计算机辅助英语口语测试的实证性研究

机辅口语测试是大学英语教学改革中的一个新生事物,与传统的面试型口试相比较,它在很多方面占有优势,如:增强了考试的信度等。本文详细地描述了我校进行大规模口语机考的全过程。文章最后也提出了在机辅口语测试中尚需注意的问题,如效度问题等,从而为今后我校和其他学校更有效地进行口语机考,更好地提高大学生英语口语能力提供了一些建设性的建议。     

BP神经网络在模拟非线性系统输出中的应用

概述了非线性系统输出模拟的方法，对BP神经网络及改进的BP算法作了简要介绍。以BP神经网络运用于激光焊接过程中模拟焊缝形状的典型例子，探讨了BP神经网络在非线性系统模拟输出中的可行性；通过实例分析及比较测试结果，对BP网络的结构和训练样本的选取等进行了有益的探索。     

BP神经网络的MATLAB编程实现及讨论

BP神经网络具有很强的非线性函数逼近能力。通过Matlab编程实现了BP网络对一个二元函数的逼近,针对BP网络学习速度慢的缺点,采用含动量项的学习算法提高了收敛速度。通过Matlab仿真方法,研究了学习率和动量因子对算法学习速度的影响。     

高速液压夯实机在路基工程中的实践

在公路路基工程的压实和补强作业中，对于桥台背、涵侧回填、半填半挖、局部高填方及狭小面积高效机械施工压实作业中出现的一些问题有待解决，高速液压夯实机这一新产品的出现为解决这些工程问题提供了设备保障。高速液压夯实机的基本工作原理是：用液压缸将夯锤提升至一定高度后快速释放；夯锤在重力和液压蓄能器的共同作用下加速下落：落下后击打带缓冲垫的、静压在地面上的夯板；并通过夯板间接夯击地面。高速液压夯实机装在普通装载机的动臂上，可以机动灵活地对不同的夯实作业位置进行准确、快速的夯实，也可以对作业面积进行单点或连续的夯实。     

基于神经网络的船舶操纵运动水动力预报

以散货船和油船为例，采用神经网络方法，利用matlab语言，完成船舶操纵运动的水动力预报，研究结果表明，只要选择适当的学习样本，网络结构和学习算法，神经网络的水动力预报精度在实际中可以接受。     

基于支持向量回归机和粒子群算法的船舶操纵运动模型辨识

基于仿真的Z形试验数据,应用支持向量回归机对船舶操纵运动响应模型进行了机理建模,从核函数结构中得到了模型中的操纵性指数,并利用建立的响应模型进行了Z形试验的运动预报,同时引入粒子群算法对惩罚因子C值进行寻优,以减少惩罚因子C值选择的任意性对船舶操纵运动模型辨识精度产生的不利影响。通过将运动预报结果同仿真试验数据进行比较,验证了文中方法的有效性。     

高桩码头构件吊装新技术

在高桩码头预制构件安装中,传统工艺一般都采用起重船施工。在某些工程中,天气恶劣、海况复杂,在利用起重船安装时,受风浪等因素的影响,施工进度缓慢,配套船机投入大、利用率低、成本大,安全风险高。主要介绍一种码头预制构件吊装技术,转水上施工为陆上施工。采用该技术安装码头预制构件,作业时间长,安装速度快,风险小,精度高,造价低,在外海无掩护海域作业时尤为明显。     

利用BP人工神经网络反算沥青路面基层弹性模量研究

基于层状弹性体系理论,利用BP人工神经网络预测沥青路面基层弹性模量。通过构建路表弯沉盆与沥青路面基层参数之间的数据库,建立了BP人工神经网络反算基层弹性模量预测模型。由理论弯沉盆作为已知输入参数进行反算时,基层弹性模量的反算值与理论值相对误差在8%左右;由实测弯沉盆作为已知输入参数进行反算时,计算弯沉盆与标准化实测弯沉盆的拟合均方差RMSE为4.49%。检验结果表明:基于层状弹性体系理论,建立的BP人工神经网络反算沥青路面基层弹性模量模型,可满足实践工程要求。     

基于DAG-SVM的居民出行方式选择模型

提高居民出行方式的预测精度对于评价交通规划方案、交通策略的效果具有重要意义.应用心理学、行为科学的方法分析了出行决策的思维过程,将出行决策过程结构化,建立出行情景库,并采用主成份法分析了影响方式选择的主要因素,作为支持向量机模型的输入.利用统计学习理论分析了支持向量机与神经网络在建模原理上的区别,建立了基于有向无环图-支持向量机(DAG-SVM)的方式选择模型,阐述了模型的具体步骤.通过实验对不同核函数的预测效果进行了评价,并采用网格法和遗传算法进行参数寻优.结果表明,核函数选择径向基函数效果较理想,参数寻优方法上遗传算法比网格法效果更好.通过优化后,DAG-SVM模型的整体预测精度达到了82.3%,比神经网络提高了近9%.但对出租车出行的预测准确率略低于其他方式,这主要由于出租车常被作为特殊情况下的备选方式,其出行规律性相对较差.