检索结果-南通市图书馆

Optimization of the End Effect of Hilbert-Huang transform(HHT)

在线全文

学校读者我要写书评

暂无评论

Chinese Journal of Mechanical Engineering 2017年第3期30卷 732-745页

作者： chenhuan Lv Jun ZHAO Chao WU Tiantai GUO Hongjiang chen College of Metrology&Measurement Engineering China Jiliang UniversityHangzhou 310018China Hunan Institute of Metrology and Test Changsha 410014China

In fault diagnosis of rotating machinery, Hil- bert-Huang transform （HHT） is often used to extract the fault characteristic signal and analyze decomposition results in time-frequency domain. However, end effect occurs in HHT, which leads to a series of problems such as modal aliasing and false IMF （Intrinsic Mode Func- tion）. To counter such problems in HHT, a new method is put forward to process signal by combining the general- ized regression neural network （GRNN） with the bound- ary local characteristic-scale continuation （BLCC）. Firstly, the improved EMD （Empirical Mode Decompo- sition） method is used to inhibit the end effect problem that appeared in conventional EMD. Secondly, the gen- erated IMF components are used in HHT. Simulation and measurement experiment for the cases of time domain, frequency domain and related parameters of Hilbert- Huang spectrum show that the method described here can restrain the end effect compared with the results obtained through mirror continuation, as the absolute percentage of the maximum mean of the beginning end point offset and the terminal point offset are reduced from 30.113% and 27.603% to 0.510% and 6.039% respectively, thus reducing the modal aliasing, and eliminating the false IMF components of HHT. The proposed method caneffectively inhibit end effect, reduce modal aliasing and false IMF components, and show the real structure of signal components accuratelX.

关键词： End effect Hilbert-Huang transform (HHT)Modal aliasing Boundary local characteristic-scalecontinuation (BLCC) Generalized regression neuralnetwork (GRNN)

多重特征关联和图注意力网络融合的文献分类方法研究——以中文医学文献为例

在线全文

学校读者我要写书评

暂无评论

情报学报 2024年第4期43卷 470-490页

作者：陈帅朴钱宇星钱志强刘政昊张志剑武汉大学信息管理学院武汉430072 武汉大学大数据研究院武汉430072 武汉大学信息资源研究中心武汉430072

近年来,科学文献呈现增速迅猛、内容复杂、主题细化等特点,给文献分类任务带来了挑战。在此背景下,推动文献自动分类技术的发展,实现科学文献在《中国图书馆分类法》上的正确分类对于信息资源的智能化管理和科学研究的效率化检索具有重... 详细信息

近年来,科学文献呈现增速迅猛、内容复杂、主题细化等特点,给文献分类任务带来了挑战。在此背景下,推动文献自动分类技术的发展,实现科学文献在《中国图书馆分类法》上的正确分类对于信息资源的智能化管理和科学研究的效率化检索具有重要意义。本文提出了多重特征关联和图注意力网络融合的层次分类(hierarchical text clas‐sification networks based on multiple feature correlation and graph attention network,HTCN-MCGAT)模型。该模型由三个模块组成。首先是文献表示与增强模块。为适配文献分类任务,采用表示和增强两阶段流程,重新设计bert(bi‐directional encoder representation from transformers)预训练模型的微调阶段,使其能够从文献摘要、标题和关键词的内部字符关联以及外部文档关联两个级别实现当前文献的增强表示。其次是标签关联建模模块。使用图注意力网络实现标签语义和层次结构的关系建模。最后是层次交互分类模块。先构建文献和标签的层次融合注意力机制,实现特征空间的文献语义信息与符号空间的层次标签信息的特征关联;再基于多任务学习视角,通过全局和局部信息融合的层次分类网络实现文献分类。本文以中文医学文献作为研究对象,设计系列实验,相较于逐层和平面多分类方法,HTCN-MCGAT模型在F1-score上提高了4.34%~13.21%。此外,还通过样例分析综合验证了本文模型的有效性。本文从特征关联丰富化和层次关系建模两方面对文献分类模型展开优化,在文献分类任务中发挥了较好的应用价值,未来可以推广至更多具有层次结构的分类任务领域。

关键词：文献分类预训练模型图注意力网络注意力机制

基于Transformer模型的自然语言处理研究综述

在线全文

学校读者我要写书评

暂无评论

现代计算机 2024年第14期30卷 31-35页

作者：蒋雷汤海林陈瑜瑾广东白云学院大数据与计算机学院广州510450

ChatGPT的出现标志着自然语言处理(NLP)领域的技术和应用达到了历史的巅峰,它是一种基于深度学习的模型架构,可帮助人们更加便捷地获取信息和解决问题,可实现自然语言对话和生成,可应用于问答系统、对话机器人、智能客服等领域。深度学... 详细信息

