استخراج المعلومات Zero-Shot كترجمة Text-to-triple

نقوم بإلقاء مجموعة من مهام استخراج المعلومات في إطار ترجمة نصية إلى ثلاثية. بدلا من حل كل مهمة تعتمد على مجموعات البيانات والنماذج الخاصة بالمهام، نقوم بإضفاء الطابع الرسمي على المهمة كترجمة بين نص الإدخال الخاص بمهارات المهام وتصل إلى ثلاث مرات. من خلال اتخاذ المدخلات الخاصة بالمهامة، فإننا تمكن الترجمة المرجعية على المهام من خلال الاستفادة من المعرفة الكامنة التي يحتوي عليها نموذج لغة مدرب مسبقا حول المهمة. نوضح كذلك أن مهمة ما قبل التدريب البسيطة المتمثلة في التنبؤ بالمعلومات العلاجية التي تتوافق مع نص الإدخال هو وسيلة فعالة لإنتاج مخرجات خاصة بالمهام. وهذا يتيح نقل الطلقة الصفرية لإطارنا إلى مهام المصب. ندرس أداء الطلقة الصفرية لهذا الإطار في استخراج المعلومات المفتوح (OIE2016، NYT، WEB، PENN)، تصنيف العلاقة (عدد قليل من الألوان والمستقبلية)، والتحقيق الواقعي (Google-Re و T-Rex). التحويلات النموذجية غير تيهية لمعظم المهام وغالبا ما تكون تنافسية مع طريقة تحت إشراف بالكامل دون الحاجة إلى أي تدريب خاص بمهام. على سبيل المثال، نتفوق بشكل كبير على درجة F1 من استخراج المعلومات المفتوح الخاضعة للإشراف دون الحاجة لاستخدام مجموعة التدريب الخاصة بها.

ترميز موحد للهياكل في أنظمة مرحلة انتقالية

عادة ما تحتوي أنظمة الانتقال على العديد من الهياكل الديناميكية (على سبيل المثال، المداخن، المخازن المؤقتة).يجب أن يرميز النموذج المثالي في الانتقال هذه الهياكل تماما وكفاءة.تعمل الأعمال السابقة على الاعتماد على قوالب أو هياكل الشبكة العصبية إما تشفير معلومات بنية جزئية أو تعاني من كفاءة الحساب.في هذه الورقة، نقترح تمثيل تشفير جديد يستند إلى الانتباه إلى جميع الهياكل في نظام انتقالي.على وجه التحديد، نقوم بفصل وجهتين على العناصر الموجودة في الهياكل، وهي طريقة عرض هيكل ثابتة وعرض تعتمد على الهيكل.بمساعدة شبكة الاهتمام الصديقة بالتوازي، نحن قادرون على تشفير الدول الانتقالية مع O (1) تعقيد إضافي (فيما يتعلق باستخراج الميزة الأساسية).تظهر التجارب على PTB و UD أن طريقةنا المقترحة تعمل بشكل كبير على تحسين سرعة الاختبار وتحقق أفضل نموذج يستند إلى الانتقال، ومقارنة مع الطرق الحديثة.

ما قبل التدريب الموحد لفهم البرنامج وتوليده

تلخيص التعليمات البرمجية والجيل التمدد التحويل بين لغة البرمجة (PL) واللغة الطبيعية (NL)، بينما تتفافر ترجمة التعليمات البرمجية ترحيل الرمز القديم من واحد إلى آخر. تقدم هذه الورقة Plbart، نموذج تسلسل إلى تسلسل قادر على أداء مجموعة واسعة من فهم البرامج واللغة ومهام الجيل. يتم تدريب PLBART مسبقا على مجموعة واسعة من وظائف Java و Python والنص NL المرتبط NL عبر Denoising AutoNCoding. تجارب في تلخيص التعليمات البرمجية في اللغة الإنجليزية وتوليد التعليمات البرمجية، وترجمة التعليمات البرمجية في سبع لغات البرمجة تظهر أن PLBART تفوق النماذج أو من المنافسين من النماذج الحديثة. علاوة على ذلك، فإن التجارب المعنية بالمهام التمييزية، على سبيل المثال، إصلاح البرامج، وكشف استنساخ، وكشف الشفرة الضعيفة، إظهار فعالية PLBART في فهم البرنامج. علاوة على ذلك، يكشف التحليل أن Plbart يتعلم بناء جملة البرنامج، والأسلوب (على سبيل المثال، اتفاقية تسمية المعرف)، التدفق المنطقي (على سبيل المثال، إذا كانت كتلة داخل كتلة أخرى تعادل أخرى إذا كانت الكتلة) ذات أهمية حاسمة في البرامج، وبالتالي تتفوق حتى مع التعليقات التوضيحية المحدودة وبعد

