语篇分析在听力教学中的运用

自上而下模式要求听话者运用相关的宏观知识积极解读听力信息,包括图式知识和语境知识。语篇分析离不开语篇语境,且遵守自上而下模式。本文以自上而下模式为基础,从图式知识、语篇的衔接和语篇的连贯三个方面探讨了语篇分析在听力教学中的运用。     

默会知识理论与英语人文精神教育

回顾了默会知识理论提出的背景、主要内涵及特征,探讨了该理论对大学英语教学中人文精神教育方面的启示。作为一种语言学习和语言教学的理论,默会知识理论阐述了英语学习过程中的一种规律性的内在因素,揭示了英语教学过程中的一种基本客观现象。它可以加深教师对英语教学本质的知识,同时为更新教学观念和教学方法提供了理论支持。     

基于模糊文本分类的多知识领域专家推荐方法

在知识管理系统中,推荐满足知识需求的专家是隐性知识共享的有效手段.为了推荐多知识领域的专家,以及完整的识别用户的知识需求,提出了基于模糊文本分类的多知识领域专家推荐方法.首先建立模糊文本分类器,通过对专家上传的文档进行模糊文本分类,结合时间等因素建立专家的知识模型.通过分析浏览文档日志识别用户直接知识需求,在此基础上采用信息熵计算用户的潜在的知识需求.然后根据专家的知识模型与用户的知识需求模型的匹配度进行专家推荐.通过在知识管理系统中的成功应用验证了该方法的可行性与有效性.     

测控资源调度管理系统的构造与实现

针对我国航天测控实际问题的特点和现状,基于知识发现提出了测控资源动态调度算法的框架,在此基础上,基于数据仓库建立了测控资源动态调度管理系统的体系结构,并采用面向对象(Ob ject-O riented,O-O)技术,分析和设计了测控资源动态调度管理系统,最后阐明了该系统的优点。实际应用表明,该方法使我国“一网管多星”的效率得到极大的提高。     

基于多源遥感的铁路外部环境隐患监测方法综述

随着中国铁路运营里程的不断增加,铁路外部环境日益复杂,以彩钢瓦房、防尘网、塑料大棚、地膜、塑料垃圾为主的铁路外部环境隐患层出不穷,频繁引发铁路交通重大事故,已经成为铁路安全运营的重要制约因素。铁路外部环境隐患的高效监测是实现治理的重要前提,而遥感技术是目前实现大范围、低成本铁路外部环境隐患监测的最佳手段。为此,文章对光学遥感、合成孔径雷达、激光雷达、地基视频监控等4类遥感监测技术的优势、局限及应用现状进行了梳理;分析了基于人工特征和基于深度学习这两类监测识别方法的特点及不足;最后,从铁路外部环境多源遥感数据多层次融合、铁路外部环境隐患精准识别模型构建、知识引导的铁路外部环境隐患智能动态监测等方面,对基于多源遥感数据融合的铁路外部环境隐患智能监测进行了展望。     

基于知识图谱的航天器健康管理技术研究

针对传统故障诊断专家系统知识深度不足的缺点,研究基于知识图谱的航天器健康管理技术,将供配电、信息流、硬件接口、功能、接地、物理布局、上下文动作、故障预案等多个维度的专家知识以知识图谱的方式关联固化,在检测到异常时,自动关联相关的背景专家知识,辅助故障排查,并结合知识信息进行因果推理分析,提供可能的故障点及因果关系、处置策略,提升航天器故障诊断效率、可解释性与处置能力。该技术用于航天器地面测试及在轨健康管理中,辅助专家快速发现异常线索,可作为国内航天器健康管理技术发展的参考。     

基于知识重用的复杂产品可拓方案设计模型

大型复杂产品方案设计是一个多层次、多属性和创造性的配置过程,往往需要大量借鉴以往的设计方案。对方案设计过程中的多类型知识进行合理的建模与重用可以有效地支持方案设计的顺利实施。通过基元对设计过程中的各种类型知识进行基元建模,建立了基于基元模型的方案设计可拓集合,研究了基于知识重用的可拓方案设计问题,给出了知识可拓重用策略,提出了知识可拓重用推理模型,建立了基于知识重用的可拓方案设计模型。最后,通过实例验证了模型的有效性和可操作性。     

基于专家知识的故障诊断隔离系统研究

对试飞阶段外场维护故障信息进行提炼,建立了基于专家知识的飞机排故系统,节省排故时间,提高故障诊断效率。针对已有故障,分析同一故障描述下多种隔离方法无法选择的问题,提出了基于信息库的灰色关联优化模型。针对新兴故障无从下手、排故效率低、周期长的问题,建立了基于电子交互维护手册(IEMM)的故障诊断系统。本文故障诊断系统可保证维护人员在故障发生时更有效地分析故障原因、隔离方法,提高自主排故及外场维护能力。     

己欲与不欲

“己所不欲．勿施于人。”此语出自孔子《论语·卫灵公》。孔子的学生子贡问老师,有没有这样一句话,可以让人一生都必须实行它呢？孔子便告诉子贡一个“恕”字,接着又补充了这八个字。孔子是儒家始祖,那么,标榜“独尊儒术”的封建君臣们,是不是都奉行了这一准则呢？回答是否定的。     

基于深度图推理的卫星背板部件检测方法

在轨加注是一种典型的在轨服务操作,它对于降低空间运输成本和任务风险起着重要的作用,视觉感知系统可以感知操作任务周围环境并提供给控制系统。目前在轨加注依赖于人,在人员监控下完成或通过遥操作完成,缺乏自主性。本文围绕未来高自主性的基于深度强化学习的在轨加注方法,对基于深度学习的视觉感知方法展开了研究,针对基于深度学习的方法对相似实例的检测存在精确率低、对光照变化敏感等缺点,提出了基于深度图推理的卫星背板部件检测方法。提出的方法可以有效地检测复杂形状的目标,不依赖于手工设计的特征;提高了复杂光照环境下部件的检测正确率;可以有效区分外形相似的不同部件;其有效性在数学仿真和物理仿真中均得到了验证。