期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到34,141篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
元宇宙:概念、技术及应用研究综述 被引量：2
1
作者 方巍 伏宇翔 《南京信息工程大学学报（自然科学版）》 CAS 2024年第1期30-45,共16页
网络技术、人机交互和人工智能等技术的飞速发展催生了元宇宙,并进一步促进人们物质生活各个方面的数字化转型.2021年是元宇宙元年,元宇宙作为一个新兴的概念受到产业界、学术界、媒体界及公众的广泛关注.本文尝试从技术维度和应用角度... 网络技术、人机交互和人工智能等技术的飞速发展催生了元宇宙,并进一步促进人们物质生活各个方面的数字化转型.2021年是元宇宙元年,元宇宙作为一个新兴的概念受到产业界、学术界、媒体界及公众的广泛关注.本文尝试从技术维度和应用角度深度剖析元宇宙.首先,从定义、起源与发展、特征和关键技术(网络及运算技术、物联网技术、人机交互技术、电子游戏技术、区块链技术、数字孪生技术和其他技术)等多方面对元宇宙的概念及内涵进行论述;然后,讨论了当下布局元宇宙的企业和应用实例;最后,剖析了目前元宇宙发展存在的问题和机遇,并对未来研究与应用进行了展望.通过对元宇宙当前的发展状况、研究趋势进行归纳分析以及科学地评估元宇宙的落地应用,为元宇宙研究人员提供有益的参考和借鉴. 展开更多
关键词 元宇宙 数字孪生 人工智能 虚拟现实 边缘计算 6G 区块链
下载PDF
聚丙烯/蒙脱土纳米复合材料的制备与力学性能预测 被引量：1
2
作者 刘金月 祝宝东 《化学工程师》 CAS 2024年第2期97-100,共4页
本文采用熔融挤出法制备了β成核聚丙烯/蒙脱土纳米复合材料,考察了蒙脱土、β成核剂及增容剂用量对复合材料缺口冲击强度和弯曲强度的影响,并用BP神经网络进行预测。结果表明,增加蒙脱土用量有助于复合材料强度的提高但对韧性不利;随... 本文采用熔融挤出法制备了β成核聚丙烯/蒙脱土纳米复合材料,考察了蒙脱土、β成核剂及增容剂用量对复合材料缺口冲击强度和弯曲强度的影响,并用BP神经网络进行预测。结果表明,增加蒙脱土用量有助于复合材料强度的提高但对韧性不利;随β成核剂用量的增加,复合材料的缺口冲击强度略有增加,而弯曲强度存在最优值,即添加β成核剂0.1%时,弯曲强度达到最大值35.06MPa,较不添加时增加了13.68%;随增容剂用量的增加,复合材料的韧性显著增大而强度有所降低,添加30%增容剂,复合材料的缺口冲击强度较不添加时增加了约3倍,而弯曲强度仅降低了28.39%;BP神经网络预测结果表明,该模型能够比较精确的预测该复合材料的力学性能。该研究对于优化聚丙烯基纳米复合材料制备及改进力学性能预测具有借鉴意义。 展开更多
关键词 聚丙烯 有机蒙脱土 Β成核剂 增容剂 BP神经网络
下载PDF
多模态特征的越南语语音识别文本标点恢复
3
作者 赖华 孙童 +3 位作者 王文君 余正涛 高盛祥 董凌 《计算机应用》 CSCD 2024年第2期418-423,共6页
越南语语音识别系统输出的文本序列缺少标点符号,恢复识别文本标点有助于消除歧义,更易于阅读和理解。越南语语音识别文本中常出现破坏语义的错误音节,基于文本模态的标点恢复模型在识别带噪文本时存在标点预测不准确的问题。利用越南... 越南语语音识别系统输出的文本序列缺少标点符号,恢复识别文本标点有助于消除歧义,更易于阅读和理解。越南语语音识别文本中常出现破坏语义的错误音节,基于文本模态的标点恢复模型在识别带噪文本时存在标点预测不准确的问题。利用越南语语音中的语气停顿及声调变化指导模型对带噪文本作出正确的标点预测,提出多模态特征的越南语语音识别文本标点恢复方法,利用梅尔倒谱系数(MFCC)提取语音特征,利用预训练语言模型提取文本上下文特征,基于标签注意力机制实现语音与文本多模态特征融合,增强模型对越南语带噪文本上下文信息的学习能力。实验结果表明,相较于基于Transformer和BERT提取文本单一模态特征的标点恢复模型,所提方法在越南语数据集上精确率、召回率和F1值均至少提高10个百分点,验证了融合语音与文本特征对提升越南语语音识别带噪文本标点预测精确率的有效性。 展开更多
