摘要：该文针对当前法律智能体系可解释性差、低频易混淆法因预测效果不佳、民事纠纷研究过少的问题,设计了一种可解释性层次法因预测IHLCP模型,并将法因之间的层次依赖关系作为模型可解释性的来源进行了研究。模型首先基于案件的语义差异性对事实描述进行编码,然后通过改进的seq2seq-attention模块来预测法因路径,并利用法因内部的文本信息过滤事实描述中的噪声信息,以获得可靠的预测效果。该文设计的IHLCP模型在CIVIL、FSC和CAIL这三个大规模公开数据集上分别达到了当前最好的效果(CIVIL数据集:ACC-91.0%,PRE-67.5%,RECALL-57.9%,F1-62.3%。FSC数据集:ACC-94.9%,PRE-78.8%,RECALL-75.9%,F1-77.3%。CAIL数据集:ACC-92.3%,PRE-90.9%,RECALL-89.7%,F1-90.3%),其中ACC和F1值分别最高提升了6.6%和13.4%。实验结果表明,该设计能够帮助系统理解法因,弥补了当前法律智能体系在低频、易混淆法因预测上的不足,同时提升了模型的可解释性。

摘要：目前,中文短文本因其长度短、结构多样和缺乏上下文等特点,常规多标签分类算法无法对其有效区分。针对以上问题,论文提出一种基于深度学习的中文短文本多标签分类模型CRC-MHA。CRC-MHA模型在文本表示层摒弃常规使用Word2vec进行静态词嵌入的方式,采用BERT对输入句子进行动态词嵌入,借助海量预训练文本的优势更好地表征文本的上下文语义,同时在特征提取层设计了一种结合CNN、RCNN和多头自注意力机制的并行特征提取策略,加强捕捉文本内部的关键特征来提升多标签分类效果。实验结果表明,CRC-MHA模型在评价指标加权平均F1值上较BERT模型提高1.95%,较BERT-CNN模型提高0.42%,较BERT-RCNN模型提高0.34%,验证了模型的有效性。

摘要：【目的】采用机器学习的方法对30 Tbit/s(60×500 Gbit/s)奈奎斯特双偏振—16进制正交幅度调制(DP-16QAM)在G.654E光纤中传输6300 km传输系统的传输结果进行非线性均衡,降低传输误码率(BER)。【方法】借鉴卷积神经网络的“感受野”机制,设计“卷积核”大小,根据划分采样数据构造数据集。选取并调试合适的参数构造人工神经网络。采集在C波段的不同波长、不同光信噪比和不同入纤功率发送和接收一一对应的数据,参照经典全连接神经网络结构,根据数据集数据结构来构建神经网络,并对实部和虚部分别进行网络拟合,训练完成后将测试数据集送入网络,在这3个方面分别进行计算并与传统方法进行比对。【结果】文章采用两种神经网络拟合了C波段频率在191.5625~195.9875 THz 60个不同波长传输条件下的传输BER,在与最大似然序列估计(MLSE)算法的对比中,网络1和网络2 BER分别平均降低了23%和41%。在数据中选择了频率为193.8125 THz的光进行入纤功率范围为14~19 dBm的计算,网络1和网络2 BER分别平均降低了32%和52%。在不同光信噪比下,网络1和网络2 BER分别平均降低了30%和57%。【结论】引入的两种神经网络在相干传输系统的非线性均衡中都有不俗的表现。同时,网络层数和节点数会共同影响拟合结果,一般说来,增加层数和节点数可以获取更好的拟合效果,但与之对应的便是模型参数的增多、占用空间的增大和训练时间的增长,所以在应用中应考虑实际情况,在拟合效果和模型属性中进行取舍。

摘要：拥塞控制技术是数据中心网络中实现超低延迟、高带宽和网络稳定的关键。现有的拥塞控制技术难以同时兼顾低延迟、高带宽和网络稳定。因此,提出一种基于网络感知的拥塞控制机制,利用网络带内遥测技术获取精确的链路负载信息,精确控制流量。通过解决拥塞期间的延迟信息和对信息的过度反应等问题,实现快速收敛以利用空闲带宽,避免拥塞。测试结果表明在小型数据中心网络中,采用本文设计的拥塞控制机制与dcqcn算法进行比较,当流量较小时,在前99%流量的情况下流放缓比的值前者仅为后者的10%左右。

