Existing fusion strategies often involve simple concatenation of modal features,disregarding persona-lized fusion requirements based on the characteristics of each modality.Additionally,solely considering the emo-tions of individual utterances in isolation,without accounting for their emotional states within the context,can lead to errors in emotion recognition.To address the aforementioned issues,this paper proposes a multimodal emotion recognition method based on a layered fusion strategy and the incorporation of contextual information.The method employs a layered fusion strategy,progressively integrating different modal features in a hierarchical manner to re-duce noise interference from individual modalities and address inconsistencies in expression across different mo-dalities.It leverages the contextual information to comprehensively analyze the emotional representation of each utterance within the context,enhancing overall emotion recognition performance.In binary emotion classification tasks,the proposed method achieves a 1.54%improvement in accuracy compared with the state-of-the-art(SOTA)model.In multi-class emotion recognition tasks,the F1 score is improved by 2.79%compared to SOTA model.
In botnet attacks,because the characteristics of disguised botnet traffic data are too similar to normal traffic data,it is difficult to distinguish them accurately by traditional detection methods.In order to solve this problem,this paper proposes a Multi-feature Aggregation Spectral Graph Wavelet Neural Network(MFA-SGWNN).This method combines the attribute and spatial features of traffic,which can effectively capture the hidden characteristics of infected host traffic,enhance the feature representation of botnet nodes,and avoid the influence of unbalanced data samples and malicious encrypted traffic on detection.Experimental results on the ISCX2014 botnet and CIC-IDS 2017(botnet)datasets show that MFA-SGWNN outperforms existing methods and has stronger robustness and generalization ability.
Among various approaches of few-shot named entity recognition(NER),two-stage models based on prototype networks are widely used.However,these methods can not fully utilize the semantic information in entity labels and overly relies on entity type prototype vectors in distance calculation,resulting in poor generalization ability of the model.To address these issues,this paper proposes a few-shot named entity recognition method based on label semantic information awareness.This method consists of a two-stage process:entity span detection and entity type classification.When constructing entity type prototype vectors,the semantic information associated with the corresponding entity types is considered and fused with the prototype vectors through a dimension transformation layer.During the entity recognition of new samples,entity type positive and negative samples are combined with entity type prototype vectors to form entity type triplets,and the samples are classified based on the distance to the triplets.Experimental results on multiple datasets demonstrate that the proposed model significantly outperforms previous models.
The mid-Holocene (MH) is the most recent typical climate period and a subject of great interest in global paleocultural research. Following the latest Paleoclimate Modeling Intercomparison Project phase 4 (PMIP4) protocol and using a fully coupled climate model, we simulated the climate during both the MH and the preindustrial (PI) periods and quantified the effects of Earth orbital parameters (ORBs) and greenhouse gases (GHGs) on climate differences, focusing on the simulated differences in the Atlantic meridional overturning circulation (AMOC) between these two periods. Compared to the PI simulation, the ORB effect in the MH simulation led to seasonal enhancement of temperature, consistent with previous findings. In the MH simulation, the ORB effect led to a markedly warmer climate in the mid–high latitudes and increased precipitation in the Northern Hemisphere, which were partially offset by the cooling effect of the lower GHGs. The AMOC in the MH simulation was about 4 % stronger than that in the PI simulation. The ORB effect led to 6 % enhancement of the AMOC in the MH simulation, which was, however, partly neutralized by the GHG effect. Transient simulation from the MH to the PI further demonstrated the opposite effects of ORBs and GHGs on the evolution of the AMOC during the past 6000 years. The simulated stronger AMOC in the MH was mainly due to the thinner sea ice in the polar oceans caused by the ORB effect, which reduced the freshwater flux export to the subpolar Atlantic and resulted in a more saline North Atlantic. This study may help us quantitatively understand the roles of different external forcing factors in Earth's climate evolution since the MH.
A generative adversarial network（GAN） model is applied to the outpainting reconstruction on the micro grain and pore structure of sandstone thin-section image, and the semantics of the predicted image is analyzed in the model. The findings demonstrate that the model can predict a lager view of sandstone microstructure, which is 2.25 times the size of the original vision, and has good performance for different types of rock image semantics. The predicted image semantics, such as surface texture of different grains, grain morphology and complex contact relationship between multiple grains are consistent with the real results. However, in the task of outpainting reconstruction on microscopic special phenomenon in rock thin-section, the model lacks sensitivity to special phenomenon. In the task of reconstruction on pore structure, the prediction error of micropore distribution is larger than that of common pore spaces such as intergranular pores, fractures and dissolution pores.The prediction performance of reconstruction results of different pore spaces may be related to pore features（such as pore size and connectivity）.