关键词 语音识别 标点恢复 越南语 BERT 多模态
下载PDF
基于多序列隐关系的时序事件预测
4
作者 郝志峰 刘俊 +1 位作者 温雯 蔡瑞初 《计算机工程与应用》 CSCD 2024年第7期119-127,共9页
时序事件预测是指基于历史事件预测下一个事件,事件包括时间和类型两个属性。当前主要工作集中在单方面(事件时间或事件类型)的预测,但这无法回答“何时发生何事”这类更精细的问题。此类问题的挑战主要是事件类型非常多样,而行为往往... 时序事件预测是指基于历史事件预测下一个事件,事件包括时间和类型两个属性。当前主要工作集中在单方面(事件时间或事件类型)的预测,但这无法回答“何时发生何事”这类更精细的问题。此类问题的挑战主要是事件类型非常多样,而行为往往高度稀疏,给预测带来极大困难;需要预测的事件时间和事件类型分属两个域,如何把这两个域的信息加以融合并形成互补也是一个挑战。针对上述挑战,从融合多序列隐信息的角度探索了一种解决方法。基于某些事件序列之间具有模式相似性这一观察,提出建模事件序列的隐关系图,利用邻居序列的信息解决行为稀疏性的问题;通过合理设计神经网络模块,将事件的时间域和类型域的信息映射到共同的抽象空间,解决事件时间和事件类型信息的融合建模问题。通过在多个真实数据集上进行了大量实验,实验结果印证了多序列深度时序模型优于现有的一系列基准模型。 展开更多
关键词 多序列关系 事件预测 深度学习 时序 图方法
下载PDF
基于循环独立机制的交通流量预测
5
作者 温雯 江建强 +1 位作者 蔡瑞初 郝志峰 《广东工业大学学报》 CAS 2024年第1期86-92,共7页
交通流量预测是智能交通控制和管理系统的一个重要环节,但交通流量数据具有时间和空间上的非线性和复杂性等特征,为对其进行精准预测,本文提出了Graph Temopral Recurrent Independent Mechanisms (G-tRIM)模型。该模型使用图注意力网络... 交通流量预测是智能交通控制和管理系统的一个重要环节,但交通流量数据具有时间和空间上的非线性和复杂性等特征,为对其进行精准预测,本文提出了Graph Temopral Recurrent Independent Mechanisms (G-tRIM)模型。该模型使用图注意力网络(Graph Attention Networks, GAT)来有效捕获交通流量数据的空间依赖关系,使用循环独立机制(Recurrent Independent Mechanisms, RIM)来精准刻画交通流量数据的潜在状态。最后在北京和贵州数据集上,以均方误差(Mean Square Error, MSE)和平均绝对误差(Mean Absolute Error, MAE)为指标进行实验,结果表明,G-tRIM在各个数据集上的表现均优于基准模型。 展开更多
关键词 交通流量预测 图注意力网络 循环独立机制
下载PDF
基于轻量级YOLO-v4模型的变电站数字仪表检测识别
6
作者 华泽玺 施会斌 +3 位作者 罗彦 张子原 李威龙 唐永川 《西南交通大学学报》 EI CSCD 2024年第1期70-80,共11页
