从科技英语翻译实例看基于神经网络的机器翻译

随着人工智能在自然语言处理技术上的不断进步,基于“深度学习技术”的机器翻译从传统的机器翻译方法向神经网络机器翻译方法全面转变。全球科技巨头相继推出了基于神经网络算法的神经机器翻译系统,相对于统计机器翻译语言,神经机器翻译译文更加流畅准确,优化了翻译服务。本文结合科技文献翻译实例,分析了谷歌翻译与人工翻译的差距,机器翻译还是不能实现完美翻译。

基于人工智能的深度神经网络优化英语机器翻译

机器翻译是一个持续研究的领域,其主要目的是消除语言障碍。随着技术的不断发展,机器翻译在过去几十年里经历了从早期的目标语言直接替换源语言的方法到如今的数据驱动模型的范式转变,其中包括统计和神经机器翻译方法。文中采用一种基于神经网络的深度学习技术,专注于英语翻译,同时还使用了Bahdanau注意机制。为了支撑研究,使用了约30923个句子的平行语料库,其中包含一些新闻和日常生活中常用的句子。拟议的系统遵循70∶30的标准进行了训练和测试。为评估拟议系统的效率,采用了多个自动评估指标,如BLEU、F-measure、NIST、WER等。研究表明,拟议的模型在BLEU分数上取得了平均45.83的结果,显示了其在英语翻译任务上的优异表现。

神经网络机器翻译问题及对策研究——以有道、DeepL、搜狗、百度翻译为中心

2013年以来,神经网络机器翻译实现了机器翻译质量的大幅提升,短短几年便成为机器翻译系统的主流模式。国内外行业巨头纷纷上线神经网络机器翻译系统,推动机器翻译实用化和商品化发展。但是,神经网络机器翻译仍然面临诸多挑战。如何有效地利用在线翻译系统,方便、快速且准确地提高翻译效率和质量,是当前机器翻译研究的重点。因此,本文以有道、DeepL、百度、搜狗四个神经网络翻译软件为研究对象,概括总结了神经机器翻译译文的特点及存在问题,并据此从机器翻译软件开发、译后编辑、译者发展等不同角度,探讨在人工智能翻译飞速发展背景下的应对策略。

源语和目的语之间的亲疏关系对神经网络机器翻译质量的影响——以一次翻译实验为例

虽然神经网络机器翻译技术是目前最先进的机器翻译技术,但翻译质量仍然会受到源语与目的语之间亲疏关系的影响。文章选取法语为源语,英语和中文为目的语,通过一次翻译实验,证实了这一点,同时也证实了在翻译文学作品时,可以借助机器翻译提高翻译效率,但不能过度依赖机器翻译,优秀的译作离不开优秀的译者。

基于卷积神经网络的移动机器人声源定位方法综述

听觉系统是机器人感知周围环境信息的重要途径之一,精准有效地进行声源定位,可极大提高移动机器人的感知与决策能力。将声源定位应用于危险环境救援与巡检具有重要工程意义。随着深度学习的广泛应用,引入卷积神经网络(convolutional neural networks, CNNs)的声源定位效果显著改善。将移动机器人声源定位研究从网络架构与改进、声音特征类型、数据仿真与增强,以及多模态信息融合四个角度进行综合对比及分析,并对技术的应用提出思考与展望。

