融合术语信息的神经机器翻译参数初始化研究

针对电气工程领域英汉机器翻译中平行语料稀缺的问题,在使用通用语料训练翻译模型的基础上,提出了一种融合领域术语信息的嵌入层参数初始化方法.首先,对文本进行分词预处理,将术语词划分为一个最小单元;然后,利用Glove和Word2vec在不同单语语料上训练得到两种词向量,并分别初始化嵌入层参数中常用词和术语词的向量表示;最后...     

基于VxWorks的PowerPC750 MMU初始化流程和内存保护策略分析

通过西北工业大学自主研发且具有知识产权的"龙腾"R2徼处理器的调试,验证平台下仿真生成的数据及日志文件,分析出VxWorks操作系统下MMU初始化的一般流程,然后对PowerPCT50处理器的MMU初始化流程进行了详细论述.最后,还提出了在VxWofks下利用MMU为私有数据和共享数据提供内存保护的一种策略.     

输运理论中原子核初始化研究

基于同位旋相关的量子分子动力学(IQMD)输运理论模型，研究中能重离子碰撞的初始化问题。成功的初始化可以很好地减少碰撞过程中出现的非物理涨落和虚粒子发射，有利于两体碰撞过程顺利进行。计算发现，不同的对称势对原子核的稳定性有一定的影响。选取不同质量数的Fe,Kr,Sn元素及其同位素，通过其在自身平均场中随时间的演化来验证原子核的稳定性，统计出初始化稳定原子核的数量，选取出最为稳定的对称势。发现平方项的对称势U₂最为稳定，其对应的斜率L、不可压缩系数K_sym都在已知的约束范围内，表现出同位旋相关平均场取硬势时，原子核更为稳定的特征。     

一种量化因子自适应学习量化训练算法

深度神经网络因参数量过多而影响嵌入式部署，解决的办法之一是模型小型化（如模型量化，知识蒸馏等）。针对这一问题，提出了一种基于BN（batch normg lization）折叠的量化因子自适应学习的量化训练算法（简称为LSQ-BN算法）。采用单个CNN（convolutional neural）构造BN折叠以实现BN与CNN融合；在量化训练过程中，将量化因子设置成模型参数；提出了一种自适应量化因子初始化方案以解决量化因子难以初始化的问题。实验结果表明：8bit的权重和激活量化，量化模型的精度与FP32预制模型几乎一致；4bit的权重量化和8 bit的激活量化，量化模型的精度损失在3%以内。因此，LSQ-BN是一种优异的模型量化算法。