为了在变电站实际场景中准确获取数字仪表读数,智能管控变电站的安全风险,同时推动变电站智能化发展,以实际场景中变电站数字仪表作为研究对象,综合考虑实时性及准确度等,提出一种基于轻量级YOLOv4模型的变电站数字仪表检测识别方法.首... 为了在变电站实际场景中准确获取数字仪表读数,智能管控变电站的安全风险,同时推动变电站智能化发展,以实际场景中变电站数字仪表作为研究对象,综合考虑实时性及准确度等,提出一种基于轻量级YOLOv4模型的变电站数字仪表检测识别方法.首先,通过从鄂尔多斯变电站实际拍摄变电站数字仪表图像数据,使用Albumentations框架对数字仪表图像进行数据扩充,构建变电站数字仪表目标检测数据集;然后,以YOLO-v4网络为基础,结合注意力机制构建一个有效通道注意(efficient channel attention,ECA)改进的深度可分离卷积模块(ECA-bneck-m);最后,提出一个轻量级YOLO-v4模型,进行模型大小与性能的对比实验.实验结果表明:本文方法可以在几乎不损失检测准确度的情况下,将整个模型存储大小压缩为原先的1/5,同时将模型推理速度从24.0帧/s提升至36.9帧/s,其实时性能够满足实际变电站检测识别的工程需要. 展开更多
关键词 数字仪表 检测识别 YOLO-v4 数据增强 轻量化
下载PDF
基于改进YOLOv5s的轻量级绝缘子缺失检测
7
作者 池小波 张伟杰 +1 位作者 贾新春 续泽晋 《测试技术学报》 2024年第1期19-26,共8页
针对现有绝缘子缺失检测模型计算复杂度高和小目标难以检测等问题,提出一种基于改进的YOLOv5s轻量级检测模型。首先,移除主干网络中的C3模块来减少模型的参数量。其次,在多尺度特征融合网络中引入卷积块注意力机制来提高复杂背景下模型... 针对现有绝缘子缺失检测模型计算复杂度高和小目标难以检测等问题,提出一种基于改进的YOLOv5s轻量级检测模型。首先,移除主干网络中的C3模块来减少模型的参数量。其次,在多尺度特征融合网络中引入卷积块注意力机制来提高复杂背景下模型的特征提取能力。同时,采用加权双向特征金字塔网络结构对特征进行双向跨尺度加权融合,提升网络在遮挡物、相似目标干扰下目标的检测性能。最后,选用SIoU损失函数提升网络的收敛速度和检测精度。实验结果表明,所提模型的平均精准率为96.8%,浮点运算数为2.8 GFLOPS,而原始YOLOv5s在保证97.4%的平均精准率下的浮点运算数为16.3 GFLOPS。相较于原始模型,所提模型对小目标、遮挡目标以及模糊等场景有着较强的鲁棒性,且在保证近似检测精度的同时极大减少了计算量。 展开更多
关键词 绝缘子检测 YOLOv5s模型 卷积块注意力机制 加权双向特征金字塔网络 轻量化网络
下载PDF
基于CenterNet的多教师联合知识蒸馏
8
作者 刘绍华 杜康 +1 位作者 佘春东 杨傲 《系统工程与电子技术》 EI CSCD 2024年第4期1174-1184,共11页
介绍了一种基于轻量化CenterNet的多教师联合知识蒸馏方案。所提方案能有效解决模型轻量化带来的性能恶化问题,可以显著缩小教师模型和学生模型之间的性能差距。将大规模复杂模型作为教师模型,指导训练轻量化学生模型。相比于模型的传... 介绍了一种基于轻量化CenterNet的多教师联合知识蒸馏方案。所提方案能有效解决模型轻量化带来的性能恶化问题,可以显著缩小教师模型和学生模型之间的性能差距。将大规模复杂模型作为教师模型,指导训练轻量化学生模型。相比于模型的传统训练方案,使用所提知识蒸馏训练方案可以在相同的训练轮数后使轻量化模型达到更优的检测性能。主要贡献是提出了适用于CenterNet目标检测网络的新型知识蒸馏训练方案——多教师联合知识蒸馏。在后续实验中,进一步引入了蒸馏注意力机制,从而优化了多教师联合知识蒸馏的训练效果。在VOC2007数据集(Visual Object Classes 2007 Dataset)上,以MobileNetV2轻量化网络作为主干网络为例,相较于传统的CenterNet(主干网络为ResNet50),所提方案在参数量指标上压缩了74.7%,推理速度提升了70.5%,在平均精度上只有1.99的降低,取得了更好的“性能-速度”平衡。实验证明,同样经过100轮训练,使用多教师联合知识蒸馏训练方案的轻量化模型相较于普通训练方案,平均精度提升了11.30。 展开更多
