为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础

第一节动态数列的编制 第二节动态数列水平分析指标 第三节动态数列速度分析指标 第四节长期趋势的测定和预测

为了进一步研究20CrMo合金钢在生产过程中夹杂物的演变机理，实现对钢中非金属夹杂物的合理控制，保证生产顺行，提高产品力学性能，针对“BOF→LF→RH→钙处理→连铸→热轧”工序生产20CrMo合金钢全流程中非金属夹杂物的演变规律进行了研究。在LF精炼及RH精炼加钙前钢中非金属夹杂物含有70%以上的Al2O3。钙处理后，由于过量的钙加入到钢液中，夹杂物中CaS质量分数迅速增加至59%，Al2O3质量分数降低至21%。在连铸过程中由于二次氧化的发生，夹杂物转变为CaO?Al2O3，其中含有50%的Al2O3、39%的CaO和10%的CaS，并且夹杂物平均尺寸增加。在钢的冷却和凝固过程中，CaO质量分数降低至5%，CaS质量分数增加至57%，钢中夹杂物转变为Al2O3?CaO?CaS的复合夹杂物，同时含有少量大尺寸的CaO?Al2O3夹杂物。在钢的轧制过程中，夹杂物中CaO含量进一步降低，CaS含量增加，夹杂物平均尺寸增加，形成了CaO?Al2O3与CaS黏结型的复合夹杂物与Al2O3?CaS复合夹杂物。对CaO-Al2O3与CaS黏结型的复合夹杂物的形成原因进行了讨论

MATLAB是 Matrix Laboratory的缩写,是由美国 MathWorks公司开发的工程计算软件,迄今 MATLABE已 推出了7.1版.1984年 MathWorksMATLAB公司正式将推 向市场,从这时起, MATLAB的内核采用C语言编写, 而且除原有的数值计算能力外,还新增了数据图视功 能.在国际学术界, MATLAB已经被确认为准确、可靠 的科学计算标准软件.在设计研究单位和工业部门, MATLAB被认作进行高效研究、开发的首选软件工具

第一节动态数列的编制 第二节动态数列水平分析指标 第三节动态数列速度分析指标 第四节长期趋势的测定和预测

8.1数值积分 8.2数值微分

1-1数制与编码 1-2逻辑代数基础 1-3逻辑函数的标准形式 1-4逻辑函数的化简

通过15N-14N同位素气体交换技术消除液相传质的影响，利用在线质谱分析仪测定了在1873 K下，铁液中氮溶解的界面反应速率常数。结果表明，总流量为600～800 mL?min?1时可以忽略气相传质的影响，保护气中增加H2的比例有利于降低钢液中杂质元素的浓度。铁液中加入一定量碳、铝、硅，分析得到这三种元素对氮溶解速率是抑制的。依据本实验的数据利用空位解离模型建立反应速率常数ka与氧、硫、碳、铝、硅的活度关系，吸附系数分别是KO=0.96，KS=9.32，KC=0.02，KAl=0.51，KSi=1.16。纯铁液中氮的溶解反应表观速率常数为ka=4.8×10?6 mol?m?2?s?Pa

6.1数据统计处理 6.2数据插值 6.3曲线拟合 6.4离散傅立叶变换 6.5多项式计算

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础