NOVLELL网络常见错误的检测与排除

文本讨论了NOVELL网络常见错误数据库的设计思想,并介绍用C语言编程实现的NOVELL网络常见错误检测和排除系统的主程序编程技术及其流程图。     

中文文本自动校对技术现状及展望

本文概述了中文文本自动校对技术的产生背景,分析了预校对文本常见的错误类 型及文本自动校对(自动查错和确认纠错)的难点,探讨了当前商品化的文本校对软件的校对策略和发展趋势。     

中文校对系统中纠错知识库的构造及纠错建议的产生算法

本文依据待校对文本中的常见错误类型介绍了纠错知识库的构造方法以及基于该纠错知识库的自动纠错算法。该算法通过利用出错字串的特征,结合上下文启发信息,可有效地对文本中的别字、漏字、多字、易位、多字替换等错误提供纠错建议。文中还对纠错建议的排序算法进行了讨论。     

基于文本序列错误概率和中文拼写错误概率融合的汉语纠错算法

中文拼写纠错是一项检测和纠正文本中拼写错误的任务。大多数中文拼写错误是在语义、读音或字形上相似的字符被误用,因此常见的做法是对不同模态提取特征进行建模。但将不同特征直接融合或是利用固定权重进行求和,使得不同模态信息之间的重要性关系被忽略以及模型在识别错误时会出现偏差,阻止了模型以有效的方式学习。为此,提出了一种新的模型以改善这个问题,称为基于文本序列错误概率和中文拼写错误概率融合的汉语纠错算法。该方法使用文本序列错误概率作为动态权重、中文常见拼写错误概率作为固定权重,对语义、读音和字形信息进行了高效融合。模型能够合理控制不同模态信息流入混合模态表示,更加针对错误发生处进行学习。在SIGHAN基准上进行的实验表明,所提模型的各项评估分数在不同数据集上均有提升,这验证了该算法的可行性。     

面向政治新闻领域的中文文本校对方法研究

政治新闻领域内文本错误多为语义级错误。在研究新闻领域文本政治性差错的语言表述特征的基础上,分析了报刊新闻中政治性差错的表现类型,构建了面向各类错误侦测的词库和知识库。通过研究政治新闻文本的语言学特征,提出了一个政治性差错文本错误侦测规则的一般形式化模型,采用统计与规则相结合的策略实现政治新闻领域文本的语义校对。实验结果显示,该方法的召回率为65.5%,精确率为80.5%,具有较好的应用前景。     

基于数据增广和复制的中文语法错误纠正方法

中文作为一种使用很广泛的文字，因其同印欧语系文字的天然差别，使得汉语初学者往往会出现各种各样的语法错误。本文针对初学者在汉语书写中可能出现的错别字、语序错误等，提出一种自动化的语法纠正方法。首先，本文在自注意力模型中引入复制机制，构建新的C-Transformer模型。构建从错误文本序列到正确文本序列的文本语法错误纠正模型，其次，在公开数据集的基础上，本文利用序列到序列学习的方式从正确文本学习对应的不同形式的错误文本，并设计基于通顺度、语义和句法度量的错误文本筛选方法；最后，还结合中文象形文字的特点，构造同形、同音词表，按词表映射的方式人工构造错误样本扩充训练数据。实验结果表明，本文的方法能够很好地纠正错别字、语序不当、缺失、冗余等错误，并在中文文本语法错误纠正标准测试集上取得了目前最好的结果。     

中文文本自动校对综述

文本校对在新闻发布、书刊出版、语音输入、汉字识别等领域有着极其重要的应用价值,是自然语言处理领域中的一个重要研究方向。该文对中文文本自动校对技术进行了系统性的梳理,将中文文本的错误类型分为拼写错误、语法错误和语义错误,并对这三类错误的校对方法进行了梳理,对中文文本自动校对的数据集和评价方法进行了总结,最后展望了中文文本自动校对技术的未来发展。     

