新闻翻译中异质文化的传递

新闻是人们了解世界的途径。在多元文化语境下,新闻翻译负有传达信息和传递文化的双重任务。按照韦努蒂的异化翻译观,根据新闻传播的任务和适应受众接受能力的要求,新闻翻译应灵活运用各种翻译策略,带领读者"旅行外国",体会"异国情调"。     

基于优化异质BP神经网络信息融合的清洁机器人定位研究

清洁机器人的移动定位是个复杂的非线性定位的问题,精密机械结构与路径规划无法补偿定位不精确造成的移动误差,提出一种基于异质RBF神经网络信息融合的清洁机器人定位技术,设计了智能机器人的控制系统、移动系统和感知系统,设计多个位姿传感器后,实时采集位置信息,在主控芯片中使用粒子群优化神经网络技术对多传感器的信息进行融合,计算清洁机器人的位置信息,解决了位置因素非线性强,定位误差大的问题,并且有效提高了神经网络的局部收敛能力;使用机器人多传感器的实验平台测试证明,这种方法下清洁机器人的移动中定位准确率较传统方法提高13%,具有很强的可靠性与实用性。     

基于超图和K-means改进的异质网络社区发现算法

为解决异质信息网络社区发现问题,提出一种基于超图和K-means改进的算法.引入超图对异质网络进行建模,通过DeepWalk的深度随机游走产生节点序列,利用Skip-gram模型将网络节点序列映射到一个低维的向量空间,通过节点向量间距离进行聚类完成社区发现.针对传统K-means在初始聚类中心选择的敏感性问题,提出一种基于密度基尼系数的聚类中心选取方法.在两个真实数据集上进行了实验,实验结果表明,该算法不仅能够完成异质信息网络的社区划分,且社区识别精度高.     

横向整合战略下异质车辆库存路径优化模型

以实现供货商联盟期望物流成本最小化为目标,针对需求随机波动下的多供货商多产品库存路径问题（IRP）进行了研究。基于横向整合战略,设计了供货商联盟成员间车辆配送成本的合理分摊方式。考虑零售商配送软硬时间窗和库存服务水平要求,构建了多供货商多产品的异质车辆库存路径混合整数随机规划模型,并利用需求累积分布逆函数将其转化为确定型规划模型。然后设计改进遗传算法求解该确定型规划模型。算例分析结果显示,使用异质车辆配送可以比使用同质重型和轻型车辆分别降低供货商联盟总成本8.3%和11.92%,分别提升配送车辆装载率24%和17%。敏感性分析结果表明,无论供货商供货数量占联盟总供货数量比例和零售商商品需求变异系数如何变化,采用异质车辆配送的供货商联盟总成本都能得到有效降低;且需求变异系数越大,采用异质车辆配送的优势越明显。     

融合不完整多视图的异质信息网络嵌入方法

异质信息网络(Heterogeneous Information Network,HIN)嵌入将复杂的异质信息映射到低维稠密的向量空间,有利于网络数据的计算和存储.现有的基于多视图的HIN嵌入方法考虑了节点之间的多种语义关系,但忽略了视图的不完整性.大多数视图存在数据缺失,直接融合多个不完整的视图会导致嵌入效果不佳.为此,文中提出了一种融合不完整多视图的HIN嵌入方法(Incomplete Multi-view Fusion Based HIN Embedding,IMHE).IMHE的关键思想是聚合其他视图的邻居以重建不完整的视图.由于不同的单视图描述的是同一个网络,因此其他视图中的邻居可以一定程度上恢复不完整视图的结构信息.IMHE首先在不同视图中生成节点序列,并利用多头注意力方法学习单视图嵌入.对于每个不完整视图,IMHE在其他视图中找到缺失节点的k阶邻居,然后将不完整视图中邻居的单视图嵌入聚合在一起,为缺失节点生成新的嵌入.最后使用多视图典型相关性分析方法获得节点的统一嵌入,同时提取多个视图的隐藏语义关系.在3个真实数据集上的实验结果表明,相比现有研究,该方法的嵌入性能有显著提升.     