ChatGPT的出现标志着自然语言处理(NLP)领域的技术和应用达到了历史的巅峰,它是一种基于深度学习的模型架构,可帮助人们更加便捷地获取信息和解决问题,可实现自然语言对话和生成,可应用于问答系统、对话机器人、智能客服等领域。深度学习是人工智能的深层次理论,NLP则是深度学习的一个重要发展方向。在NLP领域中最著名、影响最大的模型就是Transformer,像GPT、bert和T5等大语言模型都基于它而实现。Transformer的出现引发了NLP领域的一次革命,它的自注意力机制使得NLP任务具有更高的效率和准确性,并且能够处理任意长度的序列(字符序列,即文本)、它的并行处理能力使得在处理大规模数据时更加高效,可通过回顾NLP的发展历史,将其它NLP技术和Transformer模型进行对比和分析,来对Transformer模型的先进思想和重要地位进行研究和论证。

关键词： Transformer 自然语言处理人工智能 Sequence2Sequence ChatGPT

基于Transformer的预训练语言模型在生物医学领域的应用

在线全文

学校读者我要写书评

暂无评论

厦门大学学报(自然科学版) 2024年第5期63卷 883-893页

作者：游至宇阳倩傅姿晴陈庆超李奇渊厦门大学医学院健康医疗大数据国家研究院北京大学健康医疗大数据国家研究院跨媒体通用人工智能全国重点实验室

[背景]随着人工智能技术的快速发展，自然语言处理(NLP)已成为生物医学研究领域中的一项关键技术.而基于Transformer框架的预训练语言模型(T-PLMs)已被广泛应用于生物医学文本的分析，有效地推动了临床决策支持系统的发展和基因组学数... 详细信息

[背景]随着人工智能技术的快速发展，自然语言处理(NLP)已成为生物医学研究领域中的一项关键技术.而基于Transformer框架的预训练语言模型(T-PLMs)已被广泛应用于生物医学文本的分析，有效地推动了临床决策支持系统的发展和基因组学数据的解读.[进展]本文聚焦于T-PLMs在生物医学领域的应用，探讨其在处理和理解生物医学文本数据方面的潜力和挑战.首先回顾NLP技术的演进，从传统的特征工程到预训练语言模型的兴起，特别是bert等模型如何改变生物医学文本分析的范式；随后详细介绍T-PLMs的训练范式，包括预训练和微调过程，以及如何通过特定领域的预训练和Prompt工程来提升模型在生物医学任务中的性能；进而深入探讨T-PLMs在生物医学领域的多样化应用，包括文本表示和知识挖掘、临床决策支持、医学影像理解、蛋白质预测、分子表示和药物设计等，并特别归纳收集了上述多个生物医学细分领域相关的数据库资料.[展望]当前研究和应用中仍面临许多挑战，如模型可解释性、数据隐私保护、多模态数据等.基于此对未来的研究方向提出展望，以充分发挥NLP在推动生物医学研究和改善患者护理方面的潜力.

关键词：自然语言处理生物医学应用预训练语言模型多模态学习医疗文本挖掘

维普期刊数据库博看期刊

基于句法CYK图神经网络的知识增强文本分类

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第S01期44卷 11-17页

作者：章巍陈学奇韩剑锋虞小江吴海燕浙江浙能临海海上风力发电有限公司浙江临海317000 杭州蓝城新能源科技有限公司杭州310000 浙江财经大学信息技术与人工智能学院杭州310018

句子分类方法主要分为基于特征工程的机器学习方法、序列化模型和结构化模型,但基于特征工程的机器学习方法对词序不敏感易产生稀疏向量,序列化模型忽略了句子的短语、依存关系等句法结构信息,结构化模型如句法树、二叉树等的准确率受... 详细信息

句子分类方法主要分为基于特征工程的机器学习方法、序列化模型和结构化模型,但基于特征工程的机器学习方法对词序不敏感易产生稀疏向量,序列化模型忽略了句子的短语、依存关系等句法结构信息,结构化模型如句法树、二叉树等的准确率受句法解析工具影响。针对上述问题,构建基于句法CYK(Cocke Younger Kasami)图神经网络(GNN)的知识增强文本分类模型S-CYK,对输入句子分别构建对应的短语树和CYK图以形成句法CYK图,并利用关系图注意力网络(RGAT)进行句子分类。在公共数据集AG’s News、DBpedia、ARP(Amazon Review Polarity)和ARF(Amazon Review Full)上的实验结果表明,与现有先进模型半监督变分自编码器(SSVAE)、对抗性微调bert(AFTB)、基于GloVe的ABLSTM(GloVe+ABLSTM)和融合FastText的CNN(CNN with FastText)相比,S-CYK模型在4个数据集的准确率提升了0.04%~1.21%。S-CYK使用句法CYK图结构进行知识增强,能有效增强聚合句子信息的能力。

关键词：句法知识 CYK算法知识增强图神经网络文本分类

在线全文

学校读者我要写书评

暂无评论

AI大模型赋能网络流量分类概述

邮电设计技术 2024年第09期 13-19页

作者：陈雪娇付梦艺王攀南京信息职业技术学院南京邮电大学

提出一个通用的AI驱动的网络流量分类框架，阐述了所涉及的工作流程、分类目标、设计原则以及典型场景等，并提出了一个基于bert的网络流量分类模型，通过将输入的分组净荷进行向量化嵌入，然后送入bert进行预训练，用于实现流量数据的... 详细信息