体用是中国哲学最重要、最具特色的范畴之一,古来即充满争论.朱子之体用思想颇为复杂,亦可反映理学家使用体用范畴之特色.如何全面理解朱子的体用论,涉及佛教传统与中国固有之思想传统,从此出发,回到朱子思想内部的形上与形下之别,可以通贯的理解朱子的体用思想.朱子言说体用,从形上言,吸收佛教传统;从形下言,则继承中国固有之思想.但因为朱子坚持理为实理,故其从形上言之体用,也区别于佛教,而可吸收传统本根论的讲法.此外,无论从形上言还是形下言,朱子均坚持见在为体、发出为用的基本观点.
对Hall等的数字压力量表(Digital Stress Scale,DSS)进行本土化修订,并检验修订版在国内大学生中的信效度.在样本1(样本量n=15)中访谈数字压力,在4个方便抽样大学生样本中(样本2,3,4和5的n分别为87,100,300和239)对数字压力量表进行项目分析、验证性因素分析、结构效度、效标关联效度及信度分析.选取抑郁-焦虑-压力自评量表、生活满意度、UCLA孤独感量表、领悟社会支持和Bergen社交媒体成瘾量表为效标.两周后,对样本5中156名大学生进行重测.修订中文版DSS(Revised Chinese Digital Stress Scale,RC-DSS)中31个条目,包括可联系性压力、认可焦虑、社会比较、错失焦虑、信息过载和在线警戒性6个因子.项目鉴别度和题总分析显示条目表现良好,验证性因素分析显示六因子模型拟合程度良好(x2/df=2.82,GFI=0.80,NFI=0.93,TLI=0.95,CFI=0.96,RMSEA=0.08).数字压力与社交媒体成瘾、压力、抑郁、焦虑和孤独感显著正相关(r为0.41～0.61,p都小于0.01),与社会支持和生活满意度显著负相关(r=-0.24,p<0.01;r=-0.15,p<0.05).量表内部一致性信度为0.94,重测信度为0.73(p<0.01).RC-DSS具良好的信效度,适用于测量国内大学生的数字压力.
基于对混形黔鳄(Qianosuchus mixtus)新标本的观察和测量,对其海生适应性进行再研究.按照非鸟类四足动物的海生适应性的5个阶段(M1～M5),将混形黔鳄的测量数据与其他类群进行对比,判断混形黔鳄处于对海洋生活适应的M2-3阶段,尚不能将其归为真正的海生动物.对新标本形态的观察表明,虽然混形黔鳄的四肢未显示适应海生的形态特征变化,但在身体的总体形态结构和尾部特征上表现出明显适应波动式或半波动式游泳的变化,说明其可能具有与现生鳄类和海鬣蜥相似的适应海生生活的演化趋势.与现生鳄类等类群相比较显示,即使混形黔鳄发育特化的尾部,也无法进行快速或长距离的游泳.综合上述信息,结合盘县动物群四足动物的习性,推测混形黔鳄可能生活于存在岛屿的台内盆地,混形黔鳄等较高营养层级捕食者具有复杂的生态.
介绍与机器人学习有关的基本概念与核心问题,梳理机器人学习的相关方法和最新进展.依据数据类型,将机器人学习的方法分为基于强化学习的方法、基于模仿学习的方法、基于迁移学习的方法和基于发展学习的方法,并对相关研究进行总结和分析,探讨机器人学习领域目前存在的挑战和未来发展趋势.
在系统地梳理幽默在东西方文化中的不同理解以及西方幽默理论和中国幽默起源的基础上,从实证的视角探讨幽默的跨文化差异,并以中国传统文化影响为基础,总结中国式幽默的特点.指出探索中国人幽默人格的路径,提出从心理距离和辩证思维等视角对幽默做进一步研究的思考.厘清上述问题对理解文化与幽默的关系以及中国式幽默的内涵有重要价值.
