语言熵理论与应用模型:英语语义辅助理解工具设计基础

1引言 华南师范大学桑新民教授2002年11月来我院访问,席间探讨了我国未来英语语言教学的理论与技术问题.桑教授对于国外个性教学的发展趋势感慨颇深,甚是希望国内计算机界专家学者开发辅助英语教学软件,语言真切感人,如明胜景色,令人难以释怀.

斯多葛命题逻辑系统不完全性的新证明

斯多葛学派的命题逻辑理论是古希腊人对逻辑学的第二次伟大贡献。从现代逻辑的角度来看,应该把它理解为一个有且仅有5条推演规则的自然演绎系统而不是公理系统。陈志美和胡泽洪在承认它是自然演绎系统的基础上,运用算术解释方法证明了它的不完全性。然而,他们所证明的是添加了两条“元逻辑规则”之后的系统,而且证明过程还存着一些不严谨之处。为此,本文采用现代逻辑中更为常用的语义比较方法直观且严谨地证明了斯多葛命题逻辑系统的不完全性,并给出了寻找该系统所缺失的规则从而使其具有完全性的方法,进一步深化了我们对斯多葛命题逻辑的认识。

结合语义辅助和边缘特征的显著对象检测

目的 现有的显著对象检测模型能够很好地定位显著对象,但是在获得完整均匀的对象和保留清晰边缘的任务上存在不足。为了得到整体均匀和边缘清晰的显著对象,本文提出了结合语义辅助和边缘特征的显著对象检测模型。方法 模型利用设计的语义辅助特征融合模块优化骨干网的侧向输出特征,每层特征通过语义辅助选择性融合相邻的低层特征,获得足够的结构信息并增强显著区域的特征强度,进而检测出整体均匀的显著对象。通过设计的边缘分支网络以及显著对象特征得到精确的边缘特征,将边缘特征融合到显著对象特征中,加强特征中显著对象边缘区域的可区分性,以便检测出清晰的边缘。同时,本文设计了一个双向多尺度模块来提取网络中的多尺度信息。结果 在4种常用的数据集ECSSD(extended complex scene saliency dataset)、DUT-O(Dalian University of Technology and OMRON Corporation)、HKU-IS和DUTS上与12种较流行的显著模型进行比较,本文模型的最大F值度量(max F-measure, MaxF)和平均绝对误差(mean absolution error, MAE)分别是0.940、0.795、0.929、0.870和0.041、0.057、0.034、0.043。从实验结果看,本文方法得到的显著图更接近真值图,在MaxF和MAE上取得最佳性能的次数多于其他12种方法。结论 本文提出的结合语义辅助和边缘特征的显著对象检测模型十分有效。语义辅助特征融合和边缘特征的引入使检测出的显著对象更为完整均匀,对象的边缘区分性也更强,多尺度特征提取进一步改善了显著对象的检测效果。