医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性

立体视频在无质量保证的互联网上传输时会引发立体视频左右视图的帧延时,影响观看质量.本文提出一种利用主观评价与客观脑电(electroencephalogram,EEG)相结合的方式分别对深度和水平延时运动立体视频刺激进行分析,并对二者的差异性进行比较.共有十名被试参加实验,被试观看随机呈现的不同延时等级包括无延时、延时1帧、延时2帧和延时3帧的立体视频片段,并对是否感知到延时效应做出主观判断,同时记录被试的EEG信号.从EEG信号中提取出事件相关电位(event related potentials,ERPs)并结合主观行为数据进行分析与比较.实验结果表明,为保证观看质量,深度运动立体视频中所能存在的最大延时帧数为1帧,水平运动中则不能存在延时效应.与水平延时运动相比,深度延时运动刺激产生的P300成分幅值变化范围更大,表明在深度延时运动刺激下大脑的活跃程度更高.同时,相同延时帧数的深度运动与水平运动刺激所产生的P300成分中,深度延时运动的潜伏期更长,这表明处理深度延时运动刺激所需时间更长

为对生产进行指导，研究了DP590/DP780高强钢焊管在液压成形过程中的变形行为；使用场发射扫描电镜观察管材周向的横截面以确定基体的组织，通过VMHT30M显微硬度计确定管材的焊缝及热影响区的大小，以便研究液压成形破裂行为；采用液压成形试验机对两种管件进行液压成形研究。实验结果表明：管材在胀形过程中的破裂压力比理论计算公式得到的破裂压力大，破裂位置全部位于靠近焊缝及热影响区的母材区域；随着管径的增大和长径比的增大，管材的极限膨胀率呈现下降趋势；在自由胀形过程中，管材的焊缝区域基本上不发生减薄，最小壁厚位于管材的热影响区和基体的过渡区域，并且壁厚的减薄率在胀形最高点所在截面最大，越靠近管材夹持区，壁厚的减薄率越小。最终得到以下结论：管材液压成形实验是准确获得管材力学性能参数的途径；提高焊接质量有助于控制失效破裂位置；合理选择管材的长径比有利于管材性能的充分发挥；通过合理控制各处的减薄有利于降低液压成形件的破裂风险

为探究干湿循环对水泥基复合充填材料长期稳定性的影响，以水灰比4∶1水泥基复合材料为研究对象，借助ETM力学试验系统、X射线衍射及扫描电镜扫描装置，对不同干湿循环次数下“饱水”状态和“失水”状态的试件进行单轴抗压强度试验，并通过物相分析及微观结构探讨干湿循环对其影响机理。结果表明，随着干湿循环次数的增加，“饱水”状态下失水率逐渐增大，含水率和容重呈下降趋势，峰值强度先增加后减小，增幅最高达9%；“失水”状态下失水率、含水率和容重均变化不大，峰值强度较初始状态有所降低，最高达13.5%；两种状态弹性模量和残余强度都呈下降趋势。通过机理分析发现，“干”过程中碳化反应是材料强度降低的主要原因，而“湿”过程中吸水将部分碳酸钙等物质转化为具有承载能力的钙矾石（AFT）和碳硫硅钙石（TSA）是材料强度恢复的主要原因，但恢复能力有限，长期的干湿循环会对水泥基复合充填材料稳定性产生不利影响

一、无形资产概述 (一)无形资产概念 无形资产,是指企业为生产商品 、提供劳务、出租给他人或为管理目的 而持有的、没有实物形态的、能给企业 带来未来经济利益的非货币性长期资产

AMCM89问题蠓的分类 两种蠓Af和Apf由生物学家w. Grongan和w.w. Wirth(1981年)根据它们的触角长度和翼长加以 区分(见图89A-1),9只Af蠓用标记,6只Apf鲸用”标记。根据给出的触角长度和翼长识别出一只标 本是Af还是Apf是重要的

针对钢铁空分企业氧气放散率高、综合能耗高的问题，建立了以减小转炉用氧总量波动和降低系统能耗为目标的转炉用氧调度模型。综合考虑了吹炼区间时长不变、各吹炼区间起始时刻满足工艺要求、钢水温度大于1250 °C、转炉用氧调度前后变动最小等约束，以基于整数空间的粒子群（Particle swarm optimization, PSO）算法进行求解。同时，以国内某大型钢铁企业空分厂为案例，采用Pipeline Studio软件建立该厂区氧气管网输配系统模型，对转炉用氧调度的节能优化效果进行了验证。结果表明，本文提出的转炉用氧节能优化调度在研究时间段尽可能安排单台转炉生产，有效降低多台转炉吹氧重叠时间，在生产时间内错峰用氧，减小转炉用氧总量波动，缓解氧气供求不平衡的矛盾。在120 min研究时长内，调度前后系统氧气放散量由1242.1 m3降低至0，相应的空分系统的电耗节约了1192.42 kW·h，氧压机的压缩能耗增大了41 kW·h，氧气管网输配系统节约总能耗为1151.42 kW·h。综合计算来看，转炉用氧调度应用到全年，预计减少氧气放散总量5.44×106 m3，节约氧气管网输配系统总能耗5.22×106 kW·h

针对目前锂离子电池寿命预测结果不准确的问题，提出了一种多模态分解的锂离子电池组合预测模型，从而学习锂离子电池退化过程的微小变化。该方法在单一长短期记忆（LSTM）预测模型的基础上，采用了自适应噪声完全集成的经验模态分解(CEEMDAN)算法将锂电池容量分为主退化趋势和若干局部退化趋势，然后使用长短期记忆神经网络（LSTMNN）算法分别对所分解的若干退化数据进行寿命预测，最后将若干预测结果进行有效集成。结果表明，所提出的CEEMDAN?LSTM锂离子电池组合预测模型最大平均绝对百分比误差不超过1.5%，平均相对误差在3%以内，且优于其他预测模型

由于协作机器人的结构比普通工业机器人更为轻巧，一般动力学模型所忽略的复杂特性占比较大，导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上，采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动，以电机电流估算关节力矩，获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明，补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果，各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等，表明了文中所提出补偿方法的有效性

为适应热冲压技术的发展需求，开发了一种新型高热导率高耐磨性能热冲压用模具钢材料。采用扫描电镜（SEM）、透射电镜（TEM）等检测手段对钼钨钒合金化新型模具钢的高温回火性能与组织特征进行了研究。阐明了新型热冲压模具钢回火过程碳化物析出与演变规律。实验结果表明：实验用钼钨钒合金化模具钢材料具有良好的回火二次硬化性能，在500～600 ℃温度区间回火时，回火组织硬度上升；在600 ℃回火出现二次硬化峰值；当回火温度超过600 ℃后，组织软化程度明显，回火硬度开始下降。实验模具钢在高温回火过程中的硬度变化与其合金碳化物的偏聚、析出和聚集长大密切相关。当在560 ℃以下回火时，实验钢组织中未有合金碳化物析出；当回火温度大于560 ℃时，回火组织中开始析出M2C型碳化物；当回火温度高于600 ℃后开始析出MC型碳化物；当在620 ℃长时间回火后M2C型碳化物转化为M6C型碳化物，此时实验钢硬度开始明显下降；而当回火温度高于660 ℃时，新型实验钢组织中主要为M6C和MC型合金碳化物