摘要：该研究通过处理平安银行股票数据生成十个比较有代表性的技术分析指标,将技术指标的值经过预处理后分别作为基于机器学习的多元线性回归、BP神经网络和LSTM神经网络三种模型的输入,通过模型训练来预测股票的涨跌,然后比较三种模型在预测准确率以及回测中年化收益率的表现,证实LSTM神经网络模型对于非线性的股票走势预测效果最好。然后设计改进了一种基于LSTM模式分类的交易择时策略,获得了更高的年化收益率,并且这种策略可行性更高,最后说明利用LSTM模型进行量化交易是可行的。

摘要：区块链已广泛应用于货币金融、通信网络、信息安全、物联网、电力运行管理和社会职能管理等多个领域,但依然存在许多急需解决的问题。共识算法是区块链的核心技术之一,是区块链各节点达成一致性最为重要的底层技术,是解决区块链吞吐量太小、通信存在延迟等一系列问题的关键技术,是区块链安全运行的重要保证。文中基于区块链共识算法的设计原理,主要介绍了区块链的构成、分类、架构、上链、节点处理流程及存在的问题,重点阐述了现有PoW、PoS、DPoS、PBFT、Raft、Paxos、Ripple等共识算法设计思路、共识理论及流程,对共识算法中的共性问题,即算法优化、算法效果进行了综合概述和分析,并对区块链共识算法研究进行了展望,希望开发出更加高效、安全的共识算法。

摘要：SRv6全称为Segment Routing IPv6,是当下最为热门的Segment Routing和IPv6两种网络技术的结合体。由于SRv6本身报文相对较长,当报文封装的SID层数过多时,部分芯片处理能力受限将导致部分芯片出现SID信息封装不全的问题。因此,该文针对SRv6的转发平面进行设计,利用封装流程环回的方案,解决了SID层数过多时,报文封装信息不全的问题,通过实验明确在芯片的承受能力下该流程能封装的最大层数为10层。而在不修改SRv6封装流程的情况下,考虑对SRv6报文进行压缩处理,同样可解决由于报文封装信息过长而导致报文信息封装不全的问题,通过实验可知标准SID的长度可压缩为64 bit或32 bit。

摘要：建立准确的船舶油耗预测模型是实现船舶节能减排的基础。文中以某一远洋船舶作为研究对象,对船舶的实际运营数据进行分析和预处理,结合GBDT算法构建船舶油耗的预测模型。将模型在测试数据集上的预测值与实测数据进行对比,结果表明预测误差低于6.98%,优于随机森林和决策树的预测结果。该文验证了基于GBDT所建立的油耗预测模型的准确性和实用性,对于后续船舶航行优化措施具有重要意义。

摘要：随着自动驾驶等人工智能技术的日渐成熟,对更快、更准确的小目标检测算法的需求也在增加。为此,提出一种基于单阶段检测算法YOLOv5的小目标检测改进算法,以提高在检测较小对象方面的性能。为了实现目标,将研究替换原始模型中的部分结构和因素会对检测性能和推理时间产生的影响。为此,提出了一系列不同尺度的模型并将其命名为“YOLOv5-Sobj”,当以50%的IoU检测较小的物体时,这些模型的mAP提升高达5.3%,而代价是与原始YOLOv5对比,推理时间增加了3 ms。实验目的在于研究提高小目标检测效果的相应方法。

摘要：通过在输入波导与输入平板波导之间加入一种模式转换结构 ,获得了一个具有平坦光谱响应 ,低插损 ,光谱响应对称的阵列波导光栅型波分复用器 ,该模式转换结构由一个与输入波导的输出端连接的第一锥形波导 ,一个与此锥形波导输出端连接的细直波导 ,一个与细直波导输出端连接的第二个锥形波导以及一个连接输入平板波导和第二个锥形波导的梯形波导组成 ,通过优化设计梯形波导和第二个锥形波导的形状可以获得较宽的 1dB通带带宽和较低的插损 ,同时光谱响应具有非常好的平坦性 ,而且通过对第一个锥形波导和细直波导的优化设计 ,在不引入明显的额外插损的条件下 。