采用孔扩张理论对静压桩挤土效应进行模拟计算，假定地基土符合修正剑桥模型，推导得出单桩压入过程中土体位移和孔隙水压力的解析表达式。以此为基础，通过叠加得到群桩压入过程中桩周土体挤土效应的理论解答。同时，在杭州地区进行了群桩静力压入的现场试验，发现桩周土体的水平位移随离排桩的距离呈指数衰减。解析计算值与试验结果较接近，证明了该模拟计算方法的有效性。

随着网格技术应用的不断深入，对网格服务应用过程中的自治性、智能性等提出了较高要求。为了有效解决网格服务过程中的自治性问题，在对网格服务及智能Agent的BDI模型进行研究的基础上，提出了一种基于BDIAgent的网格服务模型。分析了模型中各模块的组成及功能，基于Agent的智能性、自治性和社会性等特点，讨论了Agent在网格服务请求处理过程中的作用。同时，利用本体语义进行网格服务的匹配，从网格服务的基本概念和整体服务能力上对匹配过程进行了说明。该模型提高了网格服务发现的准确率，同时也增强了系统的可维护性、

台湾大学中文情感极性词典（NTUSD），可以用于二元情感分类任务当中，用于处理文本挖掘等方向

针对滚动轴承传统上侧重某一时间点的故障类型诊断问题,提出一种注重评估全寿命周期中性能退化趋势的指标提取方法。利用EEMD分解初始信号得到诸多IMF分量,采用相关系数准则提取相关程度高的IMF分量作为有效信息进行重构,实现信号的降噪处理。对降噪信号分别建立时域、频域和时频域共37个性能退化指标,剔除敏感度太弱和信息过于嘈杂等不适合表征滚动轴承退化趋势指标后,利用PCA法进行加权融合剩余的多域性能退化指标,最终得到能全面表征性能退化趋势指标。对Cincinnati大学采集的全寿命周期振动信号进行实验分析,结果

本项目基于 weibo_senti_100k.csv 数据集，分别使用朴素贝叶斯、逻辑回归、LSTM、CNN、BERT等模型进行了实验，其中涉及的词向量表示方式包括one-hot、Bag of Words、TF-IDF、Word2Vec、Glove等。对于Word2Vec和Glove词向量的构建过程，本项目也提供了相关代码。项目中模型的训练运行脚本为train.sh，如bert_train.sh，模型的测试运行脚本为test.sh，如bert_test.sh。此外，本项目也会给出如何将训练好的BERT模型以服务的形式进行部署，以满足商业应用中的实时性需求。针对具体模型的使用，请读者查看*_README.md文件。希望通过本项目的学习，读者能够对情感分析中常用的模型技术有进一步的理解。

复旦《自然语言处理导论》Introduction-To-NLP.pdf

本文来自于51cto，文章详细介绍了自然语言处理的基本分类和基本概念深度学习中的NLP等相关知识。本文从两篇论文出发先简要介绍了自然语言处理的基本分类和基本概念，再向读者展示了深度学习中的NLP。这两篇论文都是很好的综述性入门论文，希望详细了解自然语言处理的读者可以进一步阅读这两篇论文。首先第一部分介绍了自然语言处理的基本概念，作者将NLP分为自然语言理解和自然语言生成，并解释了NLP过程的各个层级和应用，这一篇论文很适合读者系统的了解NLP的基本概念。第二描述的是基于深度学习的NLP，该论文首先描述了深度学习中的词表征，即从one-hot编码、词袋模型到词嵌入和word2vec等，我们首先需

包括词法分析、句法分析、语义分析、应用场景的介绍。同时还有配套的课后习题。作为自然语言处理学习的新手入门教材资料，很有帮助

人工智能课件完整13章节PPT涵盖机器学习、机器视觉、搜索推理、智能控制、自然语言 第一章 绪论.ppt 第二章 知识表示方法.ppt 第三章 搜索推理技术.ppt 第四章计算智能.ppt 第五章计算智能.ppt 第六章专家系统.ppt 第七章机器学习.ppt 第八章机器人规划.ppt 第九章Agent（艾真体）.ppt 第十章机器视觉.ppt 第十一章自然语言理解.ppt 第十二章 智能控制.ppt 第十三章 人工智能的争论与展望.ppt

# 人工智能简介 人工智能（Artificial Intelligence，简称AI）是计算机科学领域的一个分支，致力于开发能够模拟人类智能行为的计算机系统和算法。人工智能的目标是使计算机具备学习、推理、解决问题、感知环境和理解自然语言等智能能力，以便能够执行各种任务，甚至超越人类的智能水平。 以下是人工智能的一些关键概念和应用领域： 1. **机器学习：** 机器学习是人工智能的一个子领域，它涉及构建能够从数据中学习和改进的算法。机器学习包括监督学习、无监督学习、强化学习等方法，用于各种任务，如图像识别、自然语言处理、预测和决策制定。 2. **深度学习：** 深度学习是机器学习的一个分支，它使用深度神经网络来模拟人脑的神经结构。深度学习在图像和语音识别、自然语言处理等领域取得了重大突破。 3. **自然语言处理（NLP）：** NLP是AI的一个领域，致力于使计算机能够理解、分析和生成自然语言文本。NLP用于机器翻译、文本分析、情感分析等应用。 4. **计算机视觉：** 计算机视觉是研究如何使计算机理解和解释图像和视频的领域。它在图像识别、人脸识别、物体检测等方面有广