基于时频Grad-CAM的调制识别网络可解释分析

针对时频深度学习调制识别方法存在可解释性差的问题,提出一种基于时频梯度加权类激活映射(GradCAM)的调制识别网络可解释框架.该框架通过时频Grad-CAM可视化深度模型中隐含层的关键特征,从视觉上解释网络隐含层提取的时频深度特征对于正确与错误识别中的作用,揭示低信噪比环境下网络性能下降的内在机理,并通过量化和排序网络中每层不同卷积核的贡献值来判断网络的冗余程度.仿真实验结果验证了基于时频Grad-CAM的调制识别网络可解释性框架的有效性;可解释分析结果表明,在低信噪比环境下,网络特征提取区域有大量噪声存在,且本文所测试的调制识别网络冗余程度较为严重.

基于可解释网络解耦表征的低成本雷达定位解算方法

为降低调频连续波(FMCW)雷达成本,同时提高定位精度,设计可解释解耦表征模型。该模型由网络解算器、虚假信号生成器以及可解释潜变量三部分组成。首先处理雷达信号获得中频频谱;然后输入到网络解算器中生成位置潜变量;再通过物理机制对潜变量进行转换,生成虚假中频信号频谱;最后,设计局部光滑损失函数对模型进行自监督训练,实现潜变量的解耦物理表征。实验结果表明:所提算法能对雷达系统频谱信号的粗粒度进行超分辨率细化,其机理能有效应对雷达系统的硬件公差、环境噪声、安装误差等问题,并可自动地训练出雷达的解算网络,从而具有大规模室内、机载联网定位的应用潜力。

基于U-Net深度学习网络的地震数据断层检测

断层解释是地震资料解释的关键环节之一。随着人工智能技术的发展,断层的自动、快速识别成为机器学习方法在地球物理领域应用的一个研究热点。目前,断层智能识别还存在着模型训练难度大以及实际资料预测效果不理想等问题。为此,提出一种基于U-Net深度学习网络的地震数据断层检测方法,即在网络结构中结合U-Net和残差模块Res-50,构建了新的网络——ResU-Net。ResU-Net利用1×1×1卷积核处理特征图像通道数,在减少网络时间复杂度的同时,在原有U-Net基础上扩展了网络的深度,有效提高了网络的运算效率和学习能力,可快速、准确地识别断层。通过合成数据集进行训练和测试,证明ResU-Net具有更小的时间复杂度,并且通过设置合适的网络输入、数据扩充和重叠边界加权处理,解决了实际数据体不规则情况下的断层检测等问题。实际数据应用结果表明,ResU-Net训练模型抗噪能力强,泛化能力强,预测的断层准确性高、连续性好。

描述逻辑中基于边界模块的推理方法

模块化是优化本体推理的一种有效手段,提出了一种针对推理的模块提取方法,该方法通过分析符号解释域的边界与公理之间的关系计算出基于边界的模块。给出该基于边界的模块的理论基础,并证明了其模块的正确性。评估实验表明,基于边界的模块和最优模块大小很接近,并使用边界模块进行推理后,推理性能显著提高。

描述逻辑中基于边界的模块提取方法

模块化是优化本体推理的一种有效的手段,提出了一种针对推理的模块提取方法,该方法通过分析符号解释域的边界和公理之间的关系计算出基于边界的模块。文中给出该基于边界的模块的理论基础,并证明了其模块的正确性。在评估实验中,通过与最优模块和符号模块进行比较,基于边界的模块和最优模块大小很接近,非常适合对推理进行优化。

PAL/RAVE模块在大民屯凹陷沈65块滚动勘探中的应用

本文针对沈 6 5块构造破碎、储层薄的特点 ,在油气层标定和构造精细解释的基础上 ,运用PAL和RAVE模块建立了地震属性与油气的关系模式 ,并以此为依据 ,对本区储层进行了预测和油气检测 ,其结果与已知油气区吻合较好。在此基础上对该区的两个目标进行了部署 ,取得了较好的勘探效果 。

