基于伪数据的机器翻译质量估计模型的训练

为向基于深度学习的机器翻译质量估计模型提供高效的训练数据, 提出面向目标数据集的伪数据构造方法, 采用基于伪数据预训练与模型精调相结合的两阶段模型训练方法对模型进行训练, 并针对不同伪数据规模设计实验。结果表明, 在构造得到的伪数据下, 利用两阶段训练方法训练得到的机器翻译质量估计模型给出的得分与人工评分的相关性有显著的提升。     

基于同步变距的输变电线路在线监测WSN路由协议研究

基于先进传感、信息通信的输变电设备运行状态在线监测技术已成为电力系统的发展趋势.输电线路状态在线监测网络具有链状、数据传输量大和传输距离长等特点,能量热区问题显著.为均衡输电线路在线监测中无线传感器网络的能量消耗,提出了一种基于同步变距的全局能量均衡路由算法EBRA-SVD.采取多个子网络方式,缩短数据传输距离,从而缓解长距多径损耗而产生的"能量热区"问题.仿真显示,EBRA-SVD可有效均衡网络能耗,提升网络寿命.     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

中心损失与Softmax损失联合监督下的人脸识别

深度学习在人脸识别领域已经取得了巨大的成就,针对当前大多数卷积神经网络采用Softmax损失函数进行特征分类,增加新的类别样本会减小类间距离的增长趋势,影响网络对特征判别的问题,采用了一种基于中心损失与Softmax损失联合监督的人脸识别算法,来提高网络对特征的识别能力。在Softmax基础上,首先,分别对训练集每个类别在特征空间维护一个类中心,训练过程新增加样本时,网络会约束样本的分类中心距离,从而兼顾了类内聚合与类间分离。其次,引入动量概念,在分类中心更新的时候,通过保留之前的更新方向,同时利用当前批次的梯度微调最终的更新方向,该方法可以在一定程度上增加稳定性,提高网络的学习效率。最后,在人脸识别基准库LFW上的测试实验证明:所提的联合监督算法,在较小的网络训练集上,获得了99.31%的人脸识别精度。     

高炉热储备区温度对煤气利用率的影响

研究了高炉热储备区内温度与煤气利用率的关系.结合热力学和实际情况,热储备区内只发生氧化亚铁的还原.因此需要利用吉布斯自由能计算和单界面未反应核模型对热储备区内还原反应进行热力学和动力学分析.结果表明:只有在H₂+H₂O体积分数小于0.3时降低热储备区温度才能提高煤气利用率.从1273K降温到1223K,氢气还原速率降低得比CO还原速率降低得多,说明温度对氢气还原的影响更大.对一般高炉来说,炉料在热储备区中还原所需的时间比其停留时间长或接近,说明热储备区内的还原反应没有达到平衡,降低温度不利于提高煤气利用率.     

Deep cleaning of a metallurgical zinc leaching residue and recovery of valuable metals

Huge quantities of zinc leaching residues (ZLRs) generated from zinc production are dumped continuously around the world and pose a potential environmental threat because of their considerable amounts of entrained heavy metals (mainly lead). Most ZLRs have not been properly treated and the valuable metals in them have not yet been effectively recovered. Herein, the deep cleaning of a ZLR and recovery of valuable metals via a hydrometallurgical route were investigated. The cleaning process consists of two essential stages:acid leaching followed by calcium chloride leaching. The optimum conditions for extracting zinc, copper, and indium by acid leaching were a sulfuric acid concentration of 200 g·L-1, a liquid/solid ratio of 4:1 (mL/g), a leaching time of 2 h, and a temperature of 90℃. For lead and silver extractions, the optimum conditions were a calcium chloride concentration of 400 g·L-1, a pH value of 1.0, a leaching time of 1 h, and a temperature of 30℃. After calcium chloride leaching, silver and lead were extracted out and the lead was finally recovered as electrolytic lead by electrowinning. The anglesite phase, which poses the greatest potential environmental hazard, was removed from the ZLR after deep cleaning, thus reducing the cost of environmental management of ZLRs. The treatment of chlorine and spent electrolyte generated in the process was discussed.     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

基于条元法的异步轧制金属三维塑性变形分析

采用条元法分析了异步轧制条件下金属在变形区内的变形情况,建立了适用于异步轧制的轧制压力公式及中性点坐标公式,并在计算摩擦力时考虑了粘着区的存在。通过仿真分析,得到了异步轧制条件下变形区内摩擦力的分布规律及应力、应变的分布规律,最后分析了不同速比对等效应力的影响以及不同入口厚度对轧制压力的影响。     

回采过断层采用深孔爆破技术的研究

介绍了3807回采工作面的地质构造情况,论述了采用深孔爆破技术解决回采工作面过断层的工艺,指出该工艺技术对于生产条件较差、岩石较多的回采工作面提高单产具有很好的借鉴作用。     

紧邻地铁站的超大深基坑逆作法变形规律研究

某超大深基坑紧邻城市2条地铁线交汇处的换乘站,周围环境复杂,基坑施工难度大,因此基坑支护结构施工顺利及对相邻地铁站的变形控制成为工程成败的关键。文章结合基坑工程2种施工方案,利用有限元软件MIDAS GTS建立三维有限元模型,研究了基坑盖挖逆作法施工对地表沉降、支护结构和相邻地铁站的变形和受力影响,得出影响逆作法施工的相关因素,并提出相关解决措施与建议。采用盖挖逆作法施工能够较好地控制基坑支护结构的变形,同时减小对地表和地铁站的影响。综合考虑基坑施工对围护结构、地表和地铁换乘站的影响,首层土体暗挖法要优于明挖法,但是暗挖法对围护结构强度和刚度要求高,特别是楼板临时洞口处。所得相关结论和建议可供设计和施工参考。