【摘 要】
：
小样本文本分类任务同时面临两个主要问题:(1)样本量少,易过拟合;(2)在元学习框架的任务形式下,监督信息被进一步稀疏化。近期工作中,利用图神经网络建模样本的全局信息表示(full context embedding)成为小样本学习领域中一种行之有效的方法,但将其迁移至小样本文本分类任务,由于文本多噪声,且特征易混淆,图神经网络往往出现过度平滑问题(over-smoothing)。该文提出了一种双通道图神经网络,在建模样本的全局特征的同时,充分利用标签传播机制,通过共享两通道的信息传播矩阵使得监督信息有效
【机 构】
：
复旦大学软件学院,复旦大学计算机科学技术学院,小米科技AI实验室,中汇信息技术（上海）有限公司
【基金项目】
：
国家重点研发计划(2018YFC0831103)。
论文部分内容阅读
小样本文本分类任务同时面临两个主要问题:(1)样本量少,易过拟合;(2)在元学习框架的任务形式下,监督信息被进一步稀疏化。近期工作中,利用图神经网络建模样本的全局信息表示(full context embedding)成为小样本学习领域中一种行之有效的方法,但将其迁移至小样本文本分类任务,由于文本多噪声,且特征易混淆,图神经网络往往出现过度平滑问题(over-smoothing)。该文提出了一种双通道图神经网络,在建模样本的全局特征的同时,充分利用标签传播机制,通过共享两通道的信息传播矩阵使得监督信息有效
其他文献
随着人们物质生活水平持续提升,开始追逐精神上的富足,如何满足人们精神文化需求成了社会主义事业的重点关注内容.群众文化可以发挥思政教育的作用,向基层群众渗透党的精神,
针对纯电动底盘蓄电池功率不足,难以直接通过蓄电池驱动油泵电机的问题,本文设计了一种利用底盘高压DC接口驱动低压油泵电机的解决方案,且在CoDeSys平台环境下开发了一种带有车载称重单元的上装控制系统,实现了自卸式垃圾车上装部分的先进性控制。
The industrial Internet of Things(IIoT) is an important engine for manufacturing enterprises to provide intelligent products and services. With the development of IIoT, more and more attention has bee
Collaborative cross-edge analytics is a new computing paradigm in which Internet of Things(IoT) data analytics is performed across multiple geographically dispersed edge clouds. Existing work on colla
车辆购置税是对在境内购置规定车辆的单位和个人征收的一种税。随着《车辆购置税暂行条例》的废止和《车辆购置税法》的实施,国家税务总局、工业和信息化部、公安部三部委联合出台了多项政策,如:“一车一票”、票证关联、配置序列号管理、机动车减税、免税政策等。笔者现对这些与车辆购置税有关的新政进行了整理,并将它们对企业和行业的影响作了一些简要分析。
欧洲施密茨S.KOe零排放无噪音冷藏车开始实地测试德国施密茨最新的S.KOe零排放无噪音的冷藏车正式进行实际测试。欧洲知名的挂车租赁公司TIP将这辆施密茨S.KOe挂车租赁给了一个荷兰的客户。这款S.KOe冷藏半挂车的特别之处是有一个电动车轴和一个电动冷机。这个电动冷机可以为货物提供零排放的冷藏功能。电动车轴可以在车辆制动的时候收集能量,然后给电池充电。这样不仅可以节约能源,还可以减少车辆的充电时间,增加了工作效率。
驮背运输具有经济便捷、节能环保、安全可靠等优点,是一种“门到门”运输的公铁联运方式,具有良好的社会和经济效益。本文主要从装载要求、栓固要求、栓固装置技术要求等方面对驮背运输厢式车辆的装载栓固技术进行了研究,相关研究成果对指导相关车辆的设计开发具有良好的借鉴意义。
This paper presents a novel de-embedding technique of packaged high-powertransistors. With the proposed technique, the packaged model of the power amplifier (PA)tube can be divided into the frequency independent de-embedded intrinsic device (DID)and the f
对于有封闭解的6R机器人的逆运动学运算,虽然可采用解析解法、数值解法,但均需要庞大的计算量。此外,对于机械臂逆向运动学问题,经典粒子群(PSO)算法的多次仿真实验中,存在不稳定问题和易陷入局部最优与种群单一的问题。为此,提出一种改进的PSO算法:引入动态权重因子,利用动态权重调整因子结合CMA-ES算法步长更新方法,平衡全局搜索和局部搜索能力;引入收缩学习因子,防止在迭代过程中陷入局部最优。并以REBot-V-6R机器人为例,建立了机器人的正运动学模型,将机器人的逆运动学求解问题转换为改进PSO算法的寻优
以快递物流配送中心选址问题为研究对象,结合其选址特点构建了含有固定投资成本、管理成本、运输成本等诸多成本要素的目标函数,建立了基于遗传算法的选址模型,并利用改进后的求解策略或方法对算法模型进行求解,有效提高了算法模型的求解效率和求解质量。实例研究中,将Matlab2017a数学仿真编程软件与算法模型相结合,对算例进行求解,验证了遗传算法模型在选址问题研究中的有效性和实用性。