李思思[1]2018年在《基于迁移学习的球磨机多工况负荷参数软测量研究与应用》文中提出球磨机是应用于电力、化工等流程领域的典型设备。该设备负荷参数的准确检测对于优化生产调用、设备安全运行、节能降耗起着至关重要的作用。目前,球磨机负荷参数的检测采用软测量方法。但是,传统的软测量方法建立在数据同分布的前提下。球磨机在运行过程中,由于设定任务的变化、机械设备的老化、外界环境的改变等因素,工况和数据分布随之改变,造成模型失配的问题。如何从分布不同的数据中获取特征为待测工况提供可以利用的信息,成为摆在面前的一个关键问题。迁移学习放宽了数据同分布的前提条件,通过抽取领域间“隐含语义”或挖掘领域间“共享知识结构”,迁移源域已有的知识来解决未知但与源域相关的学习问题。本文根据迁移学习中特征映射的思想,研究基于流形正则化域适应湿式球磨机负荷参数软测量的方法。但是,流形正则化域适应是一种无监督的特征映射方法且仅利用一个历史工况数据。不同工况数据有信息互补的特点,同时标签信息融入特征映射的过程可以提高公共子空间数据的可辨识属性。因此,研究基于半监督多源域适应的球磨机负荷参数软测量。在实际运行中,我们有可能在待测工况中获得少量有标签数据。由于运行环境的复杂性,即使在同一负荷参数的情况下振动信号也会存在很强的不确定性。针对上述情况,研究优化半监督域适应模糊推理方法。该方法可以利用待测工况少量有标签数据修正模型,提高模型的泛化能力。本文具体研究内容为:(1)针对多工况条件下球磨机关键负荷参数测量面临的复杂性问题及待测工况样本少的问题,研究基于流形正则化域适应湿式球磨机负荷参数软测量的方法。与现有的传统建模策略、多工况条件下的建模策略相比较,模型的预测精度得到显着提升,从而验证该方法的有效性。(2)针对球磨机工况改变后,历史数据与待测数据分布失配导致的模型失配问题以及待测工况样本少的问题,研究半监督多源域适应方法进一步提高软测量模型的预测能力。通过与流形正则化域适应方法对比,模型的预测能力、适应度进一步提高,结果更加可靠。(3)研究优化半监督域适应模糊推理方法。该方法通过半监督域适应模糊推理建模后,利用目标域少量带标签数据修正模糊规则。实验结果表明,通过目标域少量带标签样本的修正,模型的泛化能力加强。
邸诗雨[2]2014年在《典型微污染水体微生物种群结构及贫营养好氧反硝化细菌脱氮性能研究》文中认为随着水库、湖泊和城市景观水体污染的日益加剧，城市供水水质标准的不断提高，景观水体微生物种群结构及微污染水体的生物处理越来越受到人们的关注。在课题组前期研究的基础上，本研究选取西安市区9个典型景观水体为研究对象，在分析水体水质指标基础上，运用巢式PCR-DGGE和克隆测序技术诊断景观水体细菌和真菌群落结构多样性。进一步从某水库沉积物筛分出的好氧反硝化细菌，并应用于微污染水体净化水质这一新型技术进行相关实验研究。探讨了采用直接投加高效好氧反硝化细菌净化水体这一过程中，菌株适应原水条件及实验控制条件等，从而使菌株能够最大效率发挥其脱氮功能。本研究的主要结果为：（1）西安市区9个典型景观水体均为劣Ⅴ类水，在研究期间pH值范围在8.5—9.5之间，水温在20—30℃之间，溶解氧浓度在8.0—10.5mg/L之间。9个水体的总氮含量均大于2mg/L。巢式PCR-DGGE图谱主成分分析（PCA）结果显示，莲湖公园、永阳公园和大明宫水体细菌种群相似度高，丰庆公园、新纪元公园、曲江池和革命公园水体细菌种群多样性相似，而兴庆湖水体细菌群落结构与其他水体差异显着。莲湖公园、永阳公园和大明宫水体细菌种群结构主要受水体硝氮、总氮和溶解氧含量的调控，其中硝氮含量影响显着。大明宫、莲湖公园、丰庆公园、新纪元公园和兴庆湖水体真菌种类高度相似，革命水体真菌群落结构与其他水体存在差异，种群受到总氮、硝氮和氨氮的综合调控。茎点霉属（Phomasp.）为革命公园水体中优势真菌。可见，西安市典型景观水体悬浮细菌和真菌群落结构特征受到不同水质指标的综合调控。（2）本实验2012年11月至2013年3月从山东省某水库沉积物中筛选驯化337株好氧反硝化细菌。