关键词 轻量化 知识蒸馏 注意力机制 联合训练
下载PDF
船载投料系统饲料颗粒流落点预测
9
作者 俞国燕 王涛 +1 位作者 郭国全 刘皞春 《广东海洋大学学报》 CAS CSCD 2024年第1期142-152,共11页
【目的】为解决网箱养殖中使用船载投料系统的饲料颗粒流落点控制问题,提出一种用于实时分割饲料颗粒流轨迹并精确预测其落点的方法(MLBP)。【方法】考虑到输料管管内参数及饲料颗粒流出口参数获取难度较大,本研究采用高速相机获取饲料... 【目的】为解决网箱养殖中使用船载投料系统的饲料颗粒流落点控制问题,提出一种用于实时分割饲料颗粒流轨迹并精确预测其落点的方法(MLBP)。【方法】考虑到输料管管内参数及饲料颗粒流出口参数获取难度较大,本研究采用高速相机获取饲料颗粒流轨迹图像,并利用提出的混合网络模型分割饲料颗粒流轨迹,以获取轨迹关键信息;为准确预测饲料颗粒流落点,利用BP神经网络的优势,将轨迹信息及投料口高度作为其输入,实现饲料颗粒流落点的预测。【结果】与相关研究方法对比,结合混合网络模型与BP神经网络的MLBP方法的系统单次运行时间降低95%,同时落点预测准确度达到96%,落点的平均误差范围与平均误差百分比也分别降低32.0%和30.5%。【结论】本研究提出的MLBP方法预测精度及实时性均能满足网箱投饵作业需求,可为相关研究提供参考。 展开更多
关键词 网箱养殖 船载式投料系统 落点预测模型 混合网络模型 BP神经网络
下载PDF
β成核聚丙烯/蒙脱土纳米复合材料的结构与力学性能
10
作者 刘金月 孟静 祝宝东 《化学工程师》 CAS 2024年第3期99-103,共5页
本文使用双螺杆挤出机制备了β成核聚丙烯(β-PP)/有机蒙脱土(OMMT)纳米复合材料。采用FTIR、XRD和SEM分析了复合材料的微观结构与形貌特征,考察了OMMT、β成核剂(β-NA)及增容剂用量对复合材料冲击强度和弯曲强度的影响,并对比研究了标... 本文使用双螺杆挤出机制备了β成核聚丙烯(β-PP)/有机蒙脱土(OMMT)纳米复合材料。采用FTIR、XRD和SEM分析了复合材料的微观结构与形貌特征,考察了OMMT、β成核剂(β-NA)及增容剂用量对复合材料冲击强度和弯曲强度的影响,并对比研究了标准BP神经网络模型和LM-BP神经网络模型对力学性能的预测能力。结果表明,增容剂与OMMT表面形成了强相互作用,提高了复合体系的相容性,黏土片以插层结构分散在β-PP基体内。OMMT、β-NA及增容剂用量对复合材料的力学性能均产生了一定影响,其中添加30%增容剂时复合材料的冲击强度约为不添加时的4倍,而弯曲强度仅降低了28.39%。此外,与标准BP神经网络模型相比,LM-BP神经网络模型具有更快的收敛速度和更高的预测精度。该研究为优化PP基纳米复合材料的制备及力学性能预测提供了参考。 展开更多
关键词 聚丙烯 有机蒙脱土 Β成核剂 增容剂 LM算法 BP神经网络
下载PDF
基于CNN-LSTM混合神经网络的高速铁路地震响应预测
11
作者 张学兵 谢啸楠 +1 位作者 王礼 吴晗 《湘潭大学学报（自然科学版）》 CAS 2024年第1期1-13,共13页
