深度神经网络技术在汉语语音识别声学建模中的优化策略

将深度神经网络作为声学模型引入面向汉语电话自然口语交谈语音识别系统。针对自然口语中识别字错误率较高的问题,从语音的声学特征类型选择、模型训练时元参数调节以及改善模型泛化能力等方面出发,对基于深度神经网络的声学模型建模技术进行了一系列的优化。针对训练样本中状态先验概率分布稀疏的情况,提出了一种状态先验概率平滑算法,在一定程度上缓解了这种数据稀疏问题,经平滑后,字错误率下降超过1%。在所采用的3个电话自然口语交谈测试集上,相对于优化前的深度神经网络模型,经过优化后的模型取得了性能的一致提升,字错误率平均相对降低15%。实验结果表明,所采用优化策略可以有效地改善深度神经网络声学模型性能。     

Burgers-KdV方程的系列解析解

Burgers方程与KdV方程是流体领域中的两个重要方程,Burgers-KdV方程具有丰富的内涵,是许多领域内研究内在规律的控制方程。首先用行波变换,将Burgers-KdV控制方程化为非线性常微分方程,接着采用辅助方程法、双曲余切函数展开法、双曲正切函数展开法、余切函数展开法、正切函数展开法获得新的3种类型孤波解和两种类型的周期波解。这些方法也可以用于求解其他有类似性态的微分方程。     

四结GaAs太阳电池宽带减反射膜的设计与分析

提出了一种可应用于四结GaAs太阳电池的理想减反射膜结构,经计算得出,当窗口层(AlInP)厚度为48.63 nm,三层减反射膜折射率和厚度分别为2.28、1.74、1.32和63.60、83.33、109.85 nm时减反射效果最佳.由TFCalc软件模拟出的反射谱表明,使用该三层减反膜的四结GaAs太阳电池在350-1 800 nm宽光谱范围内可获得1.82%的平均反射率.同时,分析了各膜层折射率和厚度对膜系减反射性能的影响.     

紫外光-纳米TiO2催化絮凝净化高浓度有机废水

高浓度有机废水传统处理方法是先用大量清水稀释再生化降解,处理流程较长,消耗水资源。以含高浓度苯甲酸有机废水为实验对象,研究了光照时间、絮凝剂用量、废水初始pH值、双氧水投加量、曝入空气量、TiO2用量等因素对COD脱除率的影响规律。实验发现最佳工艺条件为光照时间8 h、絮凝剂用量2%(g/g)、废水初始pH值为8、H2O2投加量2.5%(mL/mL)、曝入空气量2 L/min、TiO2用量3%(mL/mL),COD最大降解率达到69.76%,该研究为高浓度有机废水净化治理提供了理论依据。     

基于SVM一对一分类的语种识别方法

语种识别系统通常采用支持向量机(support vectormachine,SVM)一对多分类加Gauss后端分类器的方法进行分类。传统的SVM一对一分类在进行线性鉴别性分析(linear discriminant analysis,LDA)时特征值矩阵往往为奇异的,识别性能很低。该文提出一种改进的一对一分类方法,对SVM一对一分类得分重新建模,识别性能明显提高。在美国国家标准技术署(National Institute of Standardsand Technology,NIST)2011年语种识别评测(languagerecognition evaluation,LRE)30s数据集上的实验结果表明:在采用SVM的全变化量因子分析(total variability,iVector)和支持向量机-Gaussn超向量(support vectormachine-Gaussian super vector,SVM-GSV)语种识别系统上,该方法比SVM一对多分类方法性能更好,并且两种方法线性融合可明显提升识别性能,在iVector系统上各指标相对提升7.7%～15.9%,在SVM-GSV系统上各指标相对提升11.2%～33.9%。     

论体育游戏在体育课堂中的作用及运用

新课改的逐步深入和推进,导致体育教学发生较大变化。提高体育教学质量、实现教学目标．增强学生身体素质是体育教学中需要考虑的问题。在体育教学中,要从体育游戏中寓乐于学,通过游戏环节,实现课程内容的教学。该文简单分析了体育游戏在体育课堂中的作用,探讨了体育课堂中游戏教学的相关方法。     

