耿新宇
- 作品数：8 被引量：11H指数：2
- 供职机构：西南石油大学计算机科学学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学石油与天然气工程更多>>
- 基于MVC模式的油井检测管理系统的设计被引量：1
- 2009年
- 全面阐述了油井检测管理系统的设计和实现过程,系统设计在基于.NET3.5开发平台基础上,结合MVC软件设计模式与.NET3层结构构建系统的框架,从而提高了应用程序开发的可重用性、易维护性和可扩展性,取得了较好的效果。
- 冯晓磊耿新宇罗启奉
- 关键词：MVC设计模式
- 改进补偿模糊神经网络在坡面产沙模拟预报中的应用被引量：5
- 2008年
- 土壤侵蚀产沙是一个极其复杂的物理过程,其物理机理十分复杂,往往难以用数学方式来描述。根据土壤侵蚀过程内在特点,采用一种改进的补偿模糊神经网络(CFNN)方法,对坡面侵蚀产沙过程进行了预测研究。利用四川某水土保持实验站观测数据,通过MATLAB语言编制程序进行了仿真试验,全局误差为0.0517,预测值与实测值吻合良好,误差小于10%。结果表明,该方法预报精度较好,为坡面产沙模拟模型的建立提供了重要的参考方法。
- 代华龙曹叔尤耿新宇
- 关键词：补偿模糊神经网络侵蚀产沙坡面
- 数据库原理精品课程改革与实践被引量：3
- 2011年
- 文章针对数据库原理精品课程建设需要解决的问题,从优化教学内容、丰富教学方法和教学手段、加强实践环节和培养学生创新能力等方面,提出课堂教学的多媒体化和多元化、基于案例教学法、网络教学平台的建设、"课内实验+课外实验+课外开放性创新实验项目"的实验教学法、KPAS评价体系等一套相应的教学改革措施。这些方法在实践中运用取得较好的效果。
- 杨力孙瑜陈汶滨耿新宇
- 关键词：数据库精品课程教学改革案例教学
- 油气田综合录井生产监控一体化仿真平台研究被引量：1
- 2012年
- 研究油气田综合录井一体化仿真平台问题;为了改善目前综合录井现场位置偏远、采集信息量大但实时性不高以至于远程诊断与评价困难等问题提出并实现了面向油气田综合录井信息采集、传输和远程监控仿真平台;通过引入IPSTAR方式,解决录井大规模连续性数据实时远程传输问题;采用组播和数据缓存技术,实现现场实时、高可靠采集;利用Web service面向服务的方法,构建远程中心整合发布平台,增强了系统部署的灵活性;通过对组播和缓存和web service的应用实验表明,该仿真平台能实时模拟录井现场,明显提高系统的实时性、稳定性和远程诊断和解释能力,为油气发现提供及时可靠技术保障。
- 张剑杨力耿新宇曹谢东
- 关键词：IPSTAR组播缓存
- 数据库原理课程教学模式研究被引量：1
- 2011年
- 针对计算机专业数据库原理教学中存在的问题,提出了"先应用,后理论"的总体教学模式。分别从融入行业特色的教学内容、案例导向教学法、课内实验+课外实验+课外开放性创新实验相结合的实验教学模式、基于网络教学平台的教学方式以及KPAS评价体系等方面阐述了新模式的内容。新模式的应用激发了学生的学习兴趣,对教学效果和教学质量产生了特别积极的作用。
- 杨力孙瑜耿新宇
- 关键词：数据库教学模式案例教学
- 基于密度敏感距离和模糊划分的改进FCM算法
- 2022年