为了更好地挖掘高速铁路在地震时的响应信息,提高光纤光栅监测的效率及预测精度,该文针对地震响应数据的时序性及非线性的特点,提出卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合神经网络模型预测方法.通过在高速铁路简支梁桥上布设... 为了更好地挖掘高速铁路在地震时的响应信息,提高光纤光栅监测的效率及预测精度,该文针对地震响应数据的时序性及非线性的特点,提出卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合神经网络模型预测方法.通过在高速铁路简支梁桥上布设准分布式光纤光栅采集地震时轨道板、钢轨、底座板、箱梁的响应数据,在每根光纤上布置7个光栅,利用两边光栅的响应数据预测中间点的光栅响应,将采集位置、历史数据及地震波形等信息作为特征图输入.利用CNN提取特征,再将提前提取出来的特征数据以时序方式作为LSTM网络的输入数据,最后LSTM网络进行地震应变响应预测.实验结果表明,LSTM网络在3层时效果最好,CNN-LSTM方法具有较高的预测精度,根均平方误差(R_(RMSE))、平均绝对误差(R_(MAE))、决定系数(R^(2))分别达到了0.3753、0.2968、0.9371. 展开更多
关键词 准分布式光纤光栅 振动台试验 地震响应 卷积神经网络-长短期记忆网络混合模型
下载PDF
可信的图神经网络节点分类方法
12
作者 刘彦北 马夕然 王雯 《天津工业大学学报》 CAS 2024年第1期82-88,共7页
为了研究节点特征表示的不确定性对节点分类的影响,提出一种可信的图神经网络节点分类方法。算法使用径向基函数计算节点间距离,得到各类节点质心后,根据距离分配与未标记节点最近质心的类别标签提高节点分类性能,同时定义未标记节点和... 为了研究节点特征表示的不确定性对节点分类的影响,提出一种可信的图神经网络节点分类方法。算法使用径向基函数计算节点间距离,得到各类节点质心后,根据距离分配与未标记节点最近质心的类别标签提高节点分类性能,同时定义未标记节点和质心之间的距离为模型输出的不确定性,并使用梯度惩罚损失加强输入变化的可检测性,可以有效地检测分布外节点样本。在Cora、Citeseer和Pubmed这3个公开网络数据集上的结果表明:模型在分类任务的AUROC指标分别达到81.5%、76.2%和74.6%,在分布外样本检测任务中AUROC指标分别达到83.6%、72.8%和70.6%,证明了所提算法在提高节点分类性能的同时,可以有效检测分布外的节点样本,提高了节点分类的可信性。 展开更多
关键词 图神经网络 节点分类 分布外检测 不确定性估计 梯度惩罚
下载PDF
OLED屏下RGB图像优化算法
13
作者 葛晨阳 李慧 +1 位作者 虎天亮 周艳辉 《微电子学与计算机》 2024年第3期12-20,共9页
全面屏的流行对智能手机前置摄像头提出了屏下高质量拍摄的要求。目前用于屏下拍摄方案的有机发光二极管(Organic Light-Emitting Diode,OLED)透明屏存在光衍射、折射等现象,导致拍摄的RGB图像易产生模糊和细节丢失等问题。针对上述问题... 全面屏的流行对智能手机前置摄像头提出了屏下高质量拍摄的要求。目前用于屏下拍摄方案的有机发光二极管(Organic Light-Emitting Diode,OLED)透明屏存在光衍射、折射等现象,导致拍摄的RGB图像易产生模糊和细节丢失等问题。针对上述问题,提出了一种OLED屏下RGB图像优化算法。针对目前屏下RGB图像优化数据集较少的问题,设计实现了一种基于智能手机的OLED透明屏屏下图像数据采集装置,采集并制作了由10000多组典型场景构成的屏下图像数据集。其次,提出了一种基于生成对抗网络(Generative Adversarial Nets,GAN)的屏下RGB图像优化算法,其中生成器采用残差网络学习屏下图像细节信息,所设计的感知损失函数是颜色损失、对抗损失和内容损失三者的结合。实验结果表明,基于主观视觉和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)等定量评价指标,本文算法在自建数据集上的图像优化效果优于当前的DPED等方法的效果。 展开更多