基于PSO-BP神经网络的分拣机器人视觉反馈跟踪

针对分拣机器人视觉反馈跟踪精度差、耗时较长的问题,研究基于粒子群算法-反向传播(particle swarm optimization-back propagation,PSO-BP)神经网络的分拣机器人视觉反馈跟踪方法,以提升视觉反馈跟踪效果。依据分拣机器人的视觉反馈信息,建立分拣机器人运动学模型,并求解分拣机器人机械臂输出位置和输入位置的误差函数;利用PSO算法优化BP神经网络的权值与偏置;在权值与偏置优化后的BP神经网络内,输入误差函数,预测分拣机器人视觉反馈跟踪控制量;利用预测视觉反馈跟踪控制量,在线调整增量式比例-积分-微分(proportional-integral-derivative,PID)的参数,输出高精度的分拣机器人视觉反馈跟踪控制量,实现分拣机器人视觉反馈跟踪。实验结果表明,该方法可有效视觉反馈跟踪分拣机器人机械臂的关节角;存在干扰情况下,在运行时间为10 s左右时,阶跃响应趋于稳定;有干扰情况下,视觉反馈跟踪的平均误差为0.09 cm,耗时平均值为0.10 ms;无干扰情况下,平均误差为0.03 cm,耗时平均值为0.04 ms。

神经网络阻尼比模型及工业机器人导纳控制

在工业机器人打磨过程中,环境刚度随未知环境的变化,将对力控制精度产生不利的影响,针对环境刚度变化的问题,该文提出一种基于神经网络阻尼比模型的自适应导纳控制方法。在导纳控制设计中,根据力误差与系统阻尼比之间的机理关系,设计激励函数,构造神经网络阻尼比模型;通过该模型使阻尼比在线调整,适应末端环境的刚度变化,实现力到位置自适应转换的导纳控制。与常规导纳控制进行仿真比较,结果表明所提出的力控制策略力误差更小,响应速度更快,能适应变刚度的未知打磨环境。

基于神经网络和自然语言处理的智能对话机器人技术专利现状

本文针对神经网络和自然语言处理的智能对话机器人专利技术分析,分析了神经网络和自然语言处理的智能对话机器人技术国内外发展情况。在智能对话机器人行业起到借鉴作用。近年来,随着人工智能和大数据技术的发展,聊天机器人的热度越来越高,聊天机器人(Chatbot)是可以通过语音或文字与用户进行对话交流的计算机程序,其能够模仿人类对话,它不仅仅是一个简单的问答系统,而是一个能够理解自然语言的平台,比如百度的小度、苹果的Siri、微软的小冰、IBM的Waston等,在不同的场景下,聊天机器人有着不同的定位和功能,为了使聊天机器人能理解用户的问题,机器人需要使用文本或者语音对人类进行对话,这需要自然语言处理(Nature Language processing,NLP),而为了可以使得机器人更智能地与用户进行聊天,这需要基于神经网络进行大模型数据训练,使其具有自主学习能力;人工智能(Artificial Intelligence,AI):是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门的综合学科,人工智能企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,可以对人的意识、思维的信息过程的模拟。

基于神经网络的工业机器人视觉抓取系统设计

针对机器人示教编程方法导致的工件位置固定、抓取效率低下的问题,研究神经网络在机器人视觉识别与抓取规划中的应用,建立了视觉引导方案,通过YOLOV5神经网络模型开发视觉识别系统,识别物体的种类,同时获取待抓取物体定位点坐标;提出了机器人六点手眼标定原理并进行标定实验,提出了针对俯视图为圆形或长方形物体的定位方法;最后针对3种物体进行了180次的抓取实验,实验的综合平均抓取成功率约为92.8%,验证了视觉识别和抓取机器人系统具备实际应用的可能性,有效提高了抓取效率。

基于神经网络机译下的科技文本翻译质量研究

随着人工智能技术的发展,机器翻译已成为目前主流翻译方式,而神经网络翻译作为其新的范式,大大提升了机器翻译的效率与准确率。文章以《经济学人》科技类文本为例,从词汇、句法、语篇三个方面分析不同神经网络机器翻译平台得出的译文,发现机器翻译过程中出现的问题,以期为神经网络机器翻译的研究提供借鉴。