选取脱氮效果较好且形态不同的8株菌作为实验菌株。在纯培养条件下这8株菌48h内硝氮去除率均大于70%，其中2株菌48h硝氮去除率可达到90%以上；48h内总氮去除率最高可达到62%。根据脱氮特性的不同对8株菌进行复配，并在纯培养条件下挑选了脱氮效率较高的F3及F6复配组合作为原水试验的菌种。（3）根据实验可行性、脱氮效果的好坏及用时的长短进行比较，结果认为适应方法四（灭菌原水五步替换适应法）及方法五（未灭菌原水五步适应法）都是原水适应中较好的方法。菌株通过两种适应方法在原水中可达到40%的硝氮去除率。（4）通过四次原水试验，得到以下结果：筛选出的菌株及复配组合在原水试验中效果较好的为F6复配组合和D7菌株，其次为F3复配组合、D3&D7复配组合和D3菌株。投菌量的计算采用平板计数法确定细菌个数后确定投菌量。较好的的原水实验中的投菌量约为105CFU。相对于空白对照组，脱氮效果可达到总氮去除率40%，硝氮去除率可达到58%，且没有亚硝氮积累，去除效果稳定。（5）通过分析原水试验中的控制条件可得到：在原水试验中温度不控制，室温状态下可得到较好的脱氮效果；溶解氧3-5mg/L时脱氮效果较好，但与其他溶解氧浓度下脱氮效果的区别不大；搅拌混合作用是影响脱氮效果的重要因素。
夏恬[3]2015年在《影视配音翻译的实践与探索》文中提出当今世界正处在“全球化”发展的重要阶段,各国经济全面发展,跨国合作、交流也日益增多,在经济合作不断加强的同时,国家与国家之间的文化也正在相互磨合、交融。随着我国对外开放程度的提升,国人越来越渴望了解国外的大千世界,而多媒体则是了解世界不可或缺的重要手段。其中,影视作品,作为最为直观也最易接受的文化输入方式,受到了国人的广泛关注。由于语言的差异,外来影视作品需经过译制后方能为观众所观赏,而主要的两大影视翻译形式即为:“配音翻译”与“字幕翻译”。而近年来,“字幕翻译”与“配音翻译”的研究并不均衡,根据笔者对“中国知网”收录文章种类与偏数的统计:在2005年至2014年期间,关于“字幕翻译”研究的文章呈快速增长趋势,几乎占据了影视翻译类研究文章总篇数的80%之多。而相反,“配音翻译”类研究则一直未受到学界的重视。然而“译制片”作为传播外来文化、传承华夏文化艺术瑰宝的有效途径,该领域还有很大的研究空间。因此,本论文以“字幕翻译”为参照,分别从:受众、预期目标、翻译限制、翻译标准、语言特征、表现形式、翻译策略的选取、现存问题等多方面对“配音翻译”与“字幕翻译”进行了全面的对比研究,并从中总结出“配音翻译”的独有的特点与难点。根据对比研究显示,“配音翻译”主要的难点在于:口型匹配,语言、语际、文化差异与不可译现象,剧本缺失,译文口语化与规范性处理。针对以上几大配音翻译难点,并结合了笔者在上海电影译制厂实习期间翻译并播映的影视作品实例,本论文对“配音翻译”的主要难点提出相应的解决对策与翻译技巧,如“增译法”、“省略法”、“缩译法”、“‘意’化语‘异’法”、“‘等效’替代法”、“口语化”、“‘巧译’不文明用语”等一系列立足于实践总结的翻译技巧与策略。笔者希望通过这一研究,为今后“配音翻译”研究领域提供新的研究方向以及实践经验,从而引起学界对该领域的重视。
周全[4]2013年在《面向情感分类的领域适应方法研究》文中提出随着博客，商品评论等信息在网络上的涌现，情感分类日益成为一个重要且富有挑战性的课题。情感分类试图根据文本信息，自动评判用户所表达的情感极性（如正面或负面），在电子商务和舆情分析等领域展现出越来越重要的作用。然而，在情感分类领域中，用户表达情感方式多种多样，领域间数据分布也存在明显差异，情感分类的准确率极易受到数据所在领域的限制和影响。对于新领域的情感分类问题，传统的机器学习方法只能通过重新标记训练数据完成学习建模，这通常需要消耗大量的人力物力。为此，我们分别从构建领域间统一的特征空间和集成分类两个方面，展开面向情感分类的领域适应方法研究，提出了基于对数似然比的特征选择算法LTF和基于置信概率的协同学习集成决策算法CEC。