基于机器视觉的英语翻译机器人错误文本检测系统

为实现智能、高效地英语翻译错误文本检测,设计一种基于机器视觉的英语翻译机器人错误文本检测系统。系统的硬件模块包括光源模块、图像获取模块、机器视觉模块构成。其中在光源模块中,主要通过光源获取有明显对照的图像。图像获取模块由图像传感器、摄像机、图像采集卡、IEEE1394接口构成。机器视觉模块由工控机、机械手构成。系统的软件模块包括图像预处理模块、字符区域提取模块、字符分类模块、错误文本检测模块。其中图像预处理模块能够实现采集图像的灰度处理。字符区域提取模块主要通过MSERs算法实施字符区域提取。字符分类模块主要用于评价各MSERs,也就是将各MSERs分类成非字符或字符,使用的分类器为AdaBoost。错误文本检测模块主要使用卷积神经网络搭建正确文本与错误文本的分类器。通过硬件与软件相结合,实现应用翻译错误文本的检测。对设计系统实施应用与测试,测试结果为设计系统的漏检字符数与错检字符数都较少,有着良好的错误文本检测性能。     

基于机器视觉技术的生态翻译机器错误文本检测方法设计

英语语法错误、单词拼写错误和错检漏检等，是现有生态翻译机器在英语翻译中存在的主要问题。为了对错误文本进行更准确高效的检测，此次研究设计了一种基于机器视觉技术的自动化文本检测系统。研究对图像滤波处理方式进行优化，并结合MSERs算法，实现了生态翻译机器错误文本的自动检测。在手写类文本检测实验结果中，研究设计系统检测的正确率为92.56%,误判率为8.29%,而传统系统检测的正确率为79.23%,误报率为18.45%。相较于传统系统，研究设计系统有明显的改善，具有更高的正确率和更低的误报率。此次研究提供了一种新的生态翻译机器错误文本的检测思路，具有较好的实际应用价值和意义。     

融合多通道CNN与BiGRU的字词级文本错误检测模型

文本校对是自然语言处理领域的重要分支。深度学习技术因强大的特征提取与学习能力被广泛应用于中文文本校对任务。针对现有中文文本错误检测模型忽略句子连续词间的局部信息、对于长文本的上下文语义信息提取不充分等问题,提出一种基于多通道卷积神经网络（CNN）与双向门控循环单元（BiGRU）的字词级文本错误检测模型。利用Word2vec向量化待检错文本,采用CNN挖掘待检错文本的局部特征,使用BiGRU学习待检错文本的上下文语义信息及长时依赖关系,并通过Softmax处理后输出文本分类结果以判断文本中是否含有字词错误,同时采取L2正则化和dropout策略防止模型过拟合。在SIGHAN2014和SIGHAN2015中文拼写检查任务数据集上的实验结果表明,与基于长短时记忆网络的文本错误检测模型相比,该模型的检错F₁值提升了3.01个百分点,具有更优的字词级文本错误检测效果。     

A Posteriori Estimates for a Natural Neumann–Neumann Domain Decomposition Algorithm on a Unilateral Contact Problem

In this paper we present an error estimator for unilateral contact problems solved by a Neumann–Neumann Domain Decomposition algorithm. This error estimator takes into account both the spatial error due to the finite element discretization and the algebraic error due to the domain decomposition algorithm. To differentiate specifically the contribution of these two error sources to the global error, two quantities are introduced: a discretization error indicator and an algebraic error indicator. The effectivity indices and the convergence of both the global error estimator and the error indicators are shown on several examples.     

