基于篇章上下文的蒙汉神经机器翻译方法

为了对句子有更全面的表示,增强翻译模型的能力,汉字利用子词特征,蒙古文端使用混合编码器。同时,为了缓解歧义问题,将篇章上下文方法应用于蒙汉神经机器翻译中。实验结果表明,在67 288句对蒙汉平行语料和118 502句对蒙汉平行语料中应用篇章上下文方法后,与基准系统相比,BLUE值分别提升了0.9和0.5。且随着篇章上下文语料的增大,BLUE值提升效果更明显。说明篇章上下文语境方法能够提高译文的质量。     

深度学习典型目标检测算法的改进综述

目标检测是机器视觉领域内最具挑战性的任务之一,深度学习则是目标检测最主流的实现方法.近年来,深度学习理论及技术的快速发展,使得基于深度学习的目标检测算法取得了巨大进展,学者从数据处理、网络结构、损失函数等多方面入手,提出了一系列对于目标检测算法的改进方式.针对典型目标检测算法的改进方式进行综述.归纳了常用数据集和性能评...     

声音信号采用小波去噪和小波包去噪的比较

受外界条件等因素的影响,采集到的声音信号中不可避免存在着大量的突变信号,因此需要对其进行降噪处理.传统的傅里叶分析不能同时分析信号在时域和频域的全貌和局部化特征,而这些局部化信息恰恰是表征声音信号的关键特质.小波变换在突变信号分析中得到广泛的应用,在声音去噪应用中取得了良好的效果,比较了小波分析和小波包分析两种去噪方法.     

基于自注意力机制预训练跨蒙汉语言模型

针对蒙汉机器翻译中平行语料资源稀缺的问题,提出利用单语语料库对蒙汉机器翻译进行研究。由于利用单语语料库进行机器翻译的效果较差,故将基于自注意力机制预训练跨蒙汉语言模型应用于基于单语语料库训练的蒙汉机器翻译系统中。实验结果表明,基于自注意力机制预训练跨蒙汉语言模型的方法极大改善了蒙汉机器翻译系统的性能。     

电影胶片动态图像高速去噪算法研究

本论文的研究对象是古旧电影胶片中的动态图像。将嵌入线性划痕噪声的动态胶片图像进行数字化处理后高速检索、修复。算法沿用传统的块匹配技术,并在其基础上做了改进,即采用平均位移量手段来推断对象象素的位移量、同时修正检索中心的位置,以达到精准快速的处理效果。这种处理方式在实验中得到了验证,在没有降低噪声修复质量的前提下提高了处理速度,基本实现了实时处理。     

内蒙古风能资源评估软件的设计与实现

基于内蒙古自治区风能资源丰富以及风能资源评估在风电场建设中的重要性,采用C#程序设计语言与MATLAB软件进行开发,SQL Server 2008部署数据库,设计与实现了内蒙古风能资源评估软件。主要实现了数据导入导出,风资源评估参数的计算、图表的绘制,以及生成评估报告等功能,满足了基本的风资源评估工作的需要。     

基于DMC—PID串级控制的再热汽温控制系统的仿真研究

预测控制是近年来在工业过程控制中得到广泛重视和应用的一类新型计算机控制算法。它有良好的动态响应、跟踪性能和鲁棒性,但抗干扰性不够理想。针对火电厂再热器出口温度的大惯性、大延迟的特点,提出将动态矩阵控制算法和串级控制相结合,它既克服了单纯PID鲁棒性差的缺点又克服了单纯DMC由于单层结构而带来的抗内扰能力差的问题,充分发挥了PID抗干扰性和DMC对惯性、延迟适应能力强的优点。仿真结果表明,这种方案对控制系统具有较强的鲁棒性及良好的调节性能,提高了系统的动静态性能指标,DMC—PID串级控制系统总体性能上优于PID—PID串级控制系统。     

基于自适应Smith控制率的煤样燃点检测仪表温度控制系统

煤样的燃点是煤炭的重要物理属性,是煤炭开发、运输及使用过程中的重要的技术参数;针对煤样燃点检测中温度控制的工程需要,介绍了一种基于AT89C55单片机内核的煤样燃点检测仪表设计方法,重点研究了其温度控制系统的特点、关键技术问题及其解决办法;为了有效地解决对于煤样加热炉这一时滞、大惯性、时变参数受控对象的控制问题,采用了一种基于指数遗忘的递推最小二乘算法(Recursive Least Squares with Exponential Forgetting,RLSEF)的Smith控制器(Smith Controller);仿真结果表明该自适应Smith控制器可以有效地补偿受控对象的时滞、大惯性特性,并能很好地适应系统参数的变化。当加热炉惯性时间常数在2000~6000s间按正弦规律交替变化时,在温度上升到64.9℃后,实际升温速度就可进入要求的升温速度(5±0.25℃/min)的范围之内,满足该仪表的设计要求。     

基于N-Gram模型的蒙古语文本语种识别算法的研究

互联网上蒙古语文本正在不断地增加,如何让网络中的蒙古语内容为搜索引擎和舆情分析等应用提供服务引起了社会的高度关注。首先要解决如何采集网络中蒙古语文本数据,核心是准确识别网络中蒙古语文本的问题。该文提出了基于N-Gram模型的平均距离识别算法,建立了一个能够对目标语种识别的实验平台。实验结果表明,识别算法能够很好地从中文、英文、蒙古文以及混合语言文本中识别出蒙古语文本,准确率达到99.5%以上。