关键词 OLED透明屏 图像优化 屏下RGB图像 生成对抗网络
下载PDF
基于概率稀疏自注意力的航空发动机剩余寿命预测
14
作者 王欣 黄佳琪 许雅玺 《科学技术与工程》 2024年第6期2424-2433,共10页
航空发动机剩余寿命预测对其健康管理具有重要意义,针对长序列、多维度的航空发动机监测参数,提出一种基于概率稀疏自注意力(ProbSparse Self-Attention)的Transformer模型以实现航空发动机剩余寿命的准确预测。用ProbSparse Self-Atten... 航空发动机剩余寿命预测对其健康管理具有重要意义,针对长序列、多维度的航空发动机监测参数,提出一种基于概率稀疏自注意力(ProbSparse Self-Attention)的Transformer模型以实现航空发动机剩余寿命的准确预测。用ProbSparse Self-Attention取代原始Transformer中的常规自注意力机制,使得模型更关注时间序列中重要的时间节点,大幅缩减时间维度,减小了时间和空间复杂度;通过注意力层整合后的信息,进一步通过前馈神经网络层和卷积层,提取传感器的空间特征,编码层之间通过扩张因果卷积相连接,扩大了感受野,提高了模型对长序列信息的捕获能力。在新公开的N-CMAPSS数据集上验证算法,实验结果表明,相比于实验中的对比模型,所提模型的RMSE和Score值均有提升,推理速度也优于其他模型。 展开更多
关键词 概率稀疏自注意力 剩余寿命预测 航空发动机 TRANSFORMER 深度学习
下载PDF
基于改进ShuffleNet v2的轻量化番茄叶片病害识别
15
作者 李大华 仲婷 +1 位作者 王笋 于晓 《江苏农业科学》 2024年第3期220-228,共9页
番茄大面积种植导致叶片部位被病虫害侵蚀面积不一、侵蚀种类多样化等问题,为了满足在资源有限的硬件设备上实现对番茄叶片病害准确识别,提出改进ShuffleNet v2模型。首先对基本单元进行改进,提出SA-stage模块,使模型密切关注叶片相关... 番茄大面积种植导致叶片部位被病虫害侵蚀面积不一、侵蚀种类多样化等问题,为了满足在资源有限的硬件设备上实现对番茄叶片病害准确识别,提出改进ShuffleNet v2模型。首先对基本单元进行改进,提出SA-stage模块,使模型密切关注叶片相关特征信息的同时减小了参数量和计算量;其次提出LFN轻量化特征融合模块,实现浅层和深层网络的上下文信息交互;接着引入RFB-s轻量化特征增强模块,增强小目标病害的特征提取;最后将SPD-Conv代替普通卷积和最大池化层,降低图像分辨率的同时保留了番茄叶片病害小目标的细粒度信息。试验结果表明,改进ShuffleNet v2模型在10种番茄叶片病害图像上进行测试,准确率和平均召回率分别达到了96.55%、96.40%,较原模型分别提高了4.44、3.70百分点;参数量和计算量分别为348154、38.75 MB,较原模型分别减少3888、3.88 MB。相比于其他分类模型AlexNet、ResNet50、MobileNet v3等,改进ShuffleNet v2模型不仅准确率最高、参数量和计算量最小,而且权重最小,仅为1.51 MB。该研究提出的改进ShuffleNet v2模型具备在资源有限的移动设备上部署的条件,满足实时、准确地识别番茄叶片病害。 展开更多