提出一种由两个等离子体发生装置串联组成的新型磁场固定串联辉光等离子体固氮装置.对该装置的固氮能耗、产物浓度、电压特性、电阻特性、电导率特性以及电场特性进行分析,并与单个装置放电情况进行对比.结果显示,串联放电装置的等离子体固氮能耗在放电电流为60 mA时达到最低,为143.14 GJ/tN,考虑到镇流电阻消耗的电能后,总固氮能耗最低为229.69 GJ/tN.单个装置放电时的总固氮能耗最低为370.38 GJ/tN,表明串联放电有利于降低固氮能耗,且随电流增加,两者固氮能耗的差距显著加大.
选择"8.8"大地震后(2020年6月)震损物源输入程度有差异的箭竹海和犀牛海,基于同位素定年法分析湖泊沉积速率,通过分析沉积物环境指标的垂直变化特征及其与自然灾害和人类活动的关系,阐明影响九寨沟湖泊沉积的长期因素和短期因素.结果表明,从1900年左右至2020年,箭竹海和犀牛海的沉积速率分别约为0.32和0.44 cm/a.环境指标(粒度组成、总碳、总氮、总磷和碳酸盐含量)在沉积物表层(0～10 cm)的垂直分布特征表现为210Pbex比活度显著增加,沉积物粒径偏大,总碳、总氮和碳酸钙富集,且垂直变动剧烈.同时,受震损物源影响明显的箭竹海表层沉积物扰动深度更大.研究结果揭示,"8.8"大地震导致的地灾松散物源大量入湖,短期内迅速加剧湖泊泥沙淤积,其深层垂直分布特征记录了森林砍伐、不合理排放以及环境保护等人类活动对湖泊沉积长期缓慢的影响.
选择西北内陆黑河流域为研究区,基于1980—2020年土地利用数据和社会经济统计数据,通过构建三生空间分类体系,从地形、城镇与道路方面分析近40年三生空间的时空演变特征,采用地理探测器分析其驱动因素,得到如下结果.1)黑河流域国土空间水平分异明显,以生态空间为主导地位.生产生态空间主要分布于中游农业绿洲,生产生活空间散布在生产生态空间之中.近40年来,生产生态空间和生产生活空间持续扩张,强生态空间波动增加,弱生态空间持续缩小.2)三生空间垂直分异明显,以海拔1500 m和坡度5o 为界线,生产生态、生产生活和弱生态空间集中在界线以下区域,强生态空间则相对集中在界线以上区域.3)三生空间受城镇和道路的显著影响,生产生态空间和生产生活空间趋向靠近城镇和道路分布,生态空间则多分布在远离城镇和道路的区域.4)自然地理因素是三生空间格局形成和演变的基础性条件,社会经济因素则是关键推动力,其中城镇化率、城镇规模和固定资产投资是主要的驱动因素;因子间的交互作用具有协同增强效应,尤其城镇规模、总人口与自然因素交互作用对三生空间的格局变化影响最为显著.研究结果可为黑河流域生态保护与高质量发展提供参考.
梳理激情犯罪的操作性定义和评估要素,编制适用于服刑人员的《激情犯罪他评检查表》,并检验其信效度.样本1招募40名狱警,评定15份典型暴力卷宗,探索该检测表的评定准确率、因子结构以及内部一致性.样本2招募14名狱警,评定275份罪犯卷宗,将UPPS冲动性量表等作为校标,测量对应的服刑人员,检验该检测表的关联效度、评定阈值、重测和评定者信度.结果表明,激情犯罪组得分高于对照组;探索性因素分析结果支持单因素模型,该量表的内部一致性信度、评定者信度和重测信度均达到心理测量学要求,同时体现出较好的汇聚和区分效度;该检查表具有较强的检测效力,经过接收者操作特征(ROC)曲线分析,确定其阈值为10.5,可作为筛查激情犯罪服刑人员的有效工具.
2017年夏季和冬季,将两台自主研发的蓝光光解转化-化学发光法(BLC-PCL)NOx分析仪与传统的钼转化法(MCL)NOx分析仪(Thermo 42i-TL)进行同期性能对比实验,详细阐述两种方法实现大气氮氧化物精确测量的原理,并重点讨论PCL法测量结果的光化学零点、水汽和光化学干扰的数值修正方法.数据显示,两种方法对NO的测量性能稳定(R2=0.994,斜率为0.98),MCL法对NO2的测量比PCL法偏高25％～30％.干扰的修正结果表明,观测期间水汽干扰可造成NOx信号被低估0.2％～13.2％;光化学干扰可导致NO信号被低估0～13.3％,还可导致NO2信号被高估0～8.8％.以上结果表明,在NOx的常规监测与数据处理中,对上述干扰的修正非常必要,为降低干扰,需要谨慎地设计光解转化效率、管路停留时间以及管路湿度控制等相关参数.
