微地震监测技术综述

微地震监测技术作为一种先进的地球物理方法, 广泛应用于地热勘探、 油气田开发等多个领域, 具有广 阔的发展前景。 首先介绍了微地震形成机理及其特征和微地震监测技术的基本概念, 进而简述了微地震监测 方法的基本原理以及数据采集、 数据处理等主要技术。 去噪为数据处理的首要任务, 因而论述了一些基本的降 噪方法, 提出深度学习在微地震监测技术中的可行性以及优越性。 最后, 对监测技术的扩展应用以及发展前景 进行了总结。     

动态的 SDN 网络流量模式增量学习算法

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足.提出了一种基于增长型自组织映射(GSOM)的增量学习算法,对软件定义网络(SDN)数据平面交换机的流表统计信息进行持续学习,动态获取网络流量的GSOM神经网络模型.基于DARPA99数据集的实验结果表明:所提出的算法能够通过学习确认安全的SDN流量,获得稳定、可塑的流量模式,对异常流量也有较高的敏感度.     

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。     

一种运动想象脑电信号半监督算法

针对脑机接口中两类左右手运动想象任务,提出一种依据迭代训练次数不断更新训练集样本的半监督算法.使用多重自相关分析算法,选择置信度较高的脑电信号样本并加入初始训练集;分别使用公共平均参考法与共空域模式算法,对样本进行预处理及特征提取;最后使用支持向量机对样本进行测试,根据迭代学习次数按照递进方式移除置信度较低的样本,并利用剩余样本继续训练模型,从而优化特征提取器及分类器参数.通过对标准脑电竞赛数据库BCI IV Dataset Ⅱa中左右手运动想象数据的测试表明,该算法与其他算法相比,在训练样本数目较少的情况下,具有较高的分类正确率.      

BP神经网络学习率参数改进方法

针对动态BP神经网络学习率优化方法收敛速度慢而且对误差曲面变化不敏感等不利因素,本文提出了一种改进的BP神经网络学习率的优化算法,该策略使网络对误差曲面变化敏感且收敛速度快。     

运用社团学习法解决外语学习焦虑

本文重点探讨外语学习焦虑及其对外语学习的影响。文章提出并论证运用社团学习法解决外语学习焦虑。     

基于卷积神经网络的基因剪接位点预测

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。     

工学结合人才培养模式的探索与实践

工学结合人才培养模式已日益得到社会的广泛认同,文章以无锡职业技术学院的实践为背景,对工学结合人才培养模式进行了探讨。     

浅议大学生英语自主学习

科学技术迅猛发展,国际竞争日趋激烈,因此,未来社会中,大学生是否具有较强的竞争力和发展潜力,很大程度上取决于学生是否有较强的自主学习能力。     

中国高等教育试验中提倡自主式学习

Ｉｎｔｒｏｄｕｃｔｉｏｎ：Ｔｒａｄｉｔｉｏｎａｌｇｒａｍｍａｒ＿ｔｒａｎｓｌａｔｉｏｎａｐｐｒｏａｃｈｆｏｃｕｓｉｎｇｏｎｔｈｅｔｅａｃｈｅｒｈａｓｂｅｅｎｄｏｍｉｎａｎｔｆｏｒａｎｕｍｂｅｒｏｆｙｅａｒｓ．Ｉｎｔｈｅｐａｓｔｔｗｏｏｒｔｈｒｅｅｄｅｃａｄｅｓ,ｈｏｗｅｖｅｒ,ｔｈｅｒｅａｒｅｉｎｃｒｅａｓｉｎｇｉｎｔｅｒｅｓｔｓｉｎｆｉｎｄｉｎｇｏｕｔｗｈａｔａｇｏｏｄｌｅａｒｎｅｒｓｈｏｕｌｄｂｅｉｎｔｈｅＳＬＡｄｏｍａｉｎ．Ｍｏｒｅａｎｄｍｏｒｅａｔｔｅｎｔｉｏｎｉｓｂｅｉｎｇｐａｉｄｔｏ…