國防大學理工學院分數的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘到下列精選懶人包

伊朗：被消滅的帝國，被出賣的主權，被低估的革命，被詛咒的石油，以及今日的--伊朗。(二版)

為了解決國防大學理工學院分數的問題，作者WilliamR‧Polk 這樣論述：

被消滅的帝國， 被出賣的主權， 被低估的革命， 被詛咒的石油， 以及今日的－－伊朗。 　　本書涵蓋過去兩千年的伊朗歷史。從最早可追溯的中亞民族開始，涵蓋土耳其（突厥）、波斯、蒙古、伊斯蘭教等影響，直到今日西方世界與伊朗的核武爭執。全書脈絡紮根於「什麼構成伊朗人？」細述種族、宗教、文化、科技如何影響這片土地，和如何孕育出成近代的伊朗建國及政變，最終導致當前的核武問題，並結於可能的解決之道。 　　◎主流媒體不會告訴你的事Ⅰ：伊朗的石油，英國拿到最多好處 　　二十世紀初期，俄國與英國持續在伊朗進行角力，派出他們各自的代理人，企圖在伊朗的獲得最大的利益。一次大戰後，這樣的角力不但白熱化，而

且聚焦到石油資源上，並且引起國民對皇室的不信任。在英國取得上風後，由英伊石油公司透過出口石油獲得的利潤，伊朗最多只佔十七％％，伊朗人只能擔任非技術性工人。而沙烏地阿拉伯與美國合作的阿美石油公司呢？是五五分帳，而且製造沙烏地阿拉伯的中產階級、企業家與建設者。 　　◎主流媒體不會告訴你的事Ⅱ：由美國一手打造的「邪惡軸心」 　　二○○三年，小布希指責伊朗是「邪惡軸心」，美國政府提出這項指控的重點之一在於伊朗的核子武力。美國輸出的各式影集、電影中，恐怖主義往往與伊朗有關，連伊朗政府都總是「企圖顛覆世界和平」。但不會有人告訴你：在尼克森總統時期，美國賣給伊朗的新式武器就超過一百億美金。國務卿季辛吉並

指示：讓國王買到所有他想要的（武器）。猜猜看其中包括什麼？ 　　核子武器設備與設施。 　　而這也就是三十年後，小布希所謂「邪惡軸心」的起點。 　　◎從世俗化到「神」的國度 　　一次大戰前，伊朗曾在禮薩國王的主導下進行一連串的現代化措施，其中也包括為西方價值觀所推崇的解放婦女。然而，在一九七九年，主導現代化的巴列維王室終結，革命政權－－「真神的政府」的實際領導者，何梅尼上台，重新把伊朗帶回伊斯蘭的教義下。 　　為什麼伊朗要走回頭路？這是許多人心中的疑問。但這真的是「回頭路」嗎？在現代化、西化、解放婦女的背後，是國王穆罕穆德‧禮薩過於追求現代化建設而導致的經濟危機。另一方面，國王的現代化

建設也沒有能夠有效改善伊朗人的生活，大多數的伊朗人依然貧窮、失意並且缺乏教育與知識。經濟危機則造成更多人失業，這讓伊朗人轉而投向與他們生活更貼近的宗教集團－－烏里瑪。一度被流放在外的宗教領袖何梅尼也因此獲得機會，跨海主導超過四百萬名群眾參與的示威活動，結束伊朗的君主政體，也開啟了延續至今的「真神的政府」，何梅尼打造的伊斯蘭國度。也開始了伊朗與歐美世界的對立時代，直到歐巴馬解除對伊朗的禁運。 　　「國王的理想」與「人民的期待」之間產生的落差到底有多大？宗教對伊朗人的影響到底有多深？本書作者透過實際接觸伊朗人，甚至伊朗國王穆罕穆德‧禮薩、參與美國對伊朗的政策運作，深入分析伊朗局勢的變化。 　　

◎最不西方的觀點 　　本書作者威廉‧波爾克（William R‧ Polk）不但是美國的中東歷史與政治專家，外國政策顧問，曾參與古巴飛彈危機處理小組。主持第二十屆帕格沃什科學和世界事務會議核武會議。此外，他並曾接觸伊朗最後一個國王，巴列維王朝的末代君主穆罕默德-禮薩，與其討論國政。他雖然是美國學者，但能夠在最大限度內跳出美式視角，除了帶讀者看盡伊朗從帝國到共和國的興衰。也因為他曾經參與美國對伊朗的政策執行與歸化，因此也更能夠細數歐美諸國對伊朗的影響、甚至壓迫。 　　◎一個普通伊朗人的視角 　　你能夠想像，當一個伊朗留學生到美國，他將面臨開戶時獲得「不能把錢匯回伊朗，否則是犯罪」這樣明確的