总结近年来传统碳、氧同位素及新兴团簇同位素在湖相碳酸盐中的研究进展,梳理湖相环境中碳酸盐同位素组成变化的影响因素及两种同位素方法在地质研究中的应用,探讨当前研究中存在的问题.湖相碳酸盐氧同位素组成受温度的影响较小,主要与湖盆水体的蒸发量和大气降水量有关,碳同位素组成则受湖水蒸发咸化作用以及湖泊有机质与无机质相互作用的共同控制;团簇同位素仅受温度单一因素的影响,是良好的碳酸盐温度计.指出湖相碳酸盐碳、氧同位素研究的两大方向:一是解决团簇同位素理论研究中存在的问题,尤其是埋藏改造过程中团簇同位素温度的重置机理;二是将传统的碳、氧同位素指标与新兴的团簇同位素指标相结合,进行多指标的地球化学综合分析,有效地避免二者在地质研究中的局限性.
使用社区游戏与游憩观察系统(SOPARC),对深圳市的3个公园进行36次观察,统计78个目标运动场地中12297名游客的体力活动水平,分析正式和非正式运动场地上体力活动人群的性别和年龄差异.结果表明,儿童和青少年的体力活动水平显著高于中年人和老年人,男性的体力活动水平显著高于女性;正式运动场地中,足球场、篮球场、网球场和乒乓球场的体力活动水平显著高于其他运动场地;非正式运动场地中,儿童无器械活动场地体力活动水平最低;部分非正式运动场地支持更多样的体力活动,如园内广场和开放草地支持跳舞、打羽毛球、踢球和放风筝等活动.研究结果可为建设有利于提升体力活动水平的城市公园提供环境策略.
为探究雅鲁藏布江(简称雅江)河流水化学组分的历史变化趋势及未来气候变化的影响,将2016,2017和2018年雅江实测数据与文献数据相结合,采用线性倾向性估计方法,分析雅江上、中、下游近60年来气象及11种水化学组分的变化,采用气候变化模式和BP神经网络模型预测未来气候情景下总溶解固体(TDS)的浓度,以期为资料缺失的雅江流域水资源管理和水环境治理提供科学支撑.研究结果表明,近60年来,雅江流域年均气温上升趋势显著,升温速率为0.38°C/10a;年降雨量总体上呈上升趋势,速率为7.34 mm/10a;河流水化学组分存在一定程度的波动,其中TDS远高于全球河流平均水平(120 mg/L),并存在上升趋势,pH为弱碱性并存在上升趋势.在未来气候变化模式(RCP4.5)下,BP神经网络模型预测结果显示雅江流域上、中、下游TDS浓度将显著增加,下游最为显著,河流水质存在恶化的风险,将对流域居民生产生活产生不利影响.
为了解萝芙木属植物在中医药领域的研究热点和前沿方向,通过检索中国知网(CNKI)和Web of Science数据库中2002—2022年萝芙木属植物的化学成分、药理活性和临床应用等相关研究文献,利用CiteSpace 6.1.R6软件绘制萝芙木属植物研究的知识图谱,对发文量、作者、研究机构和关键词等进行可视化分析.共筛选纳入中文有效文献173篇,英文有效文献356篇,结果显示年发文量总体上呈波动上升趋势.中、英文文献发文量最多的作者分别为曹福祥和Stockigt J,发文量最多的机构分别为中南林业科技大学和Johannes Gutenberg-Universit?t Mainz.关键词分析结果显示,萝芙木属植物的研究方向集中于萝芙木属植物的栽培种植和化学成分的提取鉴定及其药理活性的分析,其中中文文献侧重于萝芙木属植物的培育,英文文献侧重于异胡豆苷合酶等化学成分的提取鉴定和各类化学成分药理活性中的抗菌、抗氧化作用.萝芙木属植物的化学成分及其药理活性的深入研究与临床应用实践是未来主要发展趋势.
目前对数学公式进行树结构解码的方法大多基于循环神经网络的结构,训练效率低,训练过程复杂,基于此问题,提出一种基于Transformer结构的手写数学公式识别模型,可以直接对公式的语法树进行解码.在手写公式识别任务多个数据集上的实验结果表明,所提出的Transformer树解码方法都取得超越Trans-former序列解码方法的性能,并展现出超越循环神经网络树解码方法的潜力.