关键词 番茄 叶片病害 病害识别 轻量化 参数量
下载PDF
基于雷达回波进行降水场预测的无监督学习模型训练策略
16
作者 于霞 朱智睿 +2 位作者 段勇 李冰洁 杨海波 《沈阳大学学报（自然科学版）》 CAS 2024年第2期121-131,共11页
为了提高降水场预测模型的学习效率与预测性能,在预测模型的训练阶段提出一个改善的训练策略,使其可以充分学习物体运动轨迹以及物体运动时的外观变化。通过在一个雷达回波数据集和一个公开数据集上进行对应实验,可以显示出该方法在两... 为了提高降水场预测模型的学习效率与预测性能,在预测模型的训练阶段提出一个改善的训练策略,使其可以充分学习物体运动轨迹以及物体运动时的外观变化。通过在一个雷达回波数据集和一个公开数据集上进行对应实验,可以显示出该方法在两项指标的性能表现上具有明显提高,证明了该方法的有效性。 展开更多
关键词 机器学习 深度学习 降水预测 循环神经网络 帧预测
下载PDF
基于图神经网络的人工自然语言语义挖掘仿真
17
作者 周显春 喻佳 《计算机仿真》 2024年第1期344-348,共5页
语义挖掘工具可从批量非结构化人工自然语言文本数据中准确提取有用信息,但是由于网络环境文本具备半结构化、多尺度、海量、复杂关联等属性,导致文本数据通常维度较高,且仅有小部分节点存在明确标签,因此语义挖掘难度较大。提出基于图... 语义挖掘工具可从批量非结构化人工自然语言文本数据中准确提取有用信息,但是由于网络环境文本具备半结构化、多尺度、海量、复杂关联等属性,导致文本数据通常维度较高,且仅有小部分节点存在明确标签,因此语义挖掘难度较大。提出基于图神经网络的人工自然语言语义挖掘方法。结合多头注意力机制和半监督图卷积神经网络对人工自然语言文本降维处理。联合改进的模糊C均值聚类算法和免疫单亲遗传算法,构建人工自然语言语义挖掘算法。实验结果表明,研究方法的聚类纯度、准确率和召回率均高于95%,说明上述方法的应用性能较优。 展开更多
关键词 图神经网络 人工自然语言 语义挖掘 多头注意力机制
下载PDF
基于深层卷积随机配置网络的电熔镁炉工况识别方法研究
18
作者 李帷韬 童倩倩 +1 位作者 王殿辉 吴高昌 《自动化学报》 EI CAS CSCD 2024年第3期527-543,共17页
为解决电熔镁炉工况识别模型泛化能力和可解释性弱的缺陷,提出一种基于深层卷积随机配置网络(Deep convolutional stochastic configuration networks,DCSCN)的可解释性电熔镁炉异常工况识别方法.首先,基于监督学习机制生成具有物理含... 为解决电熔镁炉工况识别模型泛化能力和可解释性弱的缺陷,提出一种基于深层卷积随机配置网络(Deep convolutional stochastic configuration networks,DCSCN)的可解释性电熔镁炉异常工况识别方法.首先,基于监督学习机制生成具有物理含义的高斯差分卷积核,采用增量式方法构建深层卷积神经网络(Deep convolutional neural network,DCNN),确保识别误差逐级收敛,避免反向传播算法迭代寻优卷积核参数的过程.定义通道特征图独立系数获取电熔镁炉特征类激活映射图的可视化结果,定义可解释性可信度评测指标,自适应调节深层卷积随机配置网络层级,对不可信样本进行再认知以获取最优工况识别结果.实验结果表明,所提方法较其他方法具有更优的识别精度和可解释性. 展开更多
关键词 电熔镁炉 深层卷积随机配置网络 高斯差分卷积核 类激活映射图 可解释性
下载PDF
结合时间注意力机制和单模态标签自动生成策略的自监督多模态情感识别
19