主要工作如下：(1)本文提出的面向多领域的情感分类特征选择方法LTF(log-likelihoodratio&term frequency)，综合利用了原始领域和目标领域数据，使用词频和对数似然比的统计信息，选取在原始领域富有极性，且在目标领域有较大影响的特征，构建原始领域和目标领域公共特征空间，消减了原始领域和目标领域的数据分布差异，促进了知识的跨领域迁移。(2)在集成分类器方面，本文提出了一种基于置信概率的多领域集成算法CEC(Confident Ensemble Classifier)。该方面借鉴自学习和协同学习的思想，利用置信概率，进行数据的预标记的同时，完成各个基分类器的集成，从而有效提升目标领域的分类精度。通过在情感数据集上的大量实验表明CEC算法确实提高了目标领域的分类准确率。
薛文韬[5]2016年在《基于深度学习和迁移学习的语音情感识别方法研究》文中认为人类的语音作为人与人之间沟通的重要手段和情感表达的重要媒介,已经成为人工智能的重要研究方向。在传统的语音情感识别中,如何提取最具判别性的特征已成为很多研究者关注的内容,其中一个重要的挑战就是在情感特征提取过程中把情感相关因素和情感无关因素(如环境、说话人等的差异)进行分离,使提取的情感特征具有更强的泛化性。传统的语音情感识别有一个前提:训练数据和测试数据来自同一个语料库,也就是两者具有相同的数据分布。但是,由于语音数据是从不同的设备和记录环境下获取的,它们在语言、情感的种类、标记方案等方面存在很大的差异,这时候训练数据和测试数据就具有不同的数据分布,传统的语音情感识别方法已经不能很好地解决这个问题。域适应,作为一种特殊的迁移学习方法,被证明可以有效地解决不同域之间数据分布存在差异的问题。本文针对传统的语音情感识别,提出了可鉴别语音情感特征学习方法;针对跨库的语音情感识别,分别提出了基于先验共享的半监督域适应方法,和基于标签监督和特征分解的无监督域适应方法。具体研究内容如下:1)提出可鉴别语音情感特征学习方法。主要目的是对情感相关因素和情感无关因素进行分离,从而提取情感相关的特征。该方法包括四个步骤。首先,对语音数据进行预处理,得到语谱特征。然后进行无监督特征学习,从语谱特征中提取若干个小块进行无监督预训练,得到核(权重和偏置),利用不同尺寸的小块就能训练不同尺寸的核,然后对整个输入语谱特征利用核进行卷积、池化,并堆迭不同尺寸的池化特征,得到一个初步的粗糙特征表示。接着进行半监督特征学习,将粗糙特征作为输入并映射成两部分,一部分和情感相关,另一部分和情感无关。总的损失函数由四部分组成:重构损失函数、正交损失函数、判别损失函数和认证损失函数。通过正交损失函数,将情感相关的特征和情感无关的特征进行初步的划分。接下来对情感相关的特征进行一些约束。通过判别损失函数,增大不同种类情感的情感相关特征之间的距离;通过认证损失函数,减小同一种类情感的情感特征之间的距离。最后,将半监督特征学习得到的情感相关特征作为一段音频的最终特征表示,结合相应的情感标签,进行分类器的训练。实验在INTERSPEECH 2009情感挑战赛的五类任务上进行评估,利用该方法学习得到的情感相关特征的识别率明显高于在同等条件下使用传统声学特征的识别率。2)提出基于先验共享的语音情感迁移学习方法。主要目的是希望通过共享先验,使得目标域中有标签样本比较少的那些类,能够从源域中相关的类获得一些有用的信息,从而改善目标域的分类性能。提出的模型是一个两层的神经网络模型,第一层是特征提取层,第二层是softmax分类器。第二层参数其实是各个类的分类器参数,在每类都有充足有标签样本的情况下,各个类的分类器参数一般都是独立的,但在半监督域适应下,目标域中的每个类只有很少的有标签样本,只用这些有标签样本不足以训练一个性能出色的分类器,因此本方法对相关的类的分类器参数加上一个共同的先验(也就是相关类的分类器权重向量从同一个分布中产生)。该方法包括叁个步骤。首先,对语音数据预处理,得到一个384维特征。