警告嗎？生活在川普時代的美國，一個普通的伊朗人又希望別人如何看待自己，與自己的國家？本書同步收錄中文版「一個普通伊朗人的視角」，讓讀者能夠接觸到更真實的伊朗，以及一窺生活在歐美世界的伊朗人懷抱的期待與遭遇的困境。 　　◎川普做了什麼？什麼又是革命衛隊？伊朗的十個關鍵字！ 　　二○一九年的新版《伊朗》！除了全面校訂外，並因應美國在進入川普時代後，對伊朗政策的各種轉變，請到台灣少數的伊朗研究者，輔仁大學歷史系助理教授陳立樵，針對十個伊朗關鍵字進行解說，讓讀者除了掌握本書沒有提到的古代伊朗外，也對現代的伊朗、以及伊朗與這個世界的連動，有更多深入了解。 各界推薦： 　　輔仁大學歷史系助理教授

陳立樵 　　專欄作家、《茉莉花開》作者 陳婉容 　　中興大學國際政治所副教授、全球和平與戰略研究中心主任 楊三億 　　「若你想了解伊朗，本書是絕佳的入門書。」——法里德・札卡利亞（CNN主持人及《華盛頓郵報》專欄作家） 　　「威廉・波爾克針對伊朗歷史及波斯文化的演變撰寫出精湛而富洞察力的歷史記述，對所有參與伊朗政策制定的人及那些有意了解這個關鍵國家及社會的人來說，《伊朗》是必備讀物。」——安東尼・辛尼（美國海軍陸戰隊退役將領，及《新時代指揮官》及《為和平而戰》的作者之一。） 　　「一位偉大的學者對伊朗文化及歷史所做出的出色評鑑。」——霍達達德・法爾曼法爾馬博士（伊朗前副總理） 　　「必

讀之物……這是一份對伊朗深入而清晰的研究。」——特雷爾・阿諾德（美國國家戰爭學院的國際研究系前系主任） 　　「簡明易懂且令人獲益良多的一本書——使讀者細緻入微的了解伊朗這個複雜的社會，透過深入淺出的歷史、宗教傳統及近代經歷來了解伊朗人的觀念及政治是如何形塑而成。波爾克的作品廣博而切合現實，他的文字清晰易懂並展現出他的政治經驗。如果你認識在美國政府中負責伊朗及中東事務的人，請推薦他《伊朗》這本書，如此一來，美國政策成功的機會將會大幅度的提高。」——查斯・弗里曼（美國大使，前國際安全事務助理部長。） 　　「《伊朗》的巨大價值在於本書以深思熟慮而清晰的視角來看待美國和中東事務的糾葛。本書是波爾克

針對美國理解不足的區域新近寫就而成的睿智分析，其中所提到的內幕消息說明了美國和伊斯蘭共和國的關係有多麼接近戰爭，但更重要的部分在於讀者可以透過這本書深刻理解伊朗的歷史及文化，波爾克講述了一個關心美國和伊朗的人都應該坐下來好好一讀的故事。」——大衛・伊格內修斯（《華盛頓郵報》的專欄作家，《增量》一書的作者。） 　　「引人入勝而富有穿透力，一部我們迫切需要的出色作品。」——威廉・麥克尼爾（美國歷史協會的前會長，芝加哥大學歷史系系主任。） 　　「《伊朗》是一本名符其實的作品。」——羅伯特・基雷（前美國大使，寫於《外交學報》） 　　「《伊朗》一書完全沒有辜負它的標題，波爾克以伊朗這個迅速成為中東

地區主導力量的社會為主題，為我們帶來一番周密而生動的介紹，這本書提醒我們，現在的伊朗人不只是置身於現在的領導人的統治枷鎖中，同時還受到英國、俄羅斯及美國的間諜活動、入侵及主導等痛苦回憶的束縛，我們往往可以從過去的歷史中汲取經驗，而波爾克自漫長而豐富的歷史中梳理出這些重要的教訓，他強調在現在及未來的幾十年中，真正去了解伊朗是至關重要的大事。」——羅伯特・基雷（前美國大使，寫於《五和十通訊》）  

