课程文献中心 更多>>

关键词： 光通信   概率整形   符号级标签   分层调制技术  

摘要： 本文提出了一种基于符号级标签的分组取反概率整形算法，通过对分组后的信息码元进行取反操作，实现了对正交振幅调制(QAM)信号的概率整形。根据取反规则的不同，又分为信息位取反和外层星座点取反两种方法，前者基于分组码重进行取反，并相应地设计了一种近似格雷码映射的星座图以提高整形效果；后者根据外层与内层星座点映射的码组正好是反码的规律进行取反操作。在光正交频分复用(OOFDM)系统中，对算法中的码组长度和取反阈值取不同值所产生的影响进行了仿真分析，结果表明该算法具有低复杂度和高编码效率的优点，并获得了较好的整形效果，改善了系统的误码率性能。最后，将该概率整形算法与分层调制技术相结合，进一步提高了系统的各项性能指标，并使其具备了业务分级的优势。

关键词： 命名实体识别   小样本学习   原型网络   全局边界矩阵   模糊跨度  

摘要： 小样本命名实体识别(few-shot NER)旨在基于少量标记数据识别文本中实体跨度和类型。近期，基于跨度的度量学习取得了不错的效果，但仍然存在以下个问题：一是少量的候选跨度可能导致原型偏离群组的中心；二是与类别无关的跨度检测器会产生一些非实体跨度。为了解决以上问题，提出一种用于few-shot NER的融合模糊跨度的分解式模型DFSM(Decomposed Fuzzy Span Model)。在跨度检测阶段，为学习明确的实体边界信息，而不受标记级别的标签依赖影响，DFSM采用全局边界矩阵检测候选跨度；而在跨度分类阶段，为增加可训练的每种实体类型候选跨度数量，提出一种模糊跨度策略以调整候选跨度的边界范围。同时，设计了一种原型对比学习以优化基于跨度的语义表示空间；此外，为消除非实体噪声数据的干扰，引入原型边界学习以扩大非实体跨度与原型的距离。在Few-NERD和CrossNER数据集上的实验结果显示，与基线模型TadNER相比，在Few-NERD Inter中，DFSM的平均F1值提升了8.52%，尤其是在Inter 10 way 5～10-shot中，F1值提升了10.39%，这表明DFSM对于细粒度实体类型具有更强的识别能力。与基线模型DecomMeta相比，在CrossNER 1-shot和5-shot中，DFSM的平均F1值分别提升了3.32%和1.09%，这表明它在跨领域低资源场景下具有良好的泛化能力。

摘要： 江苏省高度重视第三次全国土壤普查（以下简称“土壤三普”）工作质量，将质量作为普查工作的生命线，从知、行、责三方面着手，确保高质量完成普查任务。围绕“知”加强技术融入要保证土壤三普质量，首先要让参与者知道如何去做、如何做得好。组织制定实施细则。严格按照国家制定的“六结合”“六统一”技术路线、工作方案、技术规程规范等要求，组织制定江苏省外业调查采样实施细则，样品制备、样品检测实施细则及全程质量控制实施细则，将质量理念融入到环节的设计上、进度的编排上、举措的落实上。

摘要： 7月19日,省委常委会召开(扩大)会议,专题传达学习党的二十届三中全会精神,研究我省贯彻落实意见.省委书记王晓晖主持会议并讲话. 会议传达学习了习近平总书记受中央政治局委托作的工作报告,就《中共中央关于进一步全面深化改革、推进中国式现代化的决定(讨论稿)》作的说明,在全会第二次全体会议上的重要讲话;学习了全会审议通过的《决定》和全会《公报》.