我国第一台光盘伺服槽及预制格式刻划机的诞生——王立鼎院士访谈录北大核心CSCDCSSCI

王立鼎是我国著名精密机械专家,主要研究领域为超精密齿轮工艺与测试技术、激光光盘装备以及微机械等。在这两次访谈中,作为国家"七五"攻关项目"光盘伺服槽及预制格式刻划机"的总负责人,王立鼎详细讲述了我国第一台光盘伺服槽及预制格式刻划机的诞生历程,包括研制的历史背景、当时的国内外研究状况、任务的下达、多项单元技术的创新和突破,以及科研队伍管理理念等方面。王立鼎的回忆再现了我国第一台光盘伺服槽及预制格式刻划机许多鲜为人知的历史细节,希望对我国今天碰到的"卡脖子"技术的创新与突破有所启发。     

电话交谈语音识别中基于 LSTM-DNN 语言模型的重评估方法研究

近年来,神经网络语言模型的研究越来越受到学术界的广泛关注.基于长短期记忆(long short-term memory,LSTM)结构的深度神经网络(LSTM-deep neural network,LSTM-DNN)语言模型成为当前的研究热点.在电话交谈语音识别系统中,语料本身具有一定的上下文相关性,而传统的语言模型对历史信息记忆能力有限,无法充分学习语料的相关性.针对这一问题,基于LSTM-DNN语言模型在充分学习电话交谈语料相关性的基础上,将其应用于语音识别系统的重评估过程,并将这一方法与基于高元语言模型、前向神经网络(feed forward neural network,FFNN)以及递归神经网络(recurrent neural network,RNN)语言模型的重评估方法进行对比.实验结果表明,LSTM-DNN语言模型在重评估方法中具有最优性能,与一遍解码结果相比,在中文测试集上字错误率平均下降4.1％.     

页岩纳米级孔隙结构特征及热成熟演化

以中、上扬子地区下古生界海相和中生界陆相页岩为研究对象,运用氩离子抛光-场发射扫描电子显微镜技术和氮气吸附实验测试技术对页岩储层的纳米级孔隙发育特征及热成熟演化进行探讨。结果表明:页岩主要发育了有机质孔、粒间孔、粒内孔和微裂缝等4种孔隙类型;TOC和Ro是控制页岩纳米级孔隙发育的主要因素;对于高演化页岩,不同干酪根类型的有机质孔隙发育程度的大小次序为Ⅰ型Ⅱ型Ⅲ型;石英和黏土矿物通过控制TOC的变化对纳米级孔隙发育和分布产生间接影响;页岩热成熟度演化影响页岩孔径分布和微孔、中孔和大孔相对含量的变化,在高—过成熟阶段,与有机质有关的微孔、中孔呈不断增加的趋势,在极高成熟度阶段,页岩大孔转变为中孔和微孔,有机质孔隙变小,纳米级孔隙体积呈现出先增加后减小的趋势;页岩中干酪根、可溶沥青热裂解生气作用和甲烷化作用可能是页岩有机质纳米级孔隙形成的主要原因。     

中国HFC-23排放预测与CDM项目的影响分析

基于我国HCFC-22的消费需求, 预测了我国HCFC-22生产量的变化趋势和相应的HFC-23的排放量, 阐述了我国HCFC-22产量增长是源于经济发展和相关行业的消费需求不断增加, 因而生产增长是合理的; 估算了我国HFC-23潜在排放量以及实施清洁发展机制(CDM)项目对减排温室气体产生的效果。计算结果表明, 我国实施的HFC-23分解CDM项目年减排量为6679万吨CO_2-eq, 预计到2015年, 我国年产出HFC-23约1.6万吨, 通过CDM项目销毁6000吨, 占产出量的36%, 大约排放1万吨, 即仍然存在1.2亿吨CO_2-eq的减排空间。此外还分析了国际社会各方对HFC-23减排CDM项目的立场和对策。