数控仿真系统译码模块的开发

利用VC开发了相应的数控程序仿真软件 ,并就如何读取数控程序 ,分析、存取代码及译码模块的设计方法等问题做了一些探讨。

基于ISM的战时军用机械维修设备模块化研究

运用模块化理论分析了军用机械维修设备模块划分的基本原理,并以某型履带式综合扫雷车功能受损情况为例,基于ISM对战时军用机械维修设备模块化进行了研究,得出了可行的维修设备模块编配方案。

利用磁异常总梯度模确定磁源边界位置

本文介绍了一种利用磁异常总梯度模确定磁源边界位置的方法。根据理论证明与实际模型相结合的方法，分析了磁异常总梯度模极大值与磁源边界位置的对应关系，从而，可利用微机自动搜索边界位置成图。该方法在区域磁异常解释中，可广泛用于划分构造单元、确定构造带的位置、区分不同岩性与地层分布。

基于一体化测井平台的岩石力学评价系统的开发及应用

基于一体化网络测井处理解释软件平台,以C语言为基础,研发了岩石力学参数评价系统,包括:孔隙压力、杨氏模量、泊松比、体积模量、最大最小主应力、岩石强度、地层破裂压力、井壁坍塌压力、出砂指数、压裂裂缝高度预测等10多个评价参数.采用模块化开发,功能稳定,功能扩展性强,能够随时动态挂接各功能模块.

法国巴黎释意学派理论观照下的口译专能习得机制研究

基于法国巴黎高翻塞莱斯科维奇和勒代雷提出的释义理论,结合提出的口译步骤程序,分析IPTAM口译专能习得机制的主要内容及其在口译教学实践和口译技能培训中的功能及应用。IPTAM是国内唯一的模块化网络化和互动化在线口译学习训练平台,该系统能让学员进行模块化和系统化口译技能训练,初步掌握口译必须的技能。

高等院校本科翻译师资培训“翻译理论研究”模块述评

为适应我国翻译学科发展的客观要求,中国译协、《中国翻译》编辑部推出高等院校本科翻译师资培训课程。课程首次采取了模块式的培训方式,从翻译专业和翻译教学的特点出发,为广大教师搭建了一个专业化、系统化的高校师资培训平台,让学员们在专业技能、专业教学理念与教学方法以及基于教学的科研能力和理论素养得到全方位的培训,为国内同类师资培训树立了一个典范。本文对该培训课程的重头戏——"翻译理论研究"模块进行述评,以期为今后国内类似的培训提供参考借鉴。

JH凹陷SG复杂断裂带处理解释一体化综合研究

SG复杂断裂带具有得天独厚的油气富集条件,但是SG断裂带断层发育、构造破碎、地震资料品质差、构造不易落实,制约该区勘探的进一步发现。在针对性处理提高地震资料品质基础上,通过对SG断裂构造特征的认识,以走滑断裂模式来指导地震资料的解释,以精细断层解释为突破口,应用全三维的解释方法,提高了复杂断裂带圈闭识别和描述精度,在实际应用中取得较好的效果。

利用JNA技术对多语言测井应用程序集成方式的改进

为保证一体化网络测井解释软件平台的顺利推广,需要兼顾目前已形成的测井解释工作习惯,并把已有的一些优秀测井解释方法集成进平台中。通过对Java Native Access技术的研究,改进发展了一体化软件平台与其他编程语言编写的应用程序通信的基础模块集成框架。使集成后的应用程序可更加灵活方便地使用一体化软件平台中的绘图、数据底层和其他先进的测井处理方法。实现了平台资源高度共享和复用,最大程度地避免了重复编码,提高了开发效率和质量,可满足现场用户的各类不同要求。

Geolog软件Multimin模块在火山岩储层测井评价中的应用

在Geolog软件Multimin模块的开发应用过程中，针对大庆深层火山岩储层的地质特点，利用岩心分析，录井描述、薄片鉴定资料和常规测井资料，建立了大庆深层火山岩储层的岩性解释模型；结合核磁测井资料，利用交会图分析的方法确定火山岩的骨架参数。实际投产处理解释后，经岩心分析资料、测试资料和地区经验公式验证，精度达到了实际生产的要求，Multimin模块在深层火山岩气藏测井评价中的应用取得了成功。