然后,利用源域和目标域的无标签数据进行预训练共享隐藏层自动编码器,用于初始化模型的第一层参数。最后,利用源域和目标域的有标签数据进行训练整个两层模型。实验中源域采用ABC或者Emo-DB,目标域采用FAU AEC,在INTERSPEECH 2009情感挑战赛的两类任务上进行评估。实验结果表明,在目标域有标签样本比较少的情况下,提出的基于先验共享方法的召回率要高于没有先验共享的方法,并且高于传统的机器学习方法。3)提出基于标签监督和特征分解的语音情感迁移学习方法。主要目的是同时学习具有域不变性和情感判别性的特征,来弥补域之间的差异,并且学到任务相关的特征。该方法所提出的模型是一个前向神经网络模型,包括叁个部分:特征提取,情感标签预测,域标签预测。首先将输入数据解开成两部分:情感相关特征和情感无关特征,然后将情感相关特征进行层次非线性转换得到高层情感特征,进一步采用高层特征进行情感标签和域标签的预测。实验中源域采用ABC或者Emo-DB,目标域采用FAU AEC,在INTERSPEECH2009情感挑战赛的两类任务上进行评估。实验结果表明,该方法的召回率要明显高于传统的机器学习方法和其他一些域适应方法。
魏忠莉[6]2017年在《美国电影《冥界警局》配音翻译实践报告》文中认为本报告是以美国电影《冥界警局》配音翻译实践为基础,该影片已在东方影视频道播放。本文从影片来源和委托方要求开始,介绍了配音翻译的现状和剧本中常见的专业符号,通过与普通电影剧本的对比,分析了“配音剧本”的独特之处。影视配音翻译的语言特点有口语性和文化性,在翻译该电影的过程中,笔者以“达”为翻译标准,采用多种翻译技巧灵活处理影片中的口语和禁忌语。确保译文简洁准确的同时,恰当传递电影中的流行文化,符合译制片的市场需求。通过总结翻译实践中遇到的难点,笔者做出了深入剖析和思考。本部美国电影的翻译难点主要体现在“口型一致”、个性化语言和背景声音的技巧探索叁个方面。保持口型一致是检验“配音翻译”质量的重要准则,翻译过程中,译文必须与画面节奏和人物口型保持一致。个性化语言能够体现出人物角色的鲜明形象,翻译时应结合该角色独有的特点,选择恰当的语言风格。正确处理个性化语言,不仅保留了影片的喜剧效果,还能增强译文的可接受性。背景声音在电影中是不可避免的,笔者充分掌握专业用语的概念,对背景声音中的语气说明和“水词”两大难点进行深入探究,提出了一些实用性的技巧。通过本次实践,笔者充分认识到,为了呈现优秀的译文,译者不仅要提高专业素养,增强跨文化意识,还要考虑满足受众需求。
栾晓婷[7]2016年在《字幕翻译与配音翻译之翻译策略对比分析》文中研究指明本文以目前影视翻译界最为主流的字幕翻译和配音翻译为研究主题,以中国引进的英文电影的语言及其翻译为例证,结合多个方面,从翻译策略角度探讨英文电影字幕翻译和配音翻译两种翻译方式的异同。同为影视翻译的字幕翻译和配音翻译自然有一定共同点,如作为影视语言的共性,以及作为翻译活动在翻译理论依据方面的共性；这些共性在翻译时是不可忽略的重要参考。与此同时,字幕翻译和配音翻译的形式不同、目的不同,目标群体往往也有很大差别,这就决定了两者在翻译策略的选择上有不同之处,例如同步性、语气表达等方面,译者需要有意识地寻找两者的不同之处,以对症下药,找到合适的翻译策略。本文主要以近年来中国引进的英语电影为例,指出字幕翻译与配音翻译在各方面的异同,并提出相应的翻译策略,希望能为影视译者提供指导。
徐念珅[8]2017年在《电影配音英译中常见问题及对策》文中进行了进一步梳理笔者有幸在研一参与到一家北京影视剧翻译公司的工作中,随着公司一同成长,一同学习。笔者在这一过程中也意识到了影视剧翻译着实有大学问,有很多“疑难杂症”,当然也有很多应对的“妙招”。影视剧的翻译可分成字幕翻译和配音翻译两块。两者虽然都是电影翻译,其实大相径庭。本文重点针对电影翻译中的配音翻译进行研究分析,并会结合自己在公司遇到的正反案例展开对配音翻译中遇到的问题及合适的解决策略的探讨。文章的核心会探讨叁种常见问题以及其解决方法:1.配音与电影口型不匹配的问题2.粗话翻译的问题3.影片专业性内容如何通俗表达的问题。希望在这个文化空前繁荣的年代,能够将自己的小小影片翻译心得跟大家分享。