- 传统的模糊C均值(Fuzzy C-means,FCM)算法对噪声数据敏感,并且在迭代过程中因仅考虑了距离因素,故使用欧氏距离进行距离度量,这会导致只考虑样本点之间的局部一致性特征,而忽略全局一致性特征的问题,为此,提出了一种基于密度敏感距离和模糊划分的改进FCM算法。首先在建立相似度矩阵时使用密度敏感距离替代欧氏距离来进行计算,然后在聚类过程中引入模糊熵作为约束条件,推导出新的聚类中心和具有高斯分布特性的隶属度计算公式。此外,针对传统FCM算法随机选取初始聚类中心可能导致聚类结果不稳定的问题,根据聚类中心点周围样本点比较密集以及聚类中心点之间距离较远两个原则,结合密度敏感距离来选取初始聚类中心点。最后通过实验对比表明,与传统FCM聚类算法及其派生算法相比,改进算法不仅具有更高的聚类性能和抗噪性,且收敛速度也显著提高。
- 毛森林夏镇耿新宇陈剑辉蒋宏霞
- 关键词：模糊C均值聚类模糊熵初始聚类中心
- 一种基于Meta-learning改进的特征交互算法
- 2023年
- 特征交互在推荐系统领域的广告点击率(Click-Through Rate,CTR)预测任务中至关重要,当前业界做的特征交互往往是基于内积、外积等矩阵变换,这些操作没有引入额外的信息,可以作为衡量两个向量相似性的手段,但作为特征交互的表示不一定是可靠的,许多特征交互无法有效提高点击率预测性能。首先从改善特征交互方式的角度入手引入额外的参数来学习一个映射,假设这个映射能够将两个向量的表征映射成交互的表征。学习映射的过程能够通过元学习(Meta-learning)来实现,故构建一个学习器以函数的方式表征特征交互。另外,不同的特征对不一定采取相同的方式交互,不能通过同一种交互方式得到所有特征对,因此设计一组元学习器(meta-learner)来学习映射函数,引入门控网络(GateNet)学习模型中元学习器的分布,那么不同的特征嵌入可以由一组元学习器得到表征。基于以上两点提出了一种融合多个元学习器并结合门控网络(Multiple meta-learners combined with GateNet,gate-MML)的特征交互算法,通过学习不同特征的联系和差异提高每个特征交互的质量。为了验证所提算法的性能,在xDeepFM模型上采用gate-MML做进一步的特征交互,采用2个真实广告点击率预测的数据集进行实验,并使用Logloss作为损失函数,AUC作为评价指标。实验结果表明与传统的CTR预测模型相比,改进算法提升了广告点击率预测任务的预测性能。
- 白静耿新宇易流穆禹锟陈琴宋杰
- 关键词：特征交互元学习推荐系统
- 基于并行卷积网络信息融合的层级多标签文本分类算法
- 2023年
- 自然语言处理是人工智能与机器学习领域的重要方向,它的目标是利用计算机技术来分析、理解和处理自然语言。自然语言处理的一个重点研究方向是从文本内容中获取信息,并且按照一定的标签体系或标准将文本内容进行自动分类标记。相比于单一标签文本分类而言,多标签文本分类具有一条数据属于多个标签的特点,使得更难从文本信息中获得多类别的数据特征。层级多标签文本分类又是其中的一个特别的类别,它将文本中的信息对应划分到不同的类别标签体系中,各个类别标签体系又具有互相依赖的层级关系。因此,如何利用其内部标签体系中的层级关系更准确地将文本分类到对应的标签中,也就成了解决问题的关键。为此,提出了一种基于并行卷积网络信息融合的层级多标签文本分类算法。首先,该算法利用BERT模型对文本信息进行词嵌入,接着利用自注意力机制增强文本信息的语义特征,然后利用不同卷积核对文本数据特征进行抽取。通过使用阈值控制树形结构建立上下位的节点间关系,更有效地利用了文本的多方位语义信息实现层级多标签文本分类任务。在公开数据集Kanshan-Cup和CI企业信息数据集上的结果表明,该算法在宏准确率、宏召回率与微F1值3种评价指标上均优于主流的TextCNN,TextRNN,FastText等对比模型,具有较好的层级多标签文本分类效果。
- 易流耿新宇白静
- 关键词：树形结构
