高温气冷堆启动过程的模拟与分析

本文利用工程模拟机可实时计算、多系统耦合求解的技术优势,对球床模块式高温气冷堆核电站(HTR-PM)的启动过程进行模拟。分析并掌握了HTR-PM主要运行参数的变化规律和调节手段,研究了模块式高温气冷堆在启动过程中的运行特性,特别是不同模块间所体现出的耦合效应对整个系统运行特性的影响,为电厂运行方式的确定和具体运行规程的制定提供了重要参考。     

蚌肉多糖的研究进展

蚌肉多糖是一种具有多种生物活性的贝类多糖,具有重要的研究开发价值.本文从蚌肉多糖的分子结构、提取纯化工艺、生物活性、应用前景等方面进行了综述,为蚌肉多糖的开发和利用提供更多的理论依据.     

雷击建筑物产生的物理反应分析

从理论上阐述了雷击建筑物后所发生的一系列物理反应。介绍了其产生的危害,提出了相应的防护措施,以减小雷击的破坏作用。     

论大学场域权力冲突的权利转向

我国大学始终面临场域内外行政权力的双重规训,自由、自治的大学理念尚未成熟,并未形成自治文化的历史传统。受权力本位的文化、制度和认知心理惯习的影响,大学场域的权力格局长期处于。强行政、弱学术”的畸形状态。学术本位的原初权力结构遭受强制与倒置。鉴于此,为实现权力与权利的统一。切实保障学术权利．权力对抗的思维与行为方式亟待改变。须以权利制约权力的方式实现权力冲突的权利转向。     

基于改进的SOM网络模型的VoIP QoS应用研究

VoIP的服务质量（QoS,Quality of Service）评估可以采用一系列可度量的参数来描述：业务可用性、吞吐量、延迟、抖动、分组丢失率等。现有的感知语音质量评价（PESQ）很难对不同环境下的网络结构进行实时和恰当的语音等级质量分类。为了能够综合考虑几种QoS相关因素,在给出改进的自组织映射神经网络模型（ESOMNN）的基础上,利用ESOM能够对高维输入数据有效分类的特点,提出了将端到端延迟、丢包率、抖动、语音编码以及测试系统标识作为ESOMNN的输入数据,在对采样数据进行训练后可自动完成语音质量评价和映射,并能根据得到的实时变量有效地评价包含多种相关因素的QoS级别。     

杯托零件的注塑模设计

塑料杯托在我们日常生活中使用普遍,因色彩丰富、价格便宜而深受广大消费者的喜爱。本文叙述了采用三维设计软件Pro／ENGINEET及其配套的注塑模设计模块EMX进行杯托注塑模具设计的一般流程。     

FPSO单点生产滑环泄漏原因分析及解决措施

通过对友谊号FPSO单点3#生产滑环概况认真解读,明确了滑环的密封原理,并结合现场情况分析出滑环可能存在的若干问题。提出3#滑环泄漏是由于润滑不够充分;密封部位磨损、润滑油压力过低等原因所导致。针对上述泄漏的原因逐个分析,得出充分润滑,定期对密封部位进行清洗是解决问题的关键,设计了一套能够定时、定量的对高压介质滑环的密封进行润滑清洗的自动注油系统,解决滑环泄漏问题,延长了滑环的使用寿命。     

使用Conformer增强的混合CTC/Attention端到端中文语音识别

最近,基于自注意力的Transformer结构在不同领域的一系列任务上表现出非常好的性能。探索了基于Transformer编码器和LAS（listen,attend and spell）解码器的Transformer-LAS语音识别模型的效果,并针对Transformer不善于捕捉局部信息的问题,使用Conformer代替Transformer,提出Conformer-LAS模型。由于Attention过于灵活的对齐方式,使得在嘈杂环境中的效果急剧下降,采用连接时序分类（connectionist temporal classification,CTC）辅助训练以加快收敛,并加入音素级别的中间CTC损失联合优化,提出了效果更好的Conformer-LAS-CTC语音识别模型。在开源中文普通话Aishell-1数据集上对提出来的模型进行验证,实验结果表明,Conformer-LAS-CTC相对于采用的基线BLSTM-LAS和Transformer-LAS模型在测试集上的字错率分别相对降低了22.58%和48.76%,模型最终字错误率为4.54%。     

结合Transformer的轻量化中文语音识别

近年来,深度神经网络模型在语音识别领域成为热门研究对象。然而,深层神经网络的构建依赖庞大的参数和计算开销,过大的模型体积也增加了其在边缘设备上部署的难度。针对上述问题,提出了基于Transformer的轻量化语音识别模型。首先使用深度可分离卷积获得音频特征信息;其次构建了双半步剩余权重前馈神经网络,即Macaron-Net结构,并引入低秩矩阵分解,实现了模型压缩;最后使用稀疏注意力机制,提升了模型的训练速度和解码速度。为了验证模型,在Aishell-1和aidatatang_200zh数据集上进行了测试。实验结果显示,所提模型与Open-Transformer相比,所提模型在字错误率上相对下降了19.8%,在实时率上相对下降了32.1%。     

一种优化高维函数的量子-粒子群算法

提出了一种改进的量子—粒子群算法来改善维数束缚问题。对于存在高维问题的量子—粒子群算法,引入了相互学习方法,使用多个粒子群用来优化解向量的分量,从而帮助粒子群克服维数束缚找到最优解;另外在每一次迭代过程中根据遗传算法中适应度函数对参与相互学习的粒子解的数目进行最优选取,从而有效减少了时间花费。对经典函数的测试计算表明,改进的混合算法确保了搜索精度,在时间花费上也得到了较好的改善。