نهج تم توزيعه

حقق تعدين الرأي الرأي الدقيق (OM) جاذبية متزايدة في مجتمع معالجة اللغات الطبيعية (NLP)، والتي تهدف إلى إيجاد هياكل الرأي التي عبرت عن آرائها تجاه ما "في جملة واحدة. في هذا العمل، بدافع من تمثيلها المستندة إلى تعبيرات الرأي والأدوار، نقترح نهجا موحدا قائما على إعداد OM في نهاية إلى نهاية. علاوة على ذلك، مستوحاة من الشكليات الموحدة المستندة المستندة إلى OM و EM و Constitioning، نستكشف طريقتين مختلفتين (التعلم متعدد المهام والشبكة العصبية التنافيلية) لإدماج مكونات النحوية في النموذج المقترح للمساعدة OM. نحن نقوم بإجراء تجارب على DataSet MPQA 2.0 شائع الاستخدام. تظهر النتائج التجريبية أن نهجنا المقرر أن يحقق النهج المستند إليه التحسينات المهمة على الأعمال السابقة في درجة F1 الدقيقة ويقلل من عدد تعبيرات الرأي والأدوار المتوقعة بشكل خاطئ، يظهر فعالية طريقتنا. بالإضافة إلى ذلك، فإن دمج الناخبين النحوي يحقق تحسينات واعدة على أساس الأساس القوي المعزز من خلال تمثيلات الكلمات السياقية.

التضمين الميداني: إطار موحد في الحبوب القائم على تمثيل Word

تم دراسة تمثيلات الكلمات المخولة بمعلومات لغوية إضافية وأثبت أنها تتفوق على المدينات التقليدية. تركز الأساليب الحالية بشكل رئيسي على تضمينات التعلم للكلمات أثناء تضمينها من المعلومات اللغوية (المشار إليها باسم تضمين الحبوب) بعد التعلم. يقترح هذا العمل تضمين ميداني إطار لإمكانية التعلم بشكل مشترك لكل من وظائف الكلمة والحبوب من خلال دمج المجالات اللغوية المورفولوجية والصوتية والخلوية. يزعم الإطار أن خط أنابيب مبتكرة غرامة يدمج الحقول اللغوية المتعددة وتنتج تسلسلات الحبوب عالية الجودة لتعلم تمثيلات الكلمات العليا. تم تصميم خوارزمية رواية أيضا لتعلم المدينات للكلمات والحبوب عن طريق التقاط المعلومات الواردة داخل كل مجال ويتم تقاسمها عبرها. النتائج التجريبية للمهام المعجمية ومهام معالجة اللغة الطبيعية المصب توضح أن إطار عملنا يمكن أن يتعلم أفضل تضمين الوزراء وشرح الحبوب. التقييمات النوعية تظهر تضييق الحبوب التقاط المعلومات الدلالية بشكل فعال.

سيناريوهات دوال جافا لتوليد صفوف JUnit

اختبار الوحدة هو نهج عملي لزيادة دقة وجودة البرمجيات، و لكن كتابة التعليمات البرمجية لاختبار الوحدة هو عمل مضن و ممل و يحتاج الكثير من الوقت و الجهد. و ذلك سيحتاج الأمر JUnit حتى مع استخدام أطر عمل لكتابة و تشغيل اختبار الوحدة مثل الكثير من الوقت و الجهد. و بالتالي فإن هناك دوماً صعوبة في كتابة التعليمات البرمجية الخاصة بالاختبار. لذلك نقدم في هذا البحث طريقة جديدة لتوليد اختبار الوحدة آلياً بهدف تسريع عملية الاختبار و تقليل الكلفة. قمنا بتنفيذ هذه الطريقة على لغة البرمجة جافا حيث نقوم بكتابة توصيف جديد يُسمى JFS يصف سلوك الدالة من حيث الدخل و الخرج. يتم كتابة هذا التوصيف داخل صف التعليمات البرمجية و يكون مستقل عن التعليمات البرمجية، و يمكن كتابته قبل البدء بكتابة النص البرمجي و بالتالي نحقق مبدأ TDD أي التطوير المقاد بالاختبار الذي يعتمد على كتابة الاختبار أولاً بهدف تحسين عملية التطوير. و بعد كتابة التوصيف نقوم بتوليد صفوف الاختبار الخاصة بتنفيذ اختبار الوحدة (قمنا باستخدام إطار العمل JUnit لتنفيذ اختبار الوحدة) بناءاً على التوصيف الجديد.