针对音变问题改进的维汉神经网络机器翻译鲁棒性方法研究

由于维吾尔语具有音变差异,在记录时容易混淆,这对机器翻译的容错能力提出了挑战。从词粒度研究的角度出发,针对维吾尔语中具有明显语音特性的音变词的翻译问题,采用字符级神经网络机器翻译(Character level Neural Network Machine Translation,CharNMT)结构,并结合覆盖率机制进行优化,这一方法不仅提高了音变词的翻译质量,还展现出较好的容错能力。在基础模型取得了1.25 Blue分的提升,并在训练和解码速度方面也具有优势。

足式机器人腿部关节改进单神经网络PID控制算法研究

为了满足液压足式机器人在复杂环境中实现精确、快速的腿部关节控制需求,把单神经网络PID能够实时调节参数的优点运用到足式机器人液压机械腿关节的控制中,在单神经网络PID的基础上增加机械腿关节的位置和速度控制算法,形成改进单神经网络PID,实现了对神经元比例参数自调整、PID参数的自整定,能够较好地适应内、外参数的变化,增强了腿部关节的快速性、精确性。在Simulink中进行建模仿真以及在设计的以STM32为中央处理芯片的控制平台上进行实验测试,结果表明:改进单神经网络PID在足式液压机器人的腿部关节控制中具有响应速度快、超调量小、控制精度高、鲁棒性强等优点。

改进RBF神经网络在智能机器人轨迹规划中的研究

针对工业生产中对智能机器人轨迹规划的要求越来越高,在工业机器人运动模型的基础上,提出了一种将RBF神经网络和遗传算法相结合的工业机器人轨迹规划方法。通过遗传算法对RBF神经网络的网络结构、连接权值和阈值进行优化,精确跟踪机器人的轨迹。通过仿真将与未改进前的轨迹规划算法进行比较,验证该方法的优越性。结果表明,与改进前的规划算法相比,文中规划方法误差小,适应性强,能够满足工业机器人轨迹规划的预期要求。为工业机器人轨迹规划方法的发展提供了一定的参考。

SLAM技术及卷积神经网络(CNN)技术支持下的自动修剪机器人设计

为解决我国城市绿化植被修剪维护需求日益增多的问题,本研究设计了一种可应用于城市、园林等场所的绿化植被自动修剪巡航机器人。该机器人采用了SLAM技术和卷积神经网络(CNN)技术作为主要技术基础,使用Gmapping SLAM技术构建栅格地图,以实现在一定范围内的自动导航功能,并将卷积神经网络(CNN)算法与YOLOv3-spp算法相结合,进行视觉学习,使机器人能够进行深度学习和图像分析。仿真结果表明,该机器人可实现自主导航、视觉判别和精细化修剪等功能,能够准确辨别出需要修剪的植被,并进行精细修剪,提高了修剪效果和效率,在城市、园林等场所具有广阔的应用前景,为城市绿化管理提供了一种创新的解决方案。

基于神经网络的测量机器人大坝监测观测值折光修正

测量机器人在水库大坝自动化监测中应用广泛,为确保监测结果的可靠性,需对原始观测值进行折光修正。结合测量机器人自动化监测可提高监测频率、提供大量观测数据的特点,在分析观测值折光影响因素的基础上,构建了神经网络折光修正模型来对原始观测值:垂直角、斜距、水平角进行修正。并利用某水电大坝自动化监测系统展开了试验与验证,选取评价指标对模型修正后观测值精度进行分析。结果表明,对于以垂直角为基础的垂直位移修正,基于神经网络的方法相对于传统的K值修正公式效果明显,最高可提升垂直位移的精度约2 mm。对于斜距修正,基于神经网络的方法有一定的效果,显示出距离越远效果越明显的趋势。对于水平角修正,数据结果表明水平角观测值受折光影响较小,使用神经网络进行修正并不能进一步提高观测值的精度。

