论文部分内容阅读
陕西捕“碳”用“碳”降“碳”
【出 处】
：
陕西日报
【发表日期】
：
2020年01期
其他文献
机器翻译是自然语言处理的主要分支之一,在促进政治、经济、文化交流等方面起着重要作用.目前汉藏机器翻译质量还有待提高,汉文到藏文的译文中容易出现语法错误,尤其普遍存在藏文虚词的翻译错误.分析汉藏机器翻译译文中的藏文虚词错误类型,并究其自动纠错方法是提高汉藏机器翻译性能最有效的方法.在分析汉藏机器翻译译文中虚词错误类型的基础上,利用大规模藏文文本对Bert进行预训练.然后面向汉藏机器翻译译文中的虚词错误类型,针对性的对Bert预训练模型进行微调,以完成一种面向汉藏机器翻译后处理的Bert藏文虚词纠错模型的训练
在油气钻井复杂事故发生前,某些钻井参数特征会发生变化.而因为钻井作业系统的复杂性,卡钻预测解析模型无法被精确的构建.同时大量井下测量数据由于现有随钻测量技术的限制无法实时传输至地面.针对井下工程参数测量数据,提出了一种基于主成分分析法(PCA)的支持向量机(SVM)预测分析方法.先运用PCA对井下工程参数测量数据预处理得到降维数据,再利用SVM预测模型对降维数据进行识别,判断是否发生卡钻.对实测数据进行训练、判断,结果表明,PCA-SVM方法有优秀的性能,准确率达到了97.99％.因此,PCA-SVM井下
针对传统方法对多终端引擎任务分配时感知数据有效性低、任务过于碎片化以及分配耗时较长等问题,提出一种基于群智感知计算的多终端引擎任务分配方法.利用灰色预测判断不同类型任务在预测窗口中转变趋势,得到负载均衡偏差可控的整数线性规划模型,获得最佳的任务分配策略,增强任务处理准确性;设定一个固定面积作为基础感知单元,分析感知节点移动轨迹,建立压缩感知任务模型,判断终端是否出现任务超载状态,维护系统感知性能,整合碎片化任务,降低处理耗时;根据分配矩阵找出适当的遗传代码,通过随机游走得到遗传原始种群,增添个体寻优的自学
碳捕获、利用与封存（CCUS）具有巨大的减排潜力,是应对全球气候变化的关键技术之一,已经引发全球各经济体的高度重视,但成本较高等因素决定了其应用场景有待进一步丰富。本文阐述了CCUS对于碳减排的重要性,从技术成熟度入手分析了CCUS的减排潜力,探讨了CCUS的商业模式、项目数量和参与主体,就CCUS应用提出了对策建议。
针对传统心电图信号提取算法存在信号降噪效果不理想、效率低且误差较大问题,提出心电图信号半盲提取算法.采用变分模态分解方法分解输入心电图信号,获取有限个固有模态分量,按照大小顺序排列固有模态分量信号频率,同时对高频固有模态分量进行均值滤波;重构高频固有模态分量以及保留下的低频固有模态分量,结合半盲反卷积单源分离以及心电消除算法,完成心电图信号半盲提取.为验证所提方法的有效性,设计实验.实验结果表明,研究的算法降噪效果更好,能够以更高效率、更低误差完成心电图信号半盲提取,能够为相关领域研究提供可靠基础.
为了及时检测出装配式建筑钢结构中的缺陷,以及在长时间使用过程中产生的裂纹,保证其在工程应用过程中的安全性能,提出了一种热像图增强的结构损伤检测方法.首先对装配式建筑钢结构检测机理进行详细的分析,当存在结构损伤时,通过一维解析方法构建损伤温度的数学模型,同时对加热过程以及瞬态加热过程进行分析,构建建筑钢表面温度分布和边缘温度分布的数学模型.采用多层小波分解处理方法,对热像图中的编织信息和背景干扰进行去除,基于Mallat算法求解出离散信号的小波变换递归方程.最后通过Matlab软件将热像图转换成矩阵,经过归
针对传统文本分类方法中需要手动提取特征和分类进而导致分类准确率不高的问题,提出一种结合图卷积神经网络和注意力机制的文本分类方法.方法首先建立整个语料库的大型文本图,然后将文本图的邻接矩阵和特征矩阵输入到图卷积神经网络中,最后网络输出与注意力机制相结合,利用注意力机制中Self-Attention机制的Query矩阵,Key矩阵和Value矩阵计算Attention值,充分学习文本表示,不断调整网络的输出,最终提高文本分类的准确率.在数据集上的仿真结果表明,所提出的方法与传统文本分类方法相比,其准确率较高.
复杂系统的任务调度对于提升系统性能至关重要,很多应用场景引入可重构调度模型来处理复杂系统中的并发、互斥和非同步任务.由于系统中的任务时间具有模糊特性,导致现有研究逻辑控制的效果不佳,为此提出了基于信号解释Petri网的可重构调度模型.考虑到Petri网擅长描述并发、互斥,以及非同步任务,设计了一种扩展Petri网,将重构系统时的影响因素,定义为包含七个变量的集合,并对资源变迁的过程和规则做了相应分析.根据任务执行对时间的要求,将其分成固定时间调度、周期调度,以及触发调度三种模式,并依次进行模型的分析优化.
聚焦区域边缘的精确提取是多聚焦图像融合的研究难点,现有的融合方法普遍存在融合图像边界模糊、关键信息丢失等问题.为解决上述问题,提出了一种基于编解码网络的多聚焦图像融合方法.首先,利用公开数据集构建一个带有精细标注的模拟多聚焦图像训练数据集,然后,在编解码网络中增加像素矫正模块与结构相似性损失函数,并用模拟数据集训练编解码网络;最后根据源图像对与模型预测的聚焦区域精确得分图构建最终的融合图像.实验结果表明,上述方法能够精确提取聚焦区域边缘信息,获得较高的互信息熵、平均梯度和结构相似度,且具有较好的视觉效果.