解析深度學習：語音識別實踐

為了解決國防大學理工學院分數的問題，作者（美）俞棟，鄧力 這樣論述：

首部介紹語音識別中深度學習技術細節的專著。全書首先概要介紹了傳統語音識別理論和經典的深度神經網絡核心算法。接着全面而深入地介紹了深度學習在語音識別中的應用，包括「深度神經網絡-隱馬爾可夫混合模型」的訓練和優化，特征表示學習、模型融合、自適應，以及以循環神經網絡為代表的若干先進深度學習技術。俞棟，1998 年加入微軟公司，現任微軟研究院首席研究員、浙江大學兼職教授和中科大客座教授。他是語音識別和深度學習方向的資深專家，出版了兩本專著，發表了150 多篇論文，是近60 項專利的發明人及有廣泛影響力的深度學習開源軟件CNTK 的發起人和主要作者之一。他在基於深度學習的語音識別技術上的工作帶來了語音識

別研究方向的轉變，極大地推動了語音識別領域的發展，並獲得2013 年IEEE 信號處理協會佳論文獎。俞棟博士現擔任IEEE 語音語言處理專業委員會委員，曾擔任IEEE/ACM音頻、語音及語言處理匯刊、IEEE 信號處理雜志等期刊的編委。鄧力，世界著名人工智能、機器學習和語音語言信號處理專家，現任微軟首席人工智能科學家和深度學習技術中心研究經理。他在美國威斯康星大學先后獲碩士和博士學位，然后在加拿大滑鐵盧大學任教獲得終身正教授。其間，他還任麻省理工學院研究職位。1999 年加入微軟研究院歷任數職，並在2014 年初創辦深度學習技術中心，主持微軟公司和研究院的人工智能和深度學習領域的技術創新。 鄧

立博士的研究方向包括自動語音與說話者識別、口語識別與理解、語音–語音翻譯、機器翻譯、語言模式、統計方法與機器學習、聽覺和其他生物信息處理、深層結構學習、類腦機器智能、圖像語言多模態深度學習，商業大數據深度分析等。他在上述領域做出了重大貢獻，是ASA（美國聲學學會）會士、IEEE（美國電氣和電子工程師協會）會士和理事、ISCA（國際語音通信協會）會士，並憑借在深度學習與自動語音識別方向做出的傑出貢獻榮獲2015年度IEEE 信號處理技術成就獎。同時，他也曾在高端雜志和會議上發表過與上述領域相關的300 余篇學術論文，出版過5 部著作，發明及合作發明了超過70 多項專利。鄧立博士還擔任過IEEE

信號處理雜志和《音頻、語音與語言處理學報》（IEEE/ACMTransactions on Audio, Speech & anguage Processing）的主編。俞凱，IEEE 高級會員，上海交通大學計算機科學與工程系特別研究員。清華大學本科、碩士，英國劍橋大學工程系博士。長期從事智能語音及語言處理、人機交互、模式識別及機器學習的研究和產業化工作。他是中組部「千人計划」（青年項目）獲得者，國家自然科學基金委優秀青年科學基金獲得者，上海市「東方學者」特聘教授；作為共同創始人和首席科學家創立「蘇州思必馳信息科技有限公司」。現任中國聲學學會語音語言、聽覺及音樂分會執委會委員，中國計算機學會人

機交互專委會委員，中國語音產業聯盟技術工作組副組長。他的研究興趣涉及語音識別、語音合成、口語理解、對話系統、認知型人機交互等智能語音語言處理技術的多個核心技術領域，在本領域的一流國際期刊和會議上發表論文80 余篇，申請專利10 余項，取得了一系列研究、工程和產業化成果。在InterSpeech 及IEEE Spoken Language Processing 等國際會議上獲得3 篇國際會議優秀論文獎，獲得國際語音通信聯盟（ISCA）2013 年頒發的2008—2012 Computer Speech and Language 優論文獎。受邀擔任InterSpeech 2009 語音識別領域主席

、EUSIPCO 2011/EUSIPCO 2014 語音處理領域主席、InterSpeech 2014 口語對話系統領域主席等。他負責搭建或參與搭建的大規模連續語音識別系統，曾獲得美國國家標准局（NIST）和美國國防部內部評測冠軍；作為核心技術人員，負責設計並實現的認知型統計對話系統原型，在CMU 組織的2010 年對話系統國際挑戰賽上獲得了可控測試的冠軍。作為項目負責人或Co-PI，他主持了歐盟第7 框架PARLANCE、國家自然科學基金委、上海市教委、經信委，以及美國通用公司、蘇州思必馳信息科技有限公司的一系列科研及產業化項目。2014 年，因在智能語音技術產業化方面的貢獻，獲得中國人工

