由"二维码"英译引发的对术语翻译的思考

首先搜集“二维码”的多种英文表达,从而引出该概念的乱象,接着采用定性的分析方法,从该概念的内涵和外延、属和种差等多角度进行深度解剖,发现日常生活中接触得最多的英文表达“QR code”只是“二维码”的一种,并非其准确译法,据此总结“二维码”术语英译的困难以及从中发现术语标准存在的问题,并讨论术语翻译在生活中的应用特点。     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

浅析嵇康“越名教而任自然”的道德意蕴

嵇康是魏晋时期著名的思想家之一。在司马氏利用名教控制天下的情况下，嵇康提出“越名教而任自然”的主张来反对虚伪名教的束缚，提倡个性解放，主张万物要遵循自然规律与法则，顺应其自然本性发展。实际上嵇康并不是反对一切道德和名教，而是通过“任自然”来回归到原初时代。顺应自然和人之性情的名教，是要超越现在而回归过去无欲、无贪的状态。     

可修排队系统备件灰色生灭预测模型

可修部件的失效率和修复率在服役周期内呈现不确定性,基于确定型失效率和修复率建模的生灭过程在解决可修部件备件预测问题时存在一定局限.传统可修备件需求预测模型忽视了排队维修情况下的讨论,这与工程实际不符.以服从一般分布的区间灰数表征可修部件的失效率与修复率,构建了灰色状态转移矩阵,建立了一类排队维修系统的可修部件备件灰色生灭预测模型,研究了该过程的无记忆性和稳态解的存在条件,讨论了失效修复比、修理能力、备件数量与保障率的性质.一定程度上揭示了修理能力受限、失效修复比不确定背景下的可修系统备件需求规律.实际案例验证了模型的有效性和实用性.     

灰色市场下考虑非对称信息的制造商质量披露及定价策略

针对灰色市场条件下产品质量为非对称信息的情形,构建由一个制造商、一个灰色市场投机者和顾客组成的Stackelberg博弈模型,研究了制造商的质量披露及定价策略.研究表明,在产品质量和低价市场顾客支付意愿较低时,制造商的质量披露策略是向顾客隐藏质量信息,反之则向顾客披露质量信息;在定价策略方面,随着低价市场顾客支付意愿的提高,制造商可通过不断缩小高、低价两个市场的价格差与灰市投机者进行竞争.进一步地,通过与产品质量对称信息情形对比分析发现,虽然非对称信息情形下制造商具有信息优势,但制造商不一定能够获得更高的利润,且其利润并不总是受到灰市投机者的影响.最后,通过将模型进一步扩展到制造商进行质量研发,即质量为内生时的情形,结果表明上述研究结论具有较好的一致性和普适性,可为灰色市场下制造商质量披露与定价提供有益的管理启示.     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

基于严格二叉树编码和GA的模糊树结构学习

为解决模糊树模型结构学习中存在的信息冗余、寻优效率低等问题,提出了一种基于严格二叉树编码和遗传算法的结构学习方法。通过严格二叉树编码对模型结构进行编码,改善了现有矩阵编码的信息冗余问题;考虑到编码特殊性和算法收敛性,提出了一种改进的遗传算法用来对模糊树模型的结构进行寻优。实验结果表明,不同数据集上该算法的稳定性和计算速度均较好,能够寻找到一个较优的二叉树结构,从而提高模糊树模型的建模精度。     

基于改进智能水滴算法的动态车辆配送路径优化

针对当前车辆配送过程中存在的配送路径不合理、配送效率低和需求不确定性等问题,提出一种基于改进智能水滴算法的动态车辆配送路径优化方法。构建软时间窗惩罚函数,考虑顾客对配送时间的要求,建立顾客满意度函数。综合车辆配送过程的车速、货损成本、惩罚成本、顾客满意度等特征,建立车辆路径优化模型。采用智能水滴算法对车辆路径优化模型进行求解,使用灰狼优化算法改善智能水滴算法的搜索能力,获取最优路径。实验结果表明该方法能够提供实时优化的路径,减少调配成本。     

学习遗忘效应在工程项目进度计划中的应用

在学习曲线理论和遗忘曲线理论的基础上,结合学习遗忘效应的模型,通过网络计划技术中的双代号网络图,引用案例来阐述员工的学习及遗忘行为对工期及关键路径造成的影响。与不考虑学习遗忘行为的情况相比,考虑员工的学习遗忘效应会使工期缩短、关键路径发生改变,且不同的学习比例会带来不同的效果。     

基于编码调制视觉诱发电位脑机接口滤波算法的性能比较

脑机接口(brain-computer interface,BCI)的分类性能一定程度上取决于对脑电信号的预处理方法,这项研究提出了一种空域时域滤波的预处理方法,以解决人类视觉系统中的潜伏延迟对编码调制视觉诱发电位(c-VEP) BCI的目标识别性能的影响。基于一个平均信号和单次试验信号之间的最小均方误差(the least mean square error,LMSE)创建时域空域滤波器,并且通过最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)将稀疏约束应用于滤波器的权重系数,并用模板匹配法来对目标进行识别。将算法应用于由63比特的M序列及其循环移位序列调制的16个目标的c-VEP BCI,并与通用的空域滤波算法典型相关分析(CCA)及空域时域逆滤波算法进行比较。结果表明本研究所提出的算法在分类准确率方面优于其他两种算法。