基于神经网络干扰观测器的巷道机器人鲁棒控制方法研究

以巷道机器人铲斗油缸电液控制系统为研究对象,提出了一种基于神经网络干扰观测器的鲁棒控制器来提高强时变负载力工况下油缸的控制水平。该控制器利用神经网络的学习功能,实时估计和补偿未知负载力。采用反步法设计了鲁棒控制器并进行了系统稳定性的验证。通过Simulink/Simscape搭建了铲斗油缸系统的物理模型,并进行了仿真分析。神经网络干扰观测器可有效完成对未知负载力的实时估计,经过负载力补偿后的鲁棒控制器相对PID控制器精度提高了约79%。

基于集成神经网络和改进极限学习机的矿井移动机器人故障检测

矿井移动机器人作为一种自主运动的智能设备,广泛应用于采矿、输送和装载等工作中。然而,由于其在恶劣环境下运行,往往长时间无法得到检修维护,导致故障频发,影响了井下安全高效生产。如何及时准确地对机器人进行故障检测,提高其可靠性和生产效率成为一个亟待解决的问题。提出了一种基于集成神经网络和改进极限学习机的矿井移动机器人故障检测方法。该方法融合了多个神经网络模型,并通过改进极限学习机算法来提高检测精度和效率。首先,基于集成学习思想将传统卷积神经网络、递归神经网络和自编码器等多个预训练模型集成为一个更强大的检测模型。其次,在极限学习机的基础上引入了自适应权重调整策略,提高了算法的自适应能力和准确性。将所提出的方法在某矿山数据集上进行了试验,结果表明:该方法在检测区分度较低或异常数据较多的情况下性能优异,有助于实现高精度和高效率的故障检测。

基于残差BP神经网络的Baxter机器人逆运动学分析方法

提出1种基于残差BP(back propagation)神经网络的自适应逆运动学分析方法,围绕数据采集至实时控制的整个运动规划流程,采集140组位置和欧拉角数据,利用残差BP神经网络对Baxter机械臂进行逆运动学分析,拟合得到机械臂7个关节角度;将训练好的关节角度以话题的形式发布,通过在抓取物体的脚本中订阅该话题实现通讯;结合Rviz进行可视化展示和实物双臂协同实验,对4种物体模型分别用残差BP神经网络和普通BP神经网络进行抓取实验,验证所提方法的有效性。结果表明:所提方法的计算单点时间约8.1 ms,远小于机械臂的控制周期,可实现实时性的要求;在进行1500次训练的情况下,残差BP神经网络模型的均方误差为0.006,相比普通BP神经网络模型,误差降低0.077,提高了模型的准确性;所提方法的抓取成功率为87.5%,比普通BP神经网络提高了22.5%,验证了本文所提方法的有效性和实用性。

基于改进神经网络的机器人跟踪控制算法设计

针对传统6R机器人路径跟踪过程中存在的控制精度差、效率低等问题,提出一种基于改进神经网络的机器人路径跟踪控制算法。对机器人位置和速度等信息进行状态检测,利用神经网络对机器人的运动轨迹进行预测和修正,并根据实际误差对机器人控制指令进行优化。基于岭回归算法对经典神经网络进行改进和优化,提升算法的迭代效率和参数优化能力,更加准确地预测和修正机器人的运动轨迹。仿真结果表明:与传统的PID控制算法相比,基于改进神经网络的6R机器人路径跟踪控制算法有更好的控制精度和稳定性,且所耗用的时间被控制在10 s之内。

基于BP神经网络的农业大棚巡逻机器人定位研究

为了能够及时准确地定位病虫害发生的位置,最大程度减少农户经济损失,农业大棚巡逻机器人的定位研究非常必要。但机器人使用的传统里程计常因为机械结构、误差积累、功耗发热等问题导致定位失效。为此,在已知农业大棚地图的基础上,将BP神经网络应用于巡逻机器人定位,提出采集机器人实际的位置信息和雷达信息,利用仿真软件进行模型训练,选择能够满足实际需要的激活函数,从而确定BP神经网络。通过实验并对比其他方法,证明使用本方法不但能实现精准定位,而且也能够提高机器人续航能力,有效提升农业大棚的生产效率。