基于深度强化学习的维吾尔语人称代词指代消解

针对深度神经网络模型仅学习当前指代链语义信息忽略了单个指代链识别结果的长期影响问题,提出一种结合深度强化学习（deep reinforcement learning）的维吾尔语人称代词指代消解方法.该方法将指代消解任务定义为强化学习环境下顺序决策过程,有效利用之前状态中先行语信息判定当前指代链指代关系.同时,采用基于整体奖励信号优化策略,相比于使用损失函数启发式优化特定的单个决策,该方法直接优化整体评估指标更加高效.最后在维吾尔语数据集进行实验,实验结果显示,该方法在维吾尔语人称代词指代消解任务中的F值为85.80%.实验结果表明,深度强化学习模型能显著提升维吾尔语人称代词指代消解性能.     

激光近净成形中熔池宽度实时监控系统的研究

在激光近净成形过程中,为了快速有效地获取熔池区域信息并加以控制,文设计了CCD同轴拍摄系统获取熔池的双色图像,可以准确地获得熔池区域的图像信息,并利用最小外接矩形图像处理方法快速有效地获取熔池宽度,通过PID控制器调节激光功率加以控制。实验表明,基于双色图像的CCD同轴拍摄方法和熔池宽度闭环控制系统有效解决了激光往复扫描下薄壁工件的边缘凸起和上下宽度不均匀的问题。     

激光熔覆成形中熔池表面温度场的检测与研究

针对激光熔覆成形中熔池表面温度场难以测量的问题,搭建了彩色CCD同轴测温系统。通过优化实验参数,该测温平台可获得清晰、稳定的熔池表面图像,对所拍图像进行处理和计算,可以得到熔池表面的温度场。为了验证得到的温度场是否准确,搭建了红外测温系统,通过对熔池表面不同区域进行测温,得到了与CCD测量结果基本吻合的熔池表面温度分布。两种不同的测温方式得到一致的温度场,说明此测温平台是实用、可靠的,为通过实时检测熔池表面温度进而控制熔覆成形系统打下基础。     

基于氮掺杂钴金属有机框架材料修饰电极电化学传感器灵敏检测盐酸克伦特罗

以1,3,5-均苯三甲酸(H3BTC)作为配体，Co²⁺和聚乙烯吡咯烷酮(PVP)为中心金属离子和氮源，采用溶剂热法合成了金属有机框架材料N-Co-MOF，采用扫描电子显微镜(SEM)、透射电子显微镜(TEM)、X射线衍射(XRD)、傅里叶红外光谱(FT-IR)和X射线光电子能谱(XPS)技术对材料的形貌和成分进行了表征。将N-Co-MOF修饰在玻碳电极(GCE)表面构建了盐酸克伦特罗(CLB)电化学传感器，循环伏安(CV)表征结果表明，N-Co-MOF可以提供更多的电化学活性位点，能够显著提高电子转移能力，并且对CLB具有良好的电催化氧化活性。将此传感器用于检测CLB，线性范围为0.01～29.5μmol/L，检出限(3σ)为4.6 nmol/L。此传感器具有优异的抗干扰性能、良好的重现性和高稳定性，用于实际肉类样品中CLB的检测，加标回收率为98.5%～102.9%。