地下空间资源协同化评价探索——“复杂地质条件地下空间资源识别与评价”专辑特邀主编寄语

地下空间资源分布广泛,是重要的国土空间资源。复杂地质条件下地下空间资源开发利用涉及“水、土、岩、气”等方面内容,是资源开发面临的主要问题。科学合理的探测识别与评价是地下空间资源开发利用的重点研究方向,对地下空间资源的可持续利用具有重要意义。在《地球学报》编辑部的大力支持下,本次专辑由复杂地质条件下地下空间资源的探测、识别、评价等相关方面内容构成,包括城市地下空间资源、地下水资源、地热资源等。该方面的研究成果可为地下空间相关资源的识别与保护研究提供重要的参考价值。

项目群瓶颈资源识别方法

项目群实施过程中,管理效率不仅取决于管理方法的选择,更重要的是对管理重点的判断和决策。项目群管理的重点和难点之一就是项目群资源管理,而资源管理的重中之重是项目群瓶颈资源,即供给受限的资源。项目群瓶颈资源的识别是项目群管理的核心内容之一。从资源供给的角度对瓶颈资源的识别进行了研究,确定了项目群瓶颈资源识别的指标体系,并采用模糊综合评价法判定瓶颈资源,为项目群资源管理确定管理的重点,提高管理效率。

企业核心资源识别的客户界面分析

本文基于核心资源的价值特性,通过对客户价值的差异性、动态性等方面的探讨,分析了企业外部的客户界面。以此为前提,又进一步探讨了企业内部的价值创造过程,通过探求外部差异的内在原因,进而审视企业内部资源的核心性。最后,立足于企业内部资源界面和外部客户界面之间的互动,构建了一个核心资源界面识别的基本模式。

创业导向、资源识别对在孵企业创新绩效的影响

本文主要从战略层面分析与探讨创业导向对于在孵企业创新绩效的影响,其中资源获取会在其中承担着中介作用。创业导向作为企业的一种战略导向,代表着企业乐于接受新鲜事物具有一种超前的行为特征和决策风格,创业导向比较强的企业其风险承担力也比较强,在资源识别上也更加倾向与创新资源的获取,同时也会打破在孵企业所存在的安于现状的思想,进而促进在孵企业创新绩效的提升。

海洋石油物流基地码头关键资源识别

“十四五”规划背景下,国家加大海洋石油勘探开发力度,海洋石油物流基地码头作业量激增,导致码头资源出现严重短缺。因此,文中研究海洋石油物流基地码头关键资源识别,在构建码头关键资源识别指标体系基础上,基于层次分析法识别码头关键资源。通过对中海油集团惠州物流基地码头关键资源进行识别,表明该方法准确有效。识别的关键资源能为码头资源的配置规划提供重要参考,有效提升码头的运营效率和经济效益。

菜鸟往哪飞——认请方向 资源资源识别工具——ExeScope

前面谈到了软件的各种界面的资源情况,就软件来说,不同的软件所表现出来的形式基本上离不开前文所表述的形式,然后由于编程语言的多样化,相同的界面、内容在不同的编程中是使用不同的方式去实现的,因此我们真正要去解决的是,根据不同编程语言的规定。

基于迭代算法分析的无线通信信号识别研究

为进一步提升我国植保无人机通信系统的作业效率,基于迭代计算思维,针对其无线通信信号的识别与处理模块展开分析。以通信路径原理为基础,以通信信道资源识别、功率改进为切入点,搭建准确的通信迭代计算模型,进行特性分析与关联匹配设置,并展开整机通信作业参数试验效果验证。结果表明:基于迭代算法分析的无线通信信号识别与处理各模块功能运行稳定,信号时延率与信道误码率均相对降低,通信的识别准确率相对提升8.94%,整体通信综合效率提升至96.93%。此迭代算法分析准确,设计效果明显,对于类似智慧型农机装备的通信质量与通信效率提升有较好的参考价值。

