汉语文化学习词典中观念词的释义研究

文章以待出版的《汉语文化学习词典》中收录的观念词为研究素材，探讨观念词的释义理念、释义方式，提取恰当的释义参数，构建完整有效的释义模式。根据基义内部义素的层级结构和框架语义学，为观念词设置合理的释义参数并建立有效的释义模式。将观念词进行详细分类，按照不同的小类提取释义参数，建立释义模式。观念词的释义要最大程度地满足学习者对于学习汉民族文化的需求，遵循同场同模式原则，顺应学习者的认知过程，以充分发挥文化词典的工具效能。     

数控仿真中切削面计算的并行化研究

针对高离散精度模型与刀具包围体进行切削计算的情况,由于三维图像重建的计算量大,基于传统CPU实现的数控加工仿真系统不能满足实时性的三维绘制。本文利用GPU的并行性特点,提出并行方式数控仿真切削面显示算法:通过线程并行处理基于MC算法的实体构造模型中体素与刀具包围体的切削计算,根据切削后体素角点信息和边的状态查找建立的构型索引表和交点数目索引表,加速数控仿真切削面的提取,从而提高三维图像的绘制速度,满足实时性显示要求。     

基于改进Faster R-CNN的农田残膜识别方法

为了实现农田残膜的精准捡拾,提高残膜回收机的回收率.将改进Faster R-CNN卷积神经网络运用到农田残膜的识别检测中,提出了一种农田残膜的识别方法.以11MS-1850残膜回收机工作后遗留在农田表面的残膜为研究对象,分别在晴天、阴天不同时间段采集图像共计1648幅.通过更改图像亮度、旋转等方式扩充数据集,最终得到4950幅残膜样本图像,按照7:2:1划分为训练集(3465幅)、验证集(990幅)、测试集(495幅);采用双阈值算法替代传统的单阈值算法,降低了阈值对模型性能的影响;通过对比试验,选取具有残差网络结构的ResNet50作为主干特征提取网络,准确率可达88.84％,召回率为87.70％,总体精度为88.27％;为了使检测模型对小目标更加灵敏,根据数据集中残膜尺寸大小,在原有锚点基础上增加322和642的尺度参数,准确率、召回率、总体精度分别提升了1.29％、0.67％、0.97％,单幅检测时间为284.13 ms,基本满足了识别残膜的要求.可为残膜回收机加装补收装置提供参考,为研制人工智能残膜回收机提供理论基础.     

基于混合高斯模型的储物柜存取货行为检测方法

针对储物柜存取货物场景的实际情况和人员行为的特点，提出一种通过融合时间调整机制控制前景融入背景的改进型混合高斯建模检测方法，并引入手臂识别机制。融合时间调整机制减小了由于人员停止运动而错误决策为背景的可能性；手臂识别算法模型有效地识别人员伸手动作。实验结果表明，该方法可以简单有效地从连续的图像序列中检测出人员在储物柜场景下的存取货物行为。     

算法技术对信息分发机制的创新与反思

信息过载加速了人们对信息的认知盈余,而算法技术通过信息大数据化的多次过滤完成精准推送,创新了信息的适配方式,重构了互联网信息分发的形态和受众与信息之间的赋权模式,实现了对信息价值的科学评估和有效适配.文章从信息分发的路径创新和范式创新等解析了算法技术型信息分发机制的创新价值与其面临的机遇和挑战.     

二氧化碳观测卫星遥感反演研究进展

二氧化碳(CO_2)是大气中主要的温室气体,利用卫星平台观测大气干空气柱中对流层二氧化碳气体体积混合比(XCO_2)是当前温室气体监测的主流手段.首先介绍了5种具备近地面XCO_2浓度观测能力的卫星平台,并以GOSAT卫星的短波红外二级数据产品为例,重点介绍了中国2009～2016年大气XCO_2浓度的时空变化情况.结果表明,中国XCO_2浓度高值区主要出现在东南部,西部地区以及高纬度地区XCO_2浓度相对较低.8年间XCO_2平均浓度为392.28 ppm,并以2.28 ppm/a的速度持续增长.XCO_2浓度随NDVI有明显的季节变化,春季最高,夏季最低,年平均变化量达到6.2 ppm.     

基于MATLAB下的SER算法与LMS算法的比较

本文主要研究了自适应算法中的两种算法,序贯回归(SER)算法和最小均方(LMS)算法,并且利用Matlab软件对这两种算法进行了计算机仿真.结果表明,相对于LMS算法而言,SER算法自适应权值迭代通常不是按照最速下降的路径,而是在直接指向最佳权值点的方向上进行.而且,当特征值相差较大时,自适应收敛的速率将不会因特征值的影响而变慢.     

美国研制能思考在机器人

<正>谷歌公司正与牛津大学的两支人工智能研究小组合作,研制先进的类人机器人。第一支研究小组的任务是帮助机器人更好地了解用户的想法和意图,第二支研究小组的任务是通过深度学习技术提高机器人的视觉识别能力。据国外媒体报道称,谷歌正在研制一种模拟人类大脑的超快量子芯片,这让搜索和软件更加直观。被谷歌收购的人工智能创业公司Deep Mind联合创始人、谷歌工程部副总裁杰米斯·哈萨比斯在博客中表示:"对于当前的人工智能研究来说,这无疑是一个非常令人兴奋的时刻。我们在很多方面不断取得进步,其中包括图像识别和语言理解能力。我们很高兴地宣布与牛津大学展