基于云计算架构的在线外语翻译系统

为了解决在线翻译系统在翻译过程中耗时较高、准确度低的问题,提出基于云计算架构的在线外语翻译系统,该系统建立在云平台之上,通过vSphere使系统与底层硬件之间互相独立,系统功能分为接收发送子系统、自动翻译子系统、人工翻译子系统、任务管理子系统和记忆库管理子系统,实现人工翻译与自动翻译相结合的在线外语翻译。实验结果表明,所提方法能够有效提高BLUE值,翻译耗时较低,准确度较高,能够实现在线外语的有效翻译,具有一定的实用性。

粒子群算法的改进及其在优化函数中的应用

针对粒子群优化算法自身的缺陷,即随着迭代次数的增大,种群多样性减小,引起早熟现象,从而可能出现局部最优结果。而生物免疫机制能够有效地克服这些缺点,因此将粒子群算法与免疫原理有机结合起来形成免疫粒子群优化算法(IMPSO);其次对PSO算法的惯性系数和学习因子做了一定的改进;最后通过经典优化函数的计算,验证了算法改进的效果。

基于BP神经网络的疲劳判定

在现有的数据条件下,疲劳判定的本质问题是分类问题,BP神经网络是一种经常应用于人脸识别领域的分类算法,其不需要一套人为确定的规则,并可以根据有代表性的样本自我学习。论文采用BP神经网络算法进行飞行员的疲劳识别,首先定位出飞行员面部和头部特征点,然后根据特征点计算出相应的特征向量,把这些特征向量输入BP神经网络分类器,最后利用神经网络模糊分类的优点,进行飞行员疲劳判定。

无线传感网络改进的最小生成树算法

机场噪声检测是近些年来一直困扰我们的一个难题,其中一个关键点是如何解决最小连通覆盖集问题,目前国外解决该问题新的方法有集中式近似算法、令牌驱动、圆周覆盖等,国内有DVC算法、重构Voronoi划分等.研究了在同时满足网络的覆盖性与连通性的前提下,如何选择最少数目工作节点的问题,为得到已知机场区域的最小连通覆盖集,在集中式近似算法的基础上,提出一种改进的最小生成树算法,用来确保该覆盖集连通所需的辅助节点,最后通过实验对设计的算法性能进行评估.

基于分段距离和子序列匹配的飞机故障检测

针对飞机故障检测数据中重复率高数据量大,监测算法效率和准确率低的问题,本文在PAA压缩数据的基础上使用分段概率提取细分QAR数据,调整FP-Growth算法创建独具特色FP-Tree降低数据的重复度,提高数据的查询速度,提出了基于分段距离和子序列匹配算法,本文采用真实的飞机飞行QAR数据验证该算法的有效性和准确度。

维数约简算法简述

机器学习是近几年研究的热点,维数约简算法是机器学习的必要手段,本文从维数约简算法的定义讲起,介绍了几种典型的数据降维算法,其中包括线性降维和非线性降维,流形学习是非线性降维的代表算法。并且介绍了每个算法的构造过程及其特点,在此基础上分析了所有维数约简算法的执行效率时间和空间复杂度,并且给出了每个算法的特点和算法的核心思想,最后在此基础上给予总结,为后面研究者提供参考和借鉴。

泛网格化噪声监测点布局与蜂群优化

现有机场噪声检测系统的检测点初始布局主要根据专家经验和具体的噪声投诉情况来确定,会因周围环境因素漏掉一些关键位置。为此,文章以天津滨海国际机场为研究目标,采用目前较为流行的INM噪声预测模型和机场周围飞机噪声环境标准来设置敏感点,对机场噪声监测区域进行泛网格划分,并采用蜂群理论对噪声检测点进行优化。结果表明,通过实验得到的噪声检测点能监测到敏感区域且其覆盖率也较为理想。

关于TSP的骨架算法综述

当TSP的哈密顿回路计算算法研究止步于局部最优陷阱时,1995年Boese教授发现了大坑现象,使骨架算法悄然进入了TSP研究领域。骨架算法在TSP边识别方面正在取得进展。预言了骨架算法与脂肪算法相融合的必然趋势.

一种基于DNN的少儿英语口语评分系统的改进

由于目前基于深层神经网络隐马尔可夫模型(CD-DNN-HMMs)自动口语评分系统对少儿口语的兼容性不是很高,存在一定程度的误差,因此提出了DNN的语音识别系统,其主要组成是线性整流函数。实验结果表明,与高斯混合模型(GMM-HMMs)相比,即使该模型训练了8倍以上的数据,但其识别精度也远低于基于DNN的识别方法,而且DNN方法的相对功耗降低了31%。这进一步提高了提取特征的质量和最终的英语口语水平分数,并将整体的自动评价性能提高到了人工的绩效水平,并且在儿童英语语音中常见的嘈杂和/或不清楚反应的情况有了很大的改善。

面向5G无线通信系统的关键技术探讨

本文通过对5G无线通信网络的技术内容与发展历程进行简述,并对5G通信技术在现实中的应用价值与具体应用情况意义分析,希望对5G无线技术的技术发展与普及提供一定的帮助。

基于证据视角下的英语单词相似度算法研究

在学界,单词语义相似度属于自然语言处理方面最为热门的研究方向之一,它的研究成果对多方面应用产生深远的影响,比如翻译系统、计算语言学等方面.文章以证据理论为研究依据,再与知识库进行相结合,提出一种新型的单词语义相似度度量算法.此文采用统计生成基本信任分配函数,再与多方面相结合来对信息融合取得全局基本信任分配函数进行实施,比如与证据冲突处理、重要度分配、D-S合成规则等,同时立足于此基础之上对单词语义相似度进行量化计算.

融合注意力机制与图卷积网络的机器翻译模型研究

当前世界文化交流越来越频繁,机器翻译技术功不可没。研究针对传统机器翻译存在的问题,对机器翻译模型进行改进,提出一种组合式翻译模型。该模型引入注意力机制与图卷积神经,针对图信息翻译进行优化。该模型还同时考虑了单词信息位置与句子翻译长度等因素,并利用IWSLT数据集与WMT14en-de数据集完成模型性能的验证。研究提出的模型在两种数据集的BLEU得分为44.9分与47.3分;翻译精度达到90.3%与94.1%;当句子长度在10至20词之间时,模型的BLEU得分为44.67分。实验结果表明,研究提出的模型具有较好的翻译性能,并且具有更广的翻译范围,为图信息翻译提供了新的研究思路。