“鱼类识别与资源调查”课程思想政治探索与实践

中国是水产养殖大国,渔业发展迅速,且正处于产业转型的关键时期,对具有先进养殖技术和优秀思想品质的高素质渔业技术技能人才的需求十分强烈。鱼类识别与资源调查课程是渔业类专业的重要基础课程,其知识体系中蕴含着丰富的思想政治元素,在课程中开展教育,能有力提升学生的思想政治素养。文章结合江苏农牧科技职业学院的教学实践,对鱼类识别与资源调查课程中蕴含的思想政治元素进行了分析,从教学目标、教学设计、教学方法与手段、教学评价等方面剖析了课程教学策略,旨在为鱼类识别与资源调查课程的设计与实施提供参考。

基于声学模型共享的零资源韩语语音识别

精准的语音识别系统通常使用大量的有标注语音数据训练得到,但现有的开源大规模数据集只包含一些广泛使用的语言,诸多小语种则面临着训练数据不足的问题。声学模型共享方法给出了这个问题的一种解决方法,它利用不同语种间的相似性,可以实现不需要小语种语音数据的语音识别。本文将声学模型共享方法扩展到韩语语音识别上,利用汉语声学模型构建韩语和汉语之间的音素映射关系。在不使用任何韩语语音数据的情况下构建的语音识别系统在Zeroth测试集上的字错误率达到了27.33%。同时本文还测试了不同映射方式之间的差异,结果表明这种共享模型的音素映射应当采用将目标语言词汇映射为源语言音素的方式。

创业环境动态性、创业者特质与创业资源识别关系的实证研究——以产业集群为视角

从产业集群视角,研究了创业环境动态性、创业者特质、创业资源识别的关系。基于文献回顾,提出了产业集群创业环境动态性、创业者特质4个维度和创业资源识别关系的相关假设。基于368份有效样本对所有假设进行了检验,结果表明:产业集群创业环境动态性与创业者特质4个维度、创业资源识别有显著相关关系;创业者特质的风险倾向、内控制源、不确定性容忍度3个维度作为中介变量显著影响产业集群创业环境动态性与创业资源识别的关系,成就需要维度对产业集群创业环境动态性与创业资源识别关系的影响不显著。

资源基础观视角下构建企业核心资源识别的动力学模型研究

资源基础理论指出企业拥有"异质性"资源是产生竞争优势的根源。国内外很多学者从不同角度对核心资源所具有的特性进行了分析、归纳和总结。从面向竞争优势形成提出收益性、竞争性、可模仿复制性、可控性、战略性等5个核心资源检验指标,并基于此建立核心资源识别的动力学模型,分别从企业内外部辨析形成竞争优势的核心资源。

面向低资源命名实体识别的BiLSTM-Att-BCRF模型

在低资源场景下,由于受训练数据量少的限制,现有模型的参数不能拟合到预期效果,所以导致模型识别实体的性能不佳.该文提出一种融入伯努利分布(Bernoulli distribution)的新型损失函数,使模型能较好拟合数据.此外,该文在BiLSTM-CRF模型基础上融合多层字符特征信息和自注意力机制,并结合基于伯努利分布的新型损失函数,构建了BiLSTM-Att-BCRF模型.BiLSTM-Att-BCRF模型在20%的CONLL2003和20%的BC5CDR的数据集上,F_(1)值在BiLSTM-CRF模型基础上分别提升了7.00%和4.08%,能较好地适应低资源命名实体识别任务.

试论人体可识别遗传资源保密中的伦理问题

探讨了人体可识别遗传资源研究与应用所引发的相关伦理和法律问题,并提出了解决这些问题的可能途径。

一种基于机器人的IDC资源自动识别方法

分析中国互联网数据中心(IDC)资源维护的痛点,提出一种基于机器人的资源自动识别思路;从技术角度分析如何把传统的资源维护手段和人工智能相结合,重点阐述借助机器人来实现互联网数据中心资源识别自动化的详细步骤,为运营商互联网数据中心智能化运维提供参考。