作者 孙强 王姝玉 《电子与信息学报》 EI CAS CSCD 2024年第2期588-601,共14页
大多数多模态情感识别方法旨在寻求一种有效的融合机制,构建异构模态的特征,从而学习到具有语义一致性的特征表示。然而,这些方法通常忽略了模态间情感语义的差异性信息。为解决这一问题,提出了一种多任务学习框架,联合训练1个多模态任... 大多数多模态情感识别方法旨在寻求一种有效的融合机制,构建异构模态的特征,从而学习到具有语义一致性的特征表示。然而,这些方法通常忽略了模态间情感语义的差异性信息。为解决这一问题,提出了一种多任务学习框架,联合训练1个多模态任务和3个单模态任务,分别学习多模态特征间的情感语义一致性信息和各个模态所含情感语义的差异性信息。首先,为了学习情感语义一致性信息,提出了一种基于多层循环神经网络的时间注意力机制(TAM),通过赋予时间序列特征向量不同的权重来描述情感特征的贡献度。然后,针对多模态融合,在语义空间进行了逐语义维度的细粒度特征融合。其次,为了有效学习各个模态所含情感语义的差异性信息,提出了一种基于模态间特征向量相似度的自监督单模态标签自动生成策略(ULAG)。通过在CMU-MOSI,CMU-MOSEI, CH-SIMS 3个数据集上的大量实验结果证实,提出的TAM-ULAG模型具有很强的竞争力:在分类指标(Acc_(2),F_(1))和回归指标(MAE, Corr)上与基准模型的指标相比均有所提升;对于二分类识别准确率,在CMUMOSI和CMU-MOSEI数据集上分别为87.2%和85.8%,而在CH-SIMS数据集上达到81.47%。这些研究结果表明,同时学习多模态间的情感语义一致性信息和各模态情感语义的差异性信息,有助于提高自监督多模态情感识别方法的性能。 展开更多
关键词 多模态情感识别 自监督标签生成 多任务学习 时间注意力机制 多模态融合
下载PDF
融合Mar-GLSTM的流程生产工艺质量预测算法
20
作者 阴艳超 苏逸凡 +3 位作者 唐军 林文强 蒲昊苒 汪霖宇 《计算机集成制造系统》 EI CSCD 2024年第3期942-957,共16页
针对流程生产连续性强、时序耦合复杂等特点,传统神经网络不具备长期记忆能力,且在深层次网络训练时易出现训练参数灾难、梯度爆炸等问题,提出基于马尔可夫优化的融合门控循环单元(GRU)与长短期记忆网络(LSTM)的组合预测模型(Mar-G LSTM... 针对流程生产连续性强、时序耦合复杂等特点,传统神经网络不具备长期记忆能力,且在深层次网络训练时易出现训练参数灾难、梯度爆炸等问题,提出基于马尔可夫优化的融合门控循环单元(GRU)与长短期记忆网络(LSTM)的组合预测模型(Mar-G LSTM)。首先在循环神经网络结构中融入门控机制构建深度LSTM神经网络模型,对流程生产时序数据信息进行选择性记忆,学习时序数据序列的信息依赖,进而解决训练过程中的梯度爆炸问题;同时结合马尔可夫链对GRU-LSTM模型的预测结果进行修正优化,在降低模型的复杂度的情况下进一步提高了模型的预测精度。最后,结合某流程生产线的工艺数据进行分析验证,结果表明,Mar-G LSTM算法在预测精度上较随机森林模型、门控循环单元神经网络模型(GRU)、长短期记忆神经网络模型(LSTM)和卷积神经网络与门控循环单元网络组合模型(CNN-GRU)分别提高了37.42%、21.32%、17.91%和12.56%,所提Mar-G LSTM算法可实现流程生产质量的准确预测,为降低工艺参数调控任务的完成时间提供了思路和实现途径。 展开更多
关键词 流程生产 工艺质量预测 门控循环单元 长短期记忆网络 马尔可夫链
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 250 下一页 到第 页
使用帮助 返回顶部