黄津沙[9]2012年在《顺应论视角下配音翻译研究》文中研究指明影视翻译是翻译研究领域里一个非常特殊的分支，而配音翻译则是影视翻译一个很重要的组成部分。随着传媒技术的发展和跨文化交流的频繁，我国和西方国家在影视翻译的研究有了很大的发展。但是在早期对于影视翻译的研究过度集中在字幕翻译上，对配音翻译研究较少。本文以Verschueren的顺应论作为理论指导，以配音翻译的原则为基础，结合近年在中国并得优异票房的动画片《功夫熊猫》的配音翻译作为语料，从影视翻译的独特性出发，指出译者在翻译过程中如何从顺应语言语境和交际语境方面采取恰当的翻译策略与方法完成配音翻译，从而能够尽可能地使目的语观众获得源语观众相似的美感。Jef Verschueren认为，使用语言的过程是不断地进行语言选择的过程，这种选择既有语言结构层次上的选择，也必须要顺应交际语境。人们之所以能在语言使用中不断进行语言选择，是因为人类语言具有叁个特点：变异性，协商性和顺应性。顺应性是语言使用过程的核心。任何语言的使用都要根据语境的变化做出动态顺应。翻译是一种跨文化的语言交际活动，为了保证交际的圆满成功，要保证交际双方得到足够的认知效果，所以用语用理论中的顺应论来指导翻译是可行的。本文以顺应论作为理论基础，总结了配音翻译的翻译原则，对配音翻译进行顺应性研究，鉴于影视文本的特殊性，本文从语言语境和交际语境的角度对配音翻译进行顺应性研究。语言语境从顺应语音，词汇，句式，修辞，典型的汉语四字成语和此影片中独有的语言特点（功夫语言，网络语言）等方面进行分析;交际语境从顺应社交世界，心理世界，物理世界进行分析，从而得出在动态翻译策略的指导下，采取具体的翻译方法完成配音翻译，使其符合翻译原则,从而达到精神上的愉悦。通过分析，本文得出结论，顺应论为配音翻译提供了一个有效可行的理论框架，启发我们要灵活地按照具体语境采用翻译策略和方法，帮助我们更好地理解配音翻译的本质。通过对《功夫熊猫》大获成功的配音版本进行顺应性研究，希望能够对实际的影视翻译操作提供借鉴，有助于今后不断提高配音翻译的质量。同时，配音翻译是一项极其复杂的工作，牵涉到很多方面，而本文的研究仅限于一部电影的配音翻译，有较大局限性，还需继续探索。
赵速梅, 陈阳[10]2007年在《电影配音翻译的本土化特色——美国电影《加菲猫1》的个案研究》文中研究说明随着电影在全球的传播,其译制工作受到人们越来越多的重视．中国的电影配音翻译呈现出了浓厚的本土化特色,这种特色可以用跨文化传播这个理论加以阐释．而这种本土化特色在电影配音翻译中又集中表现在两个方面:一是采用中国式幽默,二是采用流行通俗词汇．
参考文献：
[1]. 基于迁移学习的球磨机多工况负荷参数软测量研究与应用[D]. 李思思. 太原理工大学. 2018
[2]. 典型微污染水体微生物种群结构及贫营养好氧反硝化细菌脱氮性能研究[D]. 邸诗雨. 西安建筑科技大学. 2014
[3]. 影视配音翻译的实践与探索[D]. 夏恬. 上海师范大学. 2015
[4]. 面向情感分类的领域适应方法研究[D]. 周全. 合肥工业大学. 2013
[5]. 基于深度学习和迁移学习的语音情感识别方法研究[D]. 薛文韬. 江苏大学. 2016
[6]. 美国电影《冥界警局》配音翻译实践报告[D]. 魏忠莉. 上海师范大学. 2017
[7]. 字幕翻译与配音翻译之翻译策略对比分析[D]. 栾晓婷. 北京外国语大学. 2016
[8]. 电影配音英译中常见问题及对策[D]. 徐念珅. 上海外国语大学. 2017
[9]. 顺应论视角下配音翻译研究[D]. 黄津沙. 湖南科技大学. 2012
[10]. 电影配音翻译的本土化特色——美国电影《加菲猫1》的个案研究[J]. 赵速梅, 陈阳. 四川职业技术学院学报. 2007