汉蒙统计机器翻译中的形态学方法研究

该文将形态学方法引入到汉蒙统计机器翻译的研究中,尝试解决译文词形选择及语序混乱问题。首先介绍语料库的准备对原始汉蒙平行语料库进行词法分析及标注,得到两组基础语料库,再由基础语料库生成两组用于形态学实验的派生语料库。其次阐述统计模型的训练,包括语言模型、翻译模型及生成模型。同时讨论了解码的扩展问题。最后重点分析两组形态学方法实验词素模型实验和factored方法实验。结果表明,相对于基线(baseline)实验,引入形态学方法后两组实验的BLEU评分均有所提高,译文词形选择及语序混乱问题得到了一定程度的解决。     

全钒液流电池在充电结束搁置阶段的开路电压变化

本工作通过对全钒液流电池的充电-搁置实验,对电池搁置阶段的开路电压变化进行探索。实验发现,全钒液流电池的开路电压变化与非液流储能电池有所不同,主要由跃降、缓慢下降、缓慢上升和趋于稳定四个过程组成。本工作首先对全钒液流电池开路电压的四个过程逐步进行分析,然后重点针对开路电压出现缓慢上升的原因及影响因素进行探索。实验结果表明全钒液流电池开路电压缓慢上升的过程与电池内电解液体积占比和流量有关,是全钒液流电池在充电结束搁置阶段的重要特征。电池内电解液体积占比越小,开路电压缓慢上升过程越长,上升幅度越小。电解液流量越大,开路电压缓慢上升过程越短,上升幅度越小。     

Labview和Matlab混合编程方法的研究与实现

LabVIEW是一种高性能的图形化虚拟仪器编程软件,它在测试与测量、过程控制与处理、科学研究和分析等方面有广泛的应用,但是,LabVIEW在数值分析和数据运算处理等方面显得有些力不从心;通过其强大的外部接口,提出了基于DDE,DLL,ActiveX自动化,MATLAB Script节点技术的LabVIEW和MATLAB混合编程,并结合小波降噪、虚拟模糊热点温度分析仪实例,对这些方法进行了比较分析;利用混合编程既良好地发挥了仪器语言的优势,又扩展了算法工具箱,探索了智能虚拟仪器新的开发途径。     

金陵凤光——系列挂盘

<正>~~     

水安全指数编制及水安全状况评估研究

水安全是涉及国家长治久安的大事,也是一个多目标、多体系、多内容的复杂综合问题,有必要构建一个综合性的评价指数,用于直观、简便、科学评估我国水安全的总体状况,支撑和推动国家水安全战略精准实施。文章总结和梳理了水安全、水安全指数的定义和内涵,论述了编制水安全指数的重要意义,构建了水安全指数评估的指标体系,包括具体指标、权重确定、测算方法等。在确定典型年份(2010年和2015年)和典型省份的基础上,利用已构建的水安全指数指标体系及相关权威数据,开展了典型年水安全指数及4个分指数测算,分析评估了全国及典型省份的水安全状况。结果显示,2010年和2015年全国及典型省份的水安全处于初步安全和基本安全状态,2015年全国的水安全指数比2010年有所提高,表明经过"十二五"水利改革发展建设,我国水安全状况得到较好地改善。     

从华为荔枝园项目看"建筑师负责制"的本土化进程

通过对华为荔枝园项目设计、施工全过程实践的解读,分析了华为的"建筑师负责制"作为一个中间阶段,是如何落地施行并实现本土化的。     

LTPS基板玻璃表面擦划伤影响因素研究

市场对LTPS基板玻璃要求更高的品质,通过分析影响LTPS基板玻璃擦划伤的主要因素,重点研究了不同LTPS基板玻璃料方及生产冷却速度对玻璃的抗擦划伤能力的影响,为其品质的提升提供参考依据。     

企业文化重塑需因地制宜

随着我国对外改革开放的深入,越来越多的跨国公司凭借着自身雄厚的实力和优秀的企业文化,并迅速与当地的文化相融合,形成了一轮又一轮强势竞争浪涛,不少缺乏核心能力的本土企业悄无声息地倒下了.面对着日趋激烈的市场竞争,为使自己不重蹈覆辙,许多企业居危思变,纷纷通过学习先进企业的优秀文化来强大自身,通过重塑企业文化来做大自己,从而使企业立于不败之地.其中并不乏成功者,但也有文化重塑的失败者为我们敲响过警钟.尽管如此,笔者仍然赞同积极的文化重塑.因为,只有积极的重塑才能化被动为主动,更好地适应市场竞争需要.墨守成规无异于慢性自杀,只是,进行文化重塑必须因地制宜,而不能简单拿来,生搬硬套.     

心理测试中掩饰行为的识别研究

脑电（Electrocorticogram,EEG）信号能够正确地揭示人的心理活动,因此被广泛地运用到心理测试中。提出了一种基于EEG信号的非线性特征融合方法,对受试者在心理测试中是否存在掩饰行为进行识别。对心理测试过程中受试者的EEG信号进行预处理,提取各通道信号的Lempel-Ziv复杂度LZC、样本熵SE、排列熵PE和模糊熵FE四种非线性特征;使用多维尺度分析（MDS）对所得的四种特征的不同特征组合进行融合和降维操作。针对不同特征组合,采用正则化核函数极限学习机构建分类模型并通过测试集验证分类模型的性能。实验结果表明,分类模型准确率能达到82.9%,证明了该方法的适用性。     

基于U-Net的多尺度低照度图像增强网络

低照度是夜晚拍摄时常见的一种现象,不充分的光照会使图像细节损失严重,降低图像视觉质量。针对现有低照度图像增强方法对不同尺度特征的感知和表达能力存在不足的问题,提出一种基于U-Net的多尺度低照度图像增强网络（MSU-LIIEN）。采用特征金字塔作为基本处理框架,实现对低照度图像的特征提取。在特征金字塔构建的3个分支结构中均使用U-Net作为骨干网,对提取到的浅层图像特征进行编码与解码操作,同时引入结构细节残差融合块以增强网络模型提取和表征低照度图像特征信息的能力。在此基础上,对提取到的特征信息逐层融合,恢复正常光照图像。实验结果表明,MSU-LIIEN在LOL-datasets和Brighting Train数据集中相比于性能排名第二的KinD模型,平均峰值信噪比分别提高16.21%和46.67%,且在主观视野感受和客观评价指标方面均优于所有对比的经典模型,不但能有效提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,使增强后的图像整体画面真实自然。