论文部分内容阅读
预购商品房抵押权预告登记研究
【出 处】
：
北京交通大学
【发表日期】
：
2021年01期
其他文献
随着大数据时代的到来,如何对海量非结构化数据加以存储和利用,是信息抽取领域面临的重大挑战。关系抽取是信息抽取领域内最为重要的基础任务之一,旨在将文本中标注的两个或多个实体间的关系提取出来构成三元组,以支持知识图谱、检索和问答等下游任务。传统的有监督数据集无法支持深度学习对数据量的要求,于是远程监督数据集应运而生,实现了大规模数据的自动标注。然而该任务下还有着许多亟待解决的关键问题:第一,数据集构建
工厂内网分为信息网和控制网,二者都基于以太网进行工作。由于以太网的不可靠传输机制,非实时的信息流与实时的控制流无法在同一网络中传输,两张网络相互隔离。随着工业互联网的发展,工厂面临新一轮的产业结构升级,工厂内网需要深度融合。时间敏感网络在支持控制流的传输确定性需求的同时兼容标准以太网,是未来工厂内网融合的关键技术,然而目前其标准发布仍不完善。面对工厂内网融合的迫切需求,本文结合时间敏感网络相关标准
在当今交通数据采集是构建智慧交通系统的前提条件,并且车辆识别检测部分在交通数据采集的过程中是其十分重要的组成部分,基于车辆识别检测的方法可以有效便捷获取实时的交通数据,进而能够对实时交通数据进行分析研究,提取交通数据中较为有用的参数（如车流量和车速等）,为智慧交通分析提供数据基础。智慧交通系统利用振动信号数据进行分析处理,根据数据的实时性,为交通管理控制中心制定相应的管理方案与措施。将交通运行变得
由于图像采集设备的限制,难以从单一图像得到固定场景或者目标的全部信息,不利于完成下一步的特征提取、目标识别等工作。图像融合技术利用多幅输入图像的信息互补性,获得了一幅更加符合人类和机器视觉特性的融合图像,可以有效改善单一图像不能完整表达原始信息的情况。近几年学者们提出了很多基于空域的多聚焦图像融合算法,力图得到更为精确的聚焦和非聚焦区域。这些算法虽然取得了较好的效果,但是聚焦区域的边界确定仍是研究