“细粒度英汉机器翻译错误分析语料库”的构建与思考

机器翻译错误分析旨在找出机器译文中存在的错误,包括错误类型、错误分布等,它在机器翻译研究和应用中发挥着重要作用。该文将人工译后编辑与错误分析结合起来,对译后编辑操作进行错误标注,采用自动标注和人工标注相结合的方法,构建了一个细粒度英汉机器翻译错误分析语料库,其中每一个标注样本包括源语言句子、机器译文、人工参考译文、译后编辑译文、词错误率和错误类型标注;标注的错误类型包括增词、漏词、错词、词序错误、未译和命名实体翻译错误等。标注的一致性检验表明了标注的有效性;对标注语料的统计分析结果能有效地指导机器翻译系统的开发和人工译员的后编辑。     

采摘机器人采摘器位置误差建模与分析

机器人执行部件的位置误差（或精度）,是反映机器人性能的一个重要指标。采摘器则是荔枝采摘机器人的关键执行部件。根据机器人关节旋转、移动变换的特点建立了基于齐次变换矩阵的、准确的机器人位姿误差模型,并在此基础上建立了荔枝采摘机器人采摘器的位置误差表达式。基于该误差表达式通过仿真分析了采摘器的位置误差特征。为采摘机器人和农业采摘机械执行机构的误差分析和进一步的误差补偿提供了理论依据。     

Optimal mean-square-error calibration of classifier error estimators under Bayesian models

A recently proposed Bayesian modeling framework for classification facilitates both the analysis and optimization of error estimation performance. The Bayesian error estimator is then defined to have optimal mean-square error performance, but in many situations closed-form representations are unavailable and approximations may not be feasible. To address this, we present a method to optimally calibrate arbitrary error estimators for minimum mean-square error performance within a supposed Bayesian framework. Assuming a fixed sample size, classification rule and error estimation rule, as well as a fixed Bayesian model, the calibration is done by first computing a calibration function that maps error estimates to their optimally calibrated values off-line. Once found, this calibration function may be easily applied to error estimates on the fly whenever the assumptions apply. We demonstrate that calibrated error estimators offer significant improvement in performance relative to classical error estimators under Bayesian models with both linear and non-linear classification rules.     

Evaluation of numerical error estimation based on grid refinement studies with the method of the manufactured solutions

This article presents a study on the estimation of the numerical uncertainty based on grid refinement studies with the method of manufactured solutions. The availability of an exact solution and the convergence of the numerical solution to machine accuracy allow the determination of the exact error and of the distinct contributions of the iterative and discretization errors. The study focuses on three different problems of error/uncertainty evaluation (the uncertainty is in this case the error multiplied by a safety factor): the estimation of the iterative error/uncertainty; the influence of the iterative error on the estimation of the discretization error/uncertainty, and the overall numerical error/uncertainty as a combination of the iterative and discretization errors. The results obtained in this study show that it is possible to obtain a reliable iterative error estimator based on a geometric-progression extrapolation of the L_∞ norm of the differences between iterations. In order to obtain a negligible influence of the iterative error on the estimation of the discretization error, the iterative error must be two to three orders of magnitude smaller than the discretization error. If the iterative error is non-negligible it should be added, simply arithmetically, to the discretization error to obtain a reliable estimate of the numerical error; combining by RMS is not conservative.     

捷联式惯导系统误差解析解研究

该文在一定的假设条件下利用捷联惯导系统的三维误差状态模型求解出了单通道误差状态方程的解析解,列表给出了各误差源对于某一特定误差状态的动态影响.然后利用某型导弹的弹道数据通过对两种误差模型在同一条件下进行仿真的方法验证了单通道误差状态方程解析解的正确性.单通道误差模型对分析各种误差源对系统的影响,确定在满足系统精度要求的条件下主要误差源的选择范围,进行系统精度分配提供了十分方便直观的方法.     