智能學會頒發的「吳文俊人工智能科學技術獎」。錢彥旻，上海交通大學計算機科學與工程系助理研究員，博士。分別在2007 年6 月和2013 年1 月於華中科技大學和清華大學獲得工學學士和工學博士學位。2013 年4 月起，任上海交通大學計算機科與工程系理研究員。同時從2015 年1 月至2015 年12 月，在英國劍橋大學工程系機器智能實驗室語音組進行訪問，作為項目研究員與語音識別領域的著名科學家Phil Woodland 教授和Mark Gales 教授開展合作研究。現為IEEE、ISCA 會員，同時也是國際開源項目Kaldi 語音識別工具包開發的項目組創始成員之一。此外，擔任IEEE Tran

sactions on Audio, Speech, and Language Processing、SpeechCommunication、ICASSP、Interspeech、ASRU 等國際期刊和會議的審稿人。目前在國內外學術刊物和會議上發表學術論文50 余篇，Google Scholar 總引用數近1000 次。其中包括在語音識別領域優秀國際會議ICASSP、InterSpeech 和ASRU 上發表論文30 余篇，申請國家專利共3 項，已授權1 項。2008 年獲科技奧運先進集體獎，2014 年獲中國人工智能學會頒發的「吳文俊人工智能科學技術獎進步獎」。曾作為負責人和主要參與者參加了

包括英國EPSRC、國家自然科學基金、國家863 等多個項目。目前的研究領域包括：語音識別、說話人和語種識別、自然語言理解、深度學習建模、多媒體信號處理等。 作者及譯者簡介譯者序序前言術語縮寫符號1簡介1.1自動語音識別：更好的溝通之橋1.1.1人類之間的交流1.1.2人機交流1.2語音識別系統的基本結構1.3全書結構1.3.1第一部分 ：傳統聲學模型1.3.2第二部分 ：深度神經網絡1.3.3第三部分 ：語音識別中的DNN—HMM混合系統1.3.4第四部分 ：深度神經網絡中的特征表示學習1.3.5第五部分 ：高級的深度模型第一部分 傳統聲學模型2混合高斯模型2.1隨機變量2

.2高斯分布和混合高斯隨機變量2.3參數估計2.4采用混合高斯分布對語音特征建模3隱馬爾可夫模型及其變體3.1介紹3.2馬爾可夫鏈3.3序列與模型3.3.1隱馬爾可夫模型的性質3.3.2隱馬爾可夫模型的仿真3.3.3隱馬爾可夫模型似然度的計算3.3.4計算似然度的高效算法3.3.5前向與后向遞歸式的證明3.4期望最大化算法及其在學習HMM參數中的應用3.4.1期望最大化算法介紹3.4.2使用EM算法來學習HMM參數—Baum—Welch算法3.5用於解碼HMM狀態序列的維特比算法3.5.1動態規划和維特比算法3.5.2用於解碼HMM狀態的動態規划算法3.6隱馬爾可夫模型和生成語音識別模型的變體

3.6.1用於語音識別的GMM—HMM模型3.6.2基於軌跡和隱藏動態模型的語音建模和識別3.6.3使用生成模型HMM及其變體解決語音識別問題第二部分 深度神經網絡4深度神經網絡4.1深度神經網絡框架4.2使用誤差反向傳播來進行參數訓練4.2.1訓練准則4.2.2訓練算法4.3實際應用4.3.1數據預處理4.3.2模型初始化4.3.3權重衰減4.3.4丟棄法4.3.5批量塊大小的選擇4.3.6取樣隨機化4.3.7慣性系數4.3.8學習率和停止准則4.3.9網絡結構4.3.10可復現性與可重啟性5高級模型初始化技術5.1受限玻爾茲曼機5.1.1受限玻爾茲曼機的屬性5.1.2受限玻爾茲曼機參數學習

5.2深度置信網絡預訓練5.3降噪自動編碼器預訓練5.4鑒別性預訓練5.5混合預訓練5.6采用丟棄手法的預訓練第三部分 語音識別中的深度神經網絡一隱馬爾可夫混合模型6深度神經網絡—隱馬爾可夫模型混合系統6.1DNN—HMM混合系統6.1.1結構6.1.2用CD—DNN—HMM解碼6.1.3CD—DNN—HMM訓練過程6.1.4上下文窗口的影響6.2CD—DNN—HMM的關鍵模塊及分析6.2.1進行比較和分析的數據集和實驗6.2.2對單音素或者三音素的狀態進行建模6.2.3越深越好6.2.4利用相鄰的語音幀6.2.5預訓練6.2.6訓練數據的標注質量的影響6.2.7調整轉移概率6.3基於KL距離