基于图卷积神经网络的药物靶标作用关系预测方法

药物-靶标作用关系预测在药物研发以及药物重定位中扮演着重要角色,但现有的机器学习方法在正负样本高度不平衡的数据上仍存在预测能力不足的问题.为此,提出一种基于图卷积神经网络的药物靶标作用关系预测方法.该方法首先构造一个结合多种药物(靶标)相关信息的异质信息网络,然后采用图卷积神经网络在此异质信息网络上学习得到能精确表达每个节点拓扑特征及邻居特征信息的低维向量表征,最后利用这些向量信息通过向量空间投影预测节点间概率的评分.在DrugBank_FDA和Yammanishi_08数据集上进行的药物-靶标作用关系预测的对比实验中,所提方法的AUPR(Area Under the Precision-Recall Curve)值都优于其他4种方法,并且在较大型数据集上也有较好的表现.实验结果表明,所提方法提高了样本高度不平衡时的药物-靶标作用关系预测性能;同时在生物药物数据库上的实验也验证了所提方法所发现的未知药物-靶标作用关系的有效性.     

基于异质信息网络表示学习与注意力神经网络的推荐算法

推荐系统能够有效解决信息过载等问题,得到了国内外众多学者的广泛关注.真实世界中的应用场景往往可以建模成异质信息网络,因此基于异质信息网络表示学习的推荐算法成为了近年来的研究热点.然而,当前的研究工作仍然存在异质信息提取缺乏深度、节点的复杂关系发掘不充分等问题.为解决这些问题,文中提出了基于异质信息网络表示学习与注意力神经网络的推荐算法.首先,提出了保持语义关系与结构拓扑的异质信息网络表示方法;然后,设计了基于元路径的随机游走策略来获取异质信息网络中的节点序列,对序列过滤并生成用户和项目在不同元路径下的表示向量;最后,设计了基于注意力神经网络的推荐算法,将上述向量输入注意力神经网络,深入挖掘表示向量之间的关系以实现有效的推荐.在两个真实数据集上进行实验并与3种主流的算法进行比较,结果表明,所提算法在MAE与RMSE这2个推荐指标方面都有提升,最高提升了8.9％.     

具有高频高压大电流优值的超结集电区SiGe HBT

为了在兼顾特征频率( fT )和电流增益(β)的情况下有效提高器件的击穿电压( BVCBO/BVCEO ),利用SILVACO TCAD建立了npn型超结集电区SiGe异质结双极晶体管( heterojunction bipolar transistor,HBT)的器件模型.研究表明：通过在集电结空间电荷区( collector-base space charge region,CB SCR)内引入p型超结层可有效降低“死区”内的电场强度,使较高的电场强度转移至“死区”外较深的CB SCR内,进而在几乎不增加CB SCR宽度的情况下抑制碰撞电离,达到提高击穿电压、改善fT和β的目的.随着p型超结层厚度( dp )的增加,击穿电压BVCBO和BVCEO的改善也越明显.但dp值需优化,较大的dp值将引发Kirk效应,大幅降低器件的fT和β.进一步通过优化p型超结层的dp值,设计出一款dp为0.2μm且具有高频高压大电流优值( fT ×BVCEO ×β)的新型超结集电区SiGe HBT.结果表明：与传统SiGe HBT相比,新器件的fT ×BVCEO ×β优值改善高达35.5%,有效拓展了功率SiGe HBT的高压大电流工作范围.     

氧化亚铜/氧化铁基纳微材料的制备与气敏研究

气敏传感器在日常生活和科学发展等方面的应用越来越广泛,本文提出一种基于氧化亚铜好和氧化铁的复合材料,并进行材料的气敏性质研究。测试数据显示该材料室温条件对硫化氢气体具有良好的气敏反应,对室温气敏传感器的发展有促进作用。     

g-C_3N_4/α-Fe_2O_3的制备及其降解甲苯性能

采用水热和球磨混合方法,构建了g-C3N4/α-Fe2O3异质结复合光催化体系,通过XRD、SEM、EDS、DRS、FT-IR等研究其表面形貌特点及光学性质,并利用原位红外光谱技术和气相色谱技术检测了复合材料对甲苯的可见光降解活性。结果表明,α-Fe2O3/g-C3N4复合体系对甲苯有较高的可见光降解活性,复合体系中g-C3N4和α-Fe2O3不同能级之间良好的协同效应,可实现光生电子-空穴的有效分离,大大提高光电转化效率,进一步提高复合材料的降解活性。