基于语法和语义的德汉机器词典设计

详细介绍德汉机器翻译系统（ＧＣＭＴＳ）中基于语法和语义的机器词典的设计和信息表示。     

在Windows95局域网上收发电子邮件

使用Windows95的收件箱（Inhax）可以方便地传真和在Internet上收发电子邮件，更可以在局域网上收发电子邮件，如果一座大楼的计算机已经连成一个局域网，则使用收件箱发送和接收电子邮件是很方便的。你只要打开收件箱就可以看到你的同事、上司或下级给你的信件，省却了往返奔波的劳累。为了实现在局域网上发送和接收电子邮件，必须安装uic。sonaxctae，vicrosonn。hangs扮演着通信的中心角色。另外还必须设立一个邮局，确定一个管理员。本文以中文Windows95为背景，详细讨论这些问题和必须注意的事项。至于如何用wm上附595建立局域网，笔…     

SQL Server数据库性能优化技术

影响ＳＱＬＳｅｒｖｅｒ数据库性能的一些因素及ＳＱＬＳｅｒｖｅｒ进行性能优化的原理,并且提出了一些指导性的原则来优化数据库的性能。     

上海交通大学人才信息库设计与实现

上海交通大学人才信息库分为信息发布、人才招聘和信息管理三大模块,为方便与海外学子联系,系统配备了中英文两套界面。软硬件的选择考虑到系统的安全性、管理与维护以及运作效率,采用Windows NT做Web Server,为便于制作动态页面以及与数据库结合,又加装了Microsoft的ASP(Active Server Pages)软件,后台数据库选用Microsoft的SQL Server。本系统采用Browser/Server结构,充分发挥Web页面的媒体优势,浏览器窗口被分割成上下两个部分,各功能模块的入口在窗口下半部区域,它们是招聘、应聘以及管理模块。     

Access97数据库的管理和维护

数据库通常由专职的管理人员管理,他们的任务是保证数据库的完整性,及时修复损坏的数据库,保证数据库安全、可靠地工作等。Access听提供了许多数据库管理工具,这些工具大大简化了数据库管理人员的工作。这一讲将涉及数据库备份、压缩数据库、修复数据库以及数据库的安全性等内容。对重要的数据库必须制作备份,以防数据库突遭不测,意外断电,硬盘损坏或染上病毒都会使数据库遭到破坏,制作数据库备份是保护数据库最有效和最省力的办法。制作数据库备份实际上是复制两个重要文件：一个是扩展名为mdb的数据库文件,另一个是s｝stemmdw文…     

基于多源域异构模型迁移的滚动轴承故障诊断方法

针对实际工业生产中不同规格和工况下滚动轴承振动数据分布差异大,多个相似数据集资源利用不充分,导致诊断模型准确率不高的问题,提出一种基于多源域异构模型迁移的滚动轴承故障诊断方法。该方法利用短时傅里叶变换获取滚动轴承振动信号的时频谱图;选择多种不同规格和工况下已知标签数据作为多源域,其他规格和工况下少量已知标签数据作为目标域;使用多个源域数据训练多个ResNet-34深度网络,并提出利用基于进化策略的与模型无关元学习改进异构模型参数迁移策略,使其能够自适应决定迁移到目标域的知识层级及内容;提出将源域知识迁移到VGG-16深度网络得到多个目标域模型后,将其提取的特征首尾相接输入同一个极限学习机中实现特征融合和分类,最终建立滚动轴承故障诊断模型。经试验验证,所提方法可实现不同规格和工况下滚动轴承间的迁移诊断问题,并具有较高的准确率。     

基于改进SAE和双向LSTM的滚动轴承RUL预测方法

针对稀疏自动编码器(Sparse auto encoder, SAE)采用sigmoid激活函数容易造成梯度消失的问题, 用一种新的Tan函数替代原有的sigmoid函数; 针对SAE采用Kullback-Leibler (KL) 散度进行稀疏性约束在回归预测方面的局限性, 以dropout机制替代KL散度实现网络的稀疏性. 利用改进SAE对滚动轴承振动信号进行无监督深层特征自适应提取, 无需人工设计标签进行有监督微调. 同时, 考虑到滚动轴承剩余使用寿命(Remaining useful life, RUL)预测方法一般仅考虑过去信息而忽略未来信息, 引入双向长短时记忆网络(Bi-directional long short-term memory, Bi-LSTM)构建滚动轴承RUL的预测模型. 在2个轴承数据集上的实验结果均表明, 所提基于改进SAE和Bi-LSTM的滚动轴承RUL预测方法不仅可以提高模型的收敛速度而且具有较低的预测误差.     

基于循环卷积多任务学习的多领域文本分类方法

文本分类任务中,不同领域的文本很多表达相似,具有相关性的特点,可以解决有标签训练数据不足的问题。采用多任务学习的方法联合学习能够将不同领域的文本利用起来,提升模型的训练准确率和速度。该文提出循环卷积多任务学习(MTL-RC)模型用于文本多分类,将多个任务的文本共同建模,分别利用多任务学习、循环神经网络(RNN)和卷积神经网络(CNN)模型的优势获取多领域文本间的相关性、文本长期依赖关系、提取文本的局部特征。基于多领域文本分类数据集进行丰富的实验,该文提出的循环卷积多任务学习模型(MTL-LC)不同领域的文本分类平均准确率达到90.1%,比单任务学习模型循环卷积单任务学习模型(STL-LC)提升了6.5%,与当前热门的多任务学习模型完全共享多任务学习模型(FS-MTL)、对抗多任务学习模型(ASP-MTL)、间接交流多任务学习框架(IC-MTL)相比分别提升了5.4%, 4%和2.8%。     

Web上的数据库存取新模型及实现

本文研究了当前流行的Ｗｅｂ上数据库存取模型，分析了这种模型所存在的缺点，提出了一个基于ＷｅｂＢｒｏｗｓｅｒ和ＤＢＭＳ之间建立虚连接的数据库存取新模型。     

ASP—制作动态页面的工具

通过举例简要介绍了如何利用ＡＳＰ制作动态Ｗｅｂ主页，着重介绍了与数据库有关的Ｗｅｂ应用的设计。