的隱馬爾可夫模型7訓練和解碼的加速7.1訓練加速7.1.1使用多GPU流水線反向傳播7.1.2異步隨機梯度下降7.1.3增廣拉格朗日算法及乘子方向交替算法7.1.4減小模型規模7.1.5其他方法7.2加速解碼7.2.1並行計算7.2.2稀疏網絡7.2.3低秩近似7.2.4用大尺寸DNN訓練小尺寸DNN7.2.5多幀DNN8深度神經網絡序列鑒別性訓練8.1序列鑒別性訓練准則8.1.1最大相互信息8.1.2增強型MMI8.1.3最小音素錯誤／狀態級最小貝葉斯風險8.1.4統一的公式8.2具體實現中的考量8.2.1詞圖產生8.2.2詞圖補償8.2.3幀平滑8.2.4學習率調整8.2.5訓練准則選擇8

.2.6其他考量8.3噪聲對比估計8.3.1將概率密度估計問題轉換為二分類設計問題8.3.2拓展到未歸一化的模型8.3.3在深度學習網絡訓練中應用噪聲對比估計算法第四部分 深度神經網絡中的特征表示學習9深度神經網絡中的特征表示學習9.1特征和分類器的聯合學習9.2特征層級9.3使用隨意輸入特征的靈活性9.4特征的魯棒性9.4.1對說話人變化的魯棒性9.4.2對環境變化的魯棒性9.5對環境的魯棒性9.5.1對噪聲的魯棒性9.5.2對語速變化的魯棒性9.6缺乏嚴重信號失真情況下的推廣能力10深度神經網絡和混合高斯模型的融合10.1在GMM—HMM系統中使用由DNN衍生的特征10.1.1使用Tand

em和瓶頸特征的GMM—HMM模型10.1.2DNN—HMM混合系統與采用深度特征的GMM—HMM系統的比較10.2識別結果融合技術10.2.1識別錯誤票選降低技術（ROVER）10.2.2分段條件隨機場（SCARF）10.2.3最小貝葉斯風險詞圖融合10.3幀級別的聲學分數融合10.4多流語音識別11深度神經網絡的自適應技術11.1深度神經網絡中的自適應問題11.2線性變換11.2.1線性輸入網絡11.2.2線性輸出網絡11.3線性隱層網絡11.4保守訓練11.4.1L2正則項11.4.2KL距離正則項11.4.3減少每個說話人的模型開銷11.5子空間方法11.5.1通過主成分分析構建子空間

11.5.2噪聲感知、說話人感知及設備感知訓練11.5.3張量11.6DNN說話人自適應的效果11.6.1基於KL距離的正則化方法11.6.2說話人感知訓練……第五部分 先進的深度學習模型參考文獻 以自然語言人機交互為主要目標的自動語音識別（ASR），在近幾十年來一直是研究的熱點。在2000年以前，有眾多語音識別相關的核心技術涌現出來，例如：混合高斯模型（GMM）、隱馬爾可夫模型（HMM）、梅爾倒譜系數（MFCC）及其差分、n 元詞組語言模型（LM）、鑒別性訓練以及多種自適應技術。這些技術極大地推進了ASR 以及相關領域的發展。但是比較起來，在2000 年到2010 年間，

雖然GMM-HMM序列鑒別性訓練這種重要的技術被成功應用到實際系統中，但是在語音識別領域中無論是理論研究還是實際應用，進展都相對緩慢與平淡。

液壓直驅式比例閥系統動態分析-模糊邏輯控制器應用與實現

為了解決國防大學理工學院分數的問題，作者傅弘傑 這樣論述：

液壓動力系統有響應快速、剛性高、功率大等優點。比例閥廣泛應用於各種機械設備的液壓系統中，主要任務是控制液壓執行器的運動。相較於伺服閥，比例閥的優點為較高的耐汙染度、價格便宜，常用於一般工業系統中。然而國內目前相關技術及產品大多仰賴國外大廠提供，如何研發國產的比例閥，就成為一個重要的課題。 本研究主要目的為控制直驅式比例閥。由於液壓比例閥為一非線性元件，因此需對複雜系統加以假設，簡化數學模型後，才能進行控制分析及動態模擬。本研究分別採用傳統比例積分微分控制器(PID)調整與模糊PID控制器進行比較。藉由數學模型推導後進行Matlab\Simulink模擬，最後以實驗驗證模擬與實際

上差異，並對兩種控制器進行分析比較。