N-Best句法知识增强的统计机器翻译预调序模型

源语言和目标语言的句法异构性对统计机器翻译（SMT）性能有重要影响。在基于短语的汉英统计机器翻译基础上,提出了一种基于N-best句法知识增强的源语言预调序方法。首先对源语言输入句子进行N-best句法分析,计算统计概率得到高可靠性子树结构,再根据词对齐信息从可靠性子树结构中抽取初始调序规则集。两种优化策略用于对初始规则集进行优化：基于中英文句法知识规则推导筛选和规则概率阈值控制机制。然后为减少短语内部调序,保证短语局部流利性,采用源语言短语翻译表为约束,使调序控制在短语块之间进行。最后根据获取的优化规则集和短语表约束条件对源语言端句子的句法分析树进行预调序。在基于NIST 2005和2008测试数据集上的汉英统计机器翻译实验结果表明,所提基于N-best句法知识增强的统计机器翻译预调序方法相对于基线系统,自动评价准则BLEU得分分别提高了0.68和0.83。     

数学轧制模型在厚板生产中的研究与应用

随着科学技术的日新月异及计算机的迅速发展,电气工程师往往需建立所要控制的生产过程的数学模型,用这个模型对控制装置做出相应的设计、计算和调整,才能实现有效的过程控制。     

基于云计算的数字图书馆建设与服务模式研究

随着科技的不断发展,信息技术和互联网技术在近些年得到了迅速的发展,以信息技术和互联网技术为基础,发展出来了大量的新技术,云计算技术就是其中之一.对于互联网时代图书馆的数字资源的发展和服务,云计算等新技术的出现既是一个挑战同时也是一个机遇,云计算在互联网时代建立的图书馆电子文献之中的运用能够突破其发展过程之中遭遇的瓶颈.本文首先介绍了云计算这一新兴技术的概念和技术特点及技术优势,然后分析了在数字图书馆建设之中运用云计算技术带来的积极意义,构建了以云计算技术为基础的数字图书馆的建设模型,进一步探讨了以云计算为基础构建的图书馆在发展过程之中需要注意的若干问题和与之相关的服务模式.     

灰色偏相关评价法在认知型学生模型中的应用

针对认知能力评价这类因素较多,且难以进行定量描述的问题,建立认知能力因素评价体系,利用灰色偏相关评价法建立认知型学生模型。首先分析各认知能力因素的相互影响关系,计算偏相关系数得到各认知能力因素的权重值。然后确定评价灰类,建立白化权函数,得到各认知能力因素关于各评价灰类的灰色评价权值,从而建立认知型学生综合评价模型。最后通过实例对方法模型进行验证。实例表明,该方法模型能够对学生知识水平作出评价并引导学生进行学习,其结果具有一定的可靠性。     

一种扩展的BA网络模型的研究

BA模型的两个基本假定,即增长性与择优连接,对于解释许多现实网络中的现象来说过于简单。因此本文引入节点之间的竞争性因素对该模型进行扩展研究,提出一种新的竞争型的无尺度网络扩展模型,列出简单的网络模型生长算法,并通过计算机编程实现这种模型算法,得出实验数据及仿真图形。实验结果说明,网络中节点之间存在竞争性对网络节点的连接数量有一定的影响,这种竞争也会在一定程度上影响无标度网络的生长。     

基于可变形部件模型的渔船安全监控系统

基于视频的渔船驾驶舱人员检测是渔船安全行驶的保障。为解决渔船驾驶室小范围场景下人员的多姿态、多尺度、遮挡严重造成的检测精度不高的问题,系统针对场景重新建模,优化各组件权重和改变可变形部件模型的打分函数,并优化非极大抑制法,进一步缓解人员遮挡造成的多检和漏检问题,最后利用北斗卫星导航系统的报文传输功能实现对近海渔船的驾驶舱安全监控。实验结果表明,系统进一步增加了该场景下人员检测和人数统计的精度,满足了渔业安全监控的需要。     

三维CAD的DNA密码

任何技术都有其局限性,同样地,任何CAD系统都有其力所不逮的部分。而对于CAD应用来讲,就是要最大程度地发挥不同系统的优势而已。     

基于分段求解法的电力生产最优化模型分析

针对发电机使用的非线性最优化问题，通过对用户耗电数据进行初步分析和处理后，应用普遍的分段思想以及最优化思想，建立了二次规划模型。运用最优化算法，使每个时间段使用的发电机数量最少，以达到提高效率、降低成本的目的。     

斯坦福大学公开课：机器学习课程——Open Stanford Course Engineering Everywhere-MachineLearning

随着"智能制造"概念的普及,人工智能技术的研究与应用变的越来越被人们关注。人工智能在制造中的运用已经成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。机器学习无疑是最有希望实现这个"智能"的研究方向之一。斯坦福大学的"Stanford Engineering Everywhere"免费提供学校里最受欢迎的工科课程给全世界的学生和教育工作者。得益于这个项目,我们有机会和全世界站在同一个数量级的知识起跑线上。     

Gamma过程退化模型估计中测量误差影响的仿真研究

研究产品性能退化规律并评估其剩余寿命和可靠性特征是维修决策的重要前提和依据。Gamma过程退化模型在性能退化建模和维修最优化方面得到了广泛研究和重视。但是很少考虑测量误差对模型估计的影响。由于观测数据常常受到测量不确定性的影响,所以如果在Gamma退化过程的构造中没有考虑测量误差的影响,就会导致退化动力学的有偏估计。为此,利用EM算法提出了1种统计方法,利用了可以获取的量测信息来克服以上不足。仿真研究说明了考虑测量不确定性的重要性和提出方法的有效性。另外,提出的统计方法也可以被应用于许多类型的随机过程退化模型。