口译教学生态模式初探

口译训练和教学模式一直是众多学者探索的问题。本文以生态翻译学的理论为依据,提出模块式口译教学模式,从关联序链、译者中心、适应/选择及事后追惩等生态翻译理念,诠释模块式口译教学的生态路径,以期促进口译教学实践,优化口译训练模式。

英语(国贸)专业交替传译教学改革探索

针对英语(国际贸易)专业学生的培养目标与特点,就交替传译课程设计与教学实践作了初步探索。认为口译课应该是技能实践课,并在此基础上提出该门课程应由交替传译概论、通用交传技巧与实践、通用英汉传译实践和专题英汉传译实践等四个模块组成,并分别就这四个模块作了简述,最后还讨论了教学实践中出现的几个问题并提出了相应的建议。

ECMWF的一种释用方法在福建省雨季暴雨天气过程中期预报中的应用

开展数值预报产品的释用工作，是做好中期天气预报的主要方向。而目前业务中主要沿用的数值预报产品（如ECMWF）有两个主要缺点：一是预报时效仅7-8天，难以满足中期预报的需要。二是由于中期预报的重点是对过程的预报，尤其是重大转折性天气过程的预报，而重大转折性天气过程一般起因于大型环流的转变或调整，这一点从现有的数值预报产品的空间形势场中难以发现。为了延长预报时效，提高中期预报准确率，利用数值预报产品研制开发新的中期预报方法十分必要。将600E的500hPa位势高度逐日时间剖面图（简称65图）方法与ECMWF数值预报产品结合。可以直观反映ECMWF预报时效内60°E的波动特征即乌拉尔山地区的槽脊调整，从而反映东亚大型环流的转变或调整。将此图与ECMWF形势场结合使用有助于提高中期预报准确率，延长中期预报时效，有较高的应用价值。

基于训练空间重构的多模块TSK模糊系统

利用重构训练样本空间的手段,提出一种多训练模块Takagi-Sugeno-Kang(TSK)模糊分类器H-TSK-FS.它具有良好的分类性能和较高的可解释性,可以解决现有层次模糊分类器中间层输出和模糊规则难以解释的难题.为了实现良好的分类性能,H-TSK-FS由多个优化零阶TSK模糊分类器组成.这些零阶TSK模糊分类器内部采用一种巧妙的训练方式.原始训练样本、上一层训练样本中的部分样本点以及所有已训练层中最逼近真实值的部分决策信息均被投影到当前层训练模块中,并构成其输入空间.通过这种训练方式,前层的训练结果对后层的训练起到引导和控制作用.这种随机选取样本点、在一定范围内随机选取训练特征的手段可以打开原始输入空间的流形结构,保证较好或相当的分类性能.另外,该研究主要针对少量样本点且训练特征数不是很大的数据集.在设计每个训练模块时采用极限学习机获取模糊规则后件参数.对于每个中间训练层,采用短规则表达知识.每条模糊规则则通过约束方式确定不固定的输入特征以及高斯隶属函数,目的是保证所选输入特征具有高可解释性.真实数据集和应用案例实验结果表明,H-TSK-FS具有良好的分类性能和高可解释性.

基于STEP-NC数控系统的译码模块及坐标问题

针对STEP-NC的数据模型和面向对象的编程特征,运用模块化软件设计思想,建立译码模块的四个功能子模块。①输入子模块负责解析STEP-NC程序,设计专门的数据结构用来存储程序行实体信息。②识别子模块识别加工程序中的各种实体,提出特定的识别顺序以保证识别准确度。③建模子模块根据实体类型,通过实体映射的方法建立相应的C++类库模型。④路径规划子模块根据模型参数规划加工路径,并给出其工作过程。路径规划涉及的一个复杂问题就是坐标转换。对STEP-NC标准中坐标的层次结构进行了归纳,对路径规划过程中的坐标参照原则进行了详细介绍。通过一个基于STEP-NC接口的三维铣削仿真系统的仿真试验,生成可视的刀具路径,证明路径规划的正确性。最后将译码模块移植到开放式数控系统中,通过实际的加工试验验证译码模块的有效性和正确性。