أثر معوضات الاستطاعة الردية في أداء حواكم الحماية المسافية

حاولت هذه الدراسة بيان مشكلة الأثر الناجم عن وجود المعوضات التفرعية و التسلسلية في خطوط نقل القدرة الكهربائية في أداء حواكم الحماية المسافية التي تحمي هذه الخطوط. و من أجل بيان هذا الأثر استخدمت برمجيات تحليل الشبكات الكهربائية و بشكل خاص برنامج NEPLAN لدراسة سلوك الحاكمة المسافية بوجود مختلف أنواع المعوضات التفرعية و التسلسلية، و من أجل الأعطال الأساسية، و عند مواقع مختلفة من الخط المدروس. ي هذه الدراسة أجرِيت نمذجة شبكة نقل الطاقة السورية وفق NEPLAN و استخدمت معوضات تفرعية مثل STATCOM و تسلسلية مثل TCSC ومختلطة مثل UPFC لتعويض الاستطاعة الردية على خط النقل المحمي . و تُجرى النمذجة لكثير من الحالات، لبيان أثر نمط العطل و موضعه في قيمة الممانعة المقيسة من الحاكمة المسافية. و الغرض من تحديد أثر وجود المعوضات في ممانعة العطل المنظورة من الحاكمة المسافية (أي موضع العطل)، هو معرفة الاتجاهات الممكنة لحل لهذه المشكلة و تحسين أداء حمايات خطوط نقل الطاقة الكهربائية.

استخدام طريقة المنطقة الموثوقة لتحسين موثوقية المعلومات المستخدمة للتحكم المؤتمت بنظم القدرة الكهربائية

يعد جهاز متحكم سريان الاستطاعة الموحدة Unified Power Flow Controller (UPFC) أحد أهم أجهزة نقل التيار المتناوب المرنة (FACTS) Flexible AC Transmission Systems استخداماً في التحكم بسريان الاستطاعة وتحسين استقرار نظام القدرة. وللحصول على الفوائد المذكورة لهذا الجهاز يجب تصميم نظام تحكم ملائم للتحكم به. يقترح بحثنا تصميم نظام تحكم يعتمد على نظرية التحكم العشوائي (Fuzzy Logic) للتحكم بجهاز الـ UPFC. يستخدم نظام التحكم المقترح للتحكم والتنسيق بين إشارتي مطال جهد وزاوية طور قالبة منبع الجهد التي تمثل جهاز الـ UPFC، حيث تستخدم هاتان الإشارتان للتحكم بسريان الاستطاعة الفعلية والردية في خط النقل. وللتحقق من صلاحية وفعالية نظام التحكم المقترح وفعاليته، تمت نمذجة نظام قدرة مزدوج الخط موصول بشبكة لا نهائية الاستطاعة مزودة بجهاز UPFC باستخدام برنامج النمذجة والمحاكاة (PSCAD/EMTDC). ثم تمت محاكاة سلوك هذا الجهاز مع نظام التحكم المقترح في حالة حدوث عطل ثلاثي الطور مع الأرض. وقد أظهرت نتائج النمذجة والمحاكاة التي حصلنا عليها فعالية جهاز الـ UPFC مع نظام التحكم المتقرح في تحسين استقرار نظام القدرة الكهربائية عند حدوث العطل ثلاثي الطور مع الأرض. كما أظهرت هذه النتائج قوة هذا النوع من التحكم ومتانته وتفوقه مقارنة بالمتحكم التقليدي (PI)، بالإضافة إلى أنه يضمن استقرار الحلقة المغلفة لنظام التحكم من خلال سلوك متابعة جيد.