-81,共8页
为了保证运算时效的同时,提高复杂数据的分类精度,提出了基于多目标蜂群算法和极限学习机的数据分类算法。该方法以最小的特征个数和最高的分类精度为优化目标,利用改进的多目标蜂群算法对数据的特征个数和分类器参数进行寻优,针对多个... 为了保证运算时效的同时,提高复杂数据的分类精度,提出了基于多目标蜂群算法和极限学习机的数据分类算法。该方法以最小的特征个数和最高的分类精度为优化目标,利用改进的多目标蜂群算法对数据的特征个数和分类器参数进行寻优,针对多个有代表性的数据集进行仿真,结果表明所提出方法的有效性。 展开更多
关键词 蜂群算法 多目标优化 特征选择 极限学习机 数据分类
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部