基于DNN的低资源语音识别特征提取技术

针对低资源训练数据条件下深层神经网络(Deep neural network,DNN)特征声学建模性能急剧下降的问题,提出两种适合于低资源语音识别的深层神经网络特征提取方法.首先基于隐含层共享训练的网络结构,借助资源较为丰富的语料实现对深层瓶颈神经网络的辅助训练,针对BN层位于共享层的特点,引入Dropout,Maxout,Rectified linear units等技术改善多流训练样本分布不规律导致的过拟合问题,同时缩小网络参数规模、降低训练耗时;其次为了改善深层神经网络特征提取方法,提出一种基于凸非负矩阵分解(Convex-non-negative matrix factorization,CNMF)算法的低维高层特征提取技术,通过对网络的权值矩阵分解得到基矩阵作为特征层的权值矩阵,然后从该层提取一种新的低维特征.基于Vystadial 2013的1小时低资源捷克语训练语料的实验表明,在26.7小时的英语语料辅助训练下,当使用Dropout和Rectified linear units时,识别率相对基线系统提升7.0%;当使用Dropout和Maxout时,识别率相对基线系统提升了12.6%,且网络参数数量相对其他系统降低了62.7%,训练时间降低了25%.而基于矩阵分解的低维特征在单语言训练和辅助训练的两种情况下都取得了优于瓶颈特征(Bottleneck features,BNF)的识别率,且在辅助训练的情况下优于深层神经网络隐马尔科夫识别系统,提升幅度从0.8%～3.4%不等.

低资源语音识别中融合多流特征的卷积神经网络声学建模方法

针对卷积神经网络(CNN)声学建模参数在低资源训练数据条件下的语音识别任务中存在训练不充分的问题,提出一种利用多流特征提升低资源卷积神经网络声学模型性能的方法。首先,为了在低资源声学建模过程中充分利用有限训练数据中更多数量的声学特征,先对训练数据提取几类不同的特征;其次,对每一类类特征分别构建卷积子网络,形成一个并行结构,使得多特征数据在概率分布上得以规整;然后通过在并行卷积子网络之上加入全连接层进行融合,从而得到一种新的卷积神经网络声学模型;最后,基于该声学模型搭建低资源语音识别系统。实验结果表明,并行卷积层子网络可以将不同特征空间规整得更为相似,且该方法相对传统多特征拼接方法和单特征CNN建模方法分别提升了3.27%和2.08%的识别率;当引入多语言训练时,该方法依然适用,且识别率分别相对提升了5.73%和4.57%。

基于预训练与音素字节对编码的越南语识别

基于无监督预训练技术的wav2vec 2.0在许多低资源语种上获得了良好的性能,成为研究的热点。本文在预训练模型的基础上进行越南语连续语音识别。将语音学信息引入到基于链接时序分类代价函数(Connectionist temporal classification,CTC)的声学建模中,选取音素与含位置信息的音素作为基础单元。为了平衡建模单元数目以及模型的精细程度,采用字节对编码(Byte-pair encoding,BPE)算法生成音素子词,将上下文信息结合到声学建模过程。实验在美国NIST的BABEL任务低资源的越南语开发集上进行,所提算法相对wav2vec 2.0基线系统有明显改进,识别词错误率由37.3%降低到29.4%。

硬件资源池身份识别关键技术

随着国家电网公司信息化建设的不断深入,硬件资源池建设不断加强,越来越多的服务器纳入资源池统一管理。资源池服务器用户分为云操作系统用户和虚拟机用户两类,身份识别与传统服务器相比更加复杂和困难。为了实现对硬件资源池进行安全高效的用户管理,文章提出了三权分立的用户分类机制,并分析了用户身份、终端机身份、宿主服务器身份的鉴别机制及流程。从用户和资源权限管理上,提升了资源管理和使用的安全管理效率,规范了用户身份识别的流程和认证机制,有效提升了信息系统运行的安全性,解决了省级电力公司硬件资源池用户管理的难题。

深度学习中文命名实体识别研究进展

中文命名实体识别(CNER)指识别中文文本中具有特定意义的实体,是自然语言处理诸多下游任务的重要基石。近年来,深度学习技术依托其端到端的方法,自动学习到更深层次和更抽象的数据特征,摆脱了人工标注的依赖,解决了高维特征空间的数据稀疏问题,从而逐渐成为中文命名实体识别方法的主流。回顾了命名实体识别的发展进程和CNER的特殊性和难点;围绕着中文命名实体识别的不同处理特点,将基于深度学习的中文命名实体识别的方法分类为扁平实体边界问题、中文嵌套命名实体识别和CNER小样本问题处理三个领域,并具体阐述这三类领域的模型、细分领域和最近的研究进展并整理了部分典型深度学习方法在相关数据集上的实验结果;再次总结了中文命名实体识别任务的常用数据集和评估方法;指出了当前中文命名实体识别技术面临的挑战和未来的研究方向。