那些饱含乡土记忆的收藏

一年前，偶然转到成都送仙桥河边一家古玩店，橱窗中，那些青铜兵器、清代翡翠、汶川双耳罐、良渚石钺、木雕佛像令人流连忘返。店主是个瘦瘦的中年人，穿着一身棉麻质地对襟衣，和着店里的梵音泡功夫茶，看到来了客人，他说：“坐下喝杯功夫茶吧。”我一屁股坐在黄润的竹凳子上，“嘎吱嘎吱”的。     

蜀蓉摄影年展

天地玄黄，时光荏苒，“总有些景象让人凝然无语”。在永恒的大自然面前，人是卑微的；在如梭的光阴面前，生命是短暂的。而摄影师用一生的心力去追逐，追逐光影，追逐日月，追逐笑容，追逐痛苦……只为，用手中的镜头写下心中那份感动。2008年，我们经历了太多，有中国实现百年奥运梦想的欢容，也有发生在身边的“5·12”大地震带来的痛楚。这个世界每秒钟都在变化，而摄影师要做的，是凝住那数百分之一秒，“咔嚓”，按下快门的同时，他们也按住了光影的穴位。许多景象最终会转化为记忆，这些记忆连缀成片，让生命充斥着张力，冲洗出岁月无法褪色的底片。瞬间与永远，平面与透视，这是视觉艺术恒久的主旋。一位真正的摄影师，会将记录动人景象谓为天职。为了那一瞬的燃烧与释放，他们失去了很多，他们付出了很多，但最重要的是，他们留住了很多，比如，眼前这一幅又一幅精彩的作品。     

催眠绑架记忆

现在，世界上数以百万计的人声称曾遭外星人绑架。美国坦普尔大学戴维·雅各布斯博士经过多年研究发现：“有些人记得一些被绑架的片段，还有人记得整个过程。不知为什么，催眠术可以帮助人们打开记忆的大门,让人突然想起某段奇怪的、很久以前的记忆。所以，唯一能唤回记忆的方法，就是让人进入非常放松、专注的心理状态。”     

安仁 那些不老的记忆让你如此动人

其实开始的时候．我并没有认真考虑孩子会不会喜欢去安仁古镇玩。此行的缘起只是我在清扫父亲书架灰尘的时候．无意中碰掉了一本，那是本关于安仁刘氏庄园的书。翻着那本已经泛黄的老书，记忆中闪过那座老宅的清幽．我几乎在瞬间做出决定．推掉一切安排．周末陪孩子去安仁转转。     

童年的记忆

我的家乡在农村,景色极为单调,贫瘠的世界给了我苦涩的童年.但童年在我心中依然是不褪色的风景,而远方地平线上闪耀的星星是我童年幻想中永恒的背景.多少个不眠的夜晚仰望满天的星斗,幻想着深邃的夜空中是否会有另一个美丽的世界.上学后我有一次和几个同学上课抢几本故事书看,不幸被老师发现,被罚是免不了的.我抱着必死的决心悲壮地走进老师的办公室时,没想到,老师沉默了一会儿对我说:"你喜欢看书的话,就看一些有知识性的书."说完把一本杂志放在我面前.     

基于卷积双向长短期记忆网络的轴承故障尺寸估计

基于振动监测数据的航空发动机滚动轴承损伤大小识别,对于研究滚动轴承故障演化、故障预测和故障诊断具有重要意义。针对传统模型对先验知识依赖性高、特征提取不充分、故障尺寸训练类别有限等问题,提出了一种基于深度学习的滚动轴承损伤尺寸预计方法,能够对训练过程中未出现的中间尺寸进行准确识别。在经典模型的基础上,搭建了一种深度卷积网络与长短期记忆网络组合模型,该模型可对轴承振动信号的多维特征与时序特征进行充分提取,实现轴承故障的智能和高效诊断。最后,利用滚动轴承加速疲劳试验机,进行了多种转速与损伤尺寸下的滚动轴承故障试验,基于试验数据进行了方法的比较,结果表明,该组合网络的在正常和加噪的情况下预测精度分别达到99.94%和98.67%,较单独的深度卷积网络、长短期记忆网络及其他模型精度更高,比较结果充分表明了本文所提方法的优越性。     

基于多模型的航空发动机传感器混合故障诊断方法

本文在多模型架构下,提出一种航空发动机传感器在线混合故障检测与隔离算法。利用长短期记忆网络逼近航空发动机建模误差、健康参数变化、过程噪声和测量噪声等不确定性源引起的真实发动机与机载模型之间的偏差。将传感器测量输出与不确定性值的偏差用于一种基于多模型的混合卡尔曼滤波器组算法中,利用贝叶斯方法计算每个传感器在健康模式和不同故障模式下的条件概率,然后根据最大概率准则进行传感器故障检测与隔离,克服了阈值难以选取的问题。针对某型涡扇发动机传感器发生偏置故障、漂移故障和间歇性故障的情形进行仿真验证,并对比了不同传感器之间的检测与隔离精度。结果表明：所提出的方法可以在更高水平的退化下诊断出发动机传感器常见的故障,混合方法对不同不确定性源具有鲁棒性。     

基于数字地形的机场终端区离场航迹预测

高效准确的航迹预测能够掌握飞机的运行轨迹,是空管自动化与智能化领域的关键要素,旨在提高空中交通的运行能力和可预测性。针对高原机场终端区内离场航空器运行,通过挖掘大量历史数据的特征关系,提出基于长短时记忆(Long Short-Term Memory, LSTM)神经网络的航迹预测模型。此外,考虑高原机场复杂的地形环境使得离场航空器安全运行条件更为严苛,引入支持向量回归(Support Vector Regression, SVR)算法建立数字地形模型,得到离场航迹上经纬度所对应地形高度的剖面图。采用拉萨贡嘎国际机场的真实离场航迹与地形数据进行实例验证,结合地形条件对所预测离场航迹的安全性进行评估。实验结果表明：基于LSTM神经网络建立的离场航迹预测模型具有较高的精度,且离场航空器能够实现满足最小超障余度的安全运行。     

基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中,整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变,这会严重影响整体姿态控制的精度。针对以上问题,提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先,对于目标捕获前后的2个阶段,利用拉格朗日方程建立了空间机器人的动力学模型;然后,基于所建空间机器人模型采用域随机化方法生成足量训练数据,并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练;最后,使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量,所研究系统的主惯量平均相对辨识误差小于0.001,惯性积的平均相对辨识误差小于0.01。     

大学英语词汇记忆的策略

研究大学生记忆英语词汇过程中单词遗忘率高的问题。通过元认知策略和认知策略等相关方法来记忆英语词汇,能够使学生在宏观上有意识地规划调整自己的学习,以保证在有限的时间内保质保量完成大学英语词汇的记忆。