消除卷积数值计算中的截尾误差的方法

有始无终信号的卷积在用数值计算方法来计算时会带来误差 ,包括截尾误差、近似误差和字长舍入误差 ,其中截尾误差往往较大。适当选取信号的长度 ,可以在相应时间段内消除截尾误差     

Positioning error guarantee method with two-stage compensation strategy for aircraft flexible assembly tooling

Flexible assembly tooling is an important manufacturing equipment for aircraft products, the positioning error of its end locating effectors determines the final assembly precision directly. To realize its accurate positioning, a precise and effective error compensation method based on two-stage strategy, is proposed. Based on the structure and working conditions of locating unit, an assembly measuring field is set up, for acquiring the actual geometric error status and the various time-varying assembly parameters in practical assembly site. Considering the transfer and accumulation of actual geometric error and deformation error, the positioning error mechanism model at the pre-compensation stage is proposed. Then with the actual assembly conditions and the measured training/testing data set of the positioning error, the SLFN motion prediction model for the locating unit is proposed, aiming at clarifying the nonlinear and strong coupling relationship between the input motion value and the output positioning error. And the SLFN data model has a good fitting and prediction ability. Combining the advantages of error mechanism modeling and measurement data modeling, a semi-mechanism model is proposed at the accurate compensation stage. Where the positioning error is predicted with SLFN model for a given input motion value, acting as an error generator. Experiment results showed that the final measured average error is 0.036 mm, having an enhancement ratio of 25.77 % contrasting with the error mechanism model. This accurate modification and compensation solution makes the relationship between causal factors and output positioning error more comprehensive, and the overall effect is more consistent with the practical situation, i.e. a higher precision value and an accurate input/output relationship can be gained.     

Comparing error estimation measures for polynomial and kriging approximation of noise-free functions

Error estimation measures are useful for assessing uncertainty in surrogate predictions. We use a suite of test problems to appraise several error estimation measures for polynomial response surfaces and kriging. In addition, we study the performance of cross-validation error measures that can be used with any surrogate. We use 1,000 experimental designs to obtain the variability of error estimates with respect to the experimental designs for each problem. We find that the (actual) errors for polynomial response surfaces are less sensitive to the choice of experimental designs than the kriging errors. This is attributed to the variability in the maximum likelihood estimates of the kriging parameters. We find that no single error measure outperforms other measures on all the problems. Computationally expensive integrated local error measures (standard error for polynomials and mean square error for kriging) estimate the actual root mean square error very well. The distribution-free cross-validation error characterized the actual errors reasonably well. While the estimated root mean square error for polynomial response surface is a good estimate of the actual errors, the process variance for kriging is not. We explore a few methods of simultaneously using multiple error measures and demonstrate that the geometric means of several combinations of error measures improve the assessment of the actual errors over individual error measures.     

交替测量式掘进机定位系统误差建模与分析

交替测量式掘进机定位技术在多次交替测量过程中会产生累计测量误差,从而影响掘进机定位精度。目前主要围绕单次测量误差产生原因、误差分布规律及误差减小方法展开研究,未有针对多次交替测量误差分布规律的研究成果。通过分析交替测量式掘进机定位系统工作原理及定位过程,构建了掘进机定位误差模型。采用作图法验证误差模型的正确性,结果表明作图法与误差模型得到的定位误差基本一致,二者仅存在10^-3数量级误差。通过误差模型研究了角度测量误差、测距误差、推移步长及掘进机与测量平台间距对掘进机定位误差的影响,结果表明:角度测量误差越大,定位误差曲线的曲率越大,即误差增大越快,且Y_T轴定位误差增大速度远大于X_T轴;测距误差对X_T轴定位误差影响较大,测距误差越小,初始X_T轴定位误差越小,但误差变化速度不受影响;随着推移步长增大,Y_T轴定位误差曲线曲率增大,即Y_T轴定位误差增大速度加快;掘进机与测量平台间距和推移步长对掘进机定位误差的影响基本是等效的。采用正交试验方法分析了各因素对掘进机定位误差的影响程度,结果表明:测距误差对X_T轴定位误差影响最大,其次为角度测量误差,推移步长和掘进机与测量平台间距影响最小且二者影响程度一致;角度测量误差对Y_T轴定位误差影响最大,其次为推移步长和掘进机与测量平台间距且二者影响程度一致,测距误差影响最小。通过极差分析方法得到了降低定位误差的最优参数组合。