提出一个通用的AI驱动的网络流量分类框架，阐述了所涉及的工作流程、分类目标、设计原则以及典型场景等，并提出了一个基于bert的网络流量分类模型，通过将输入的分组净荷进行向量化嵌入，然后送入bert进行预训练，用于实现流量数据的上下文理解并捕获双向特征，然后对接一个全连接网络对分类下游任务进行微调，从而实现流量分类。通过与AE、VAE、ByteSGAN 3个经典的流量分类深度学习模型在CICIDS2017公开数据集上进行对比，发现bert的精度明显高于其他方法。

关键词：流量分类流量识别入侵检测 bert 大模型

在线全文

学校读者我要写书评

暂无评论

融合行为词的罪名预测多任务学习模型

计算机应用 2024年第1期44卷 159-166页

作者：郭晓陈艳平唐瑞雪黄瑞章秦永彬公共大数据国家重点实验室(贵州大学) 贵阳550025 贵州大学计算机科学与技术学院贵阳550025 贵州财经大学信息学院贵阳550025

随着人工智能技术在司法领域的应用,依据案情描述预测所属罪名成为一项重要研究内容。案情内容术语专业,描述言简意赅,而现有方法却往往依赖文本特征,忽略了不同案件相关要素的差异性,缺乏对案情行为词要素的有效利用。为了解决此类问题... 详细信息

随着人工智能技术在司法领域的应用,依据案情描述预测所属罪名成为一项重要研究内容。案情内容术语专业,描述言简意赅,而现有方法却往往依赖文本特征,忽略了不同案件相关要素的差异性,缺乏对案情行为词要素的有效利用。为了解决此类问题,提出一种融合行为词的罪名预测多任务学习模型。首先,由边界识别器生成行为词跨度,提炼出案情核心内容;其次,通过构建行为词的结构特征预测所属罪名;最后,将行为词识别和罪名预测进行统一建模,通过共享参数的方式增强模型的泛化能力。通过构建行为词识别和罪名预测的多任务数据集进行验证,实验结果表明该模型识别行为词任务的F值达到了83.27%,罪名预测任务的F值达到了84.29%,与bert-CNN模型相比,分别提高了0.57%和2.61%,验证了该模型对行为词识别和罪名预测的优势。

关键词：罪名预测行为词边界识别图卷积神经网络多任务学习

MII:A Novel Text Classification Model Combining Deep Active Learning with bert

在线全文

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2020年第6期63卷 1499-1514页

作者： Anman Zhang Bohan Li Wenhuan Wang Shuo Wan Weitong chen College of Computer Science and Technology Nanjing University of Aeronautics and AstronauticsNanjing211106China Key Laboratory of Safety-Critical Software Ministry of Industry and Information TechnologyNanjing211106China Collaborative Innovation Center of Novel Software Technology and Industrialization Nanjing210046China School of Information Technology and Electrical Engineering University of QueenslandQueenslandAustralia

Active learning has been widely utilized to reduce the labeling cost of supervised *** selecting specific instances to train the model,the performance of the model was improved within limited ***,rare work paid attention to the effectiveness of active learning on *** this paper,we proposed a deep active learning model with bidirectional encoder representations from transformers(bert)for text *** takes advantage of the self-attention mechanism to integrate contextual information,which is beneficial to accelerate the convergence of *** for the process of active learning,we design an instance selection strategy based on posterior probabilities Margin,Intra-correlation and Inter-correlation(MII).Selected instances are characterized by small margin,low intra-cohesion and high *** conduct extensive experiments and analytics with our *** effect of learner is compared while the effect of sampling strategy and text classification is assessed from three real *** results show that our method outperforms the baselines in terms of accuracy.

关键词： Active learning instance selection deep neural network text classification

基于多模态数据挖掘的网络医生答复采纳预测研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

医学信息学杂志 2024年第2期45卷 44-51页

作者：邓伟伟余天炜陈寒奉国和华南师范大学经济与管理学院广州510006 华南师范大学教师教育学部广州510660

目的/意义通过多模态数据分析方法对网络问诊平台中的医患问答相关数据进行挖掘,并基于挖掘结果预测患者是否采纳网络医生对其问题的答复。方法/过程基于网络问诊平台爬取的医患问答相关数值和类别数据、文本和图像数据,根据疾病类型构... 详细信息

目的/意义通过多模态数据分析方法对网络问诊平台中的医患问答相关数据进行挖掘,并基于挖掘结果预测患者是否采纳网络医生对其问题的答复。方法/过程基于网络问诊平台爬取的医患问答相关数值和类别数据、文本和图像数据,根据疾病类型构建急性疾病、慢性疾病和混合疾病3个数据集;分别采用归一化、独热编码、Med-bert和卷积神经网络处理数值、类别、文本和图像数据;利用集成学习梯度提升树自动预测患者是否采纳网络医生答复。结果/结论医生头像信息可改善网络医生答复采纳预测效果,且通过多模态数据挖掘可有效预测网络医生答复采纳情况。

关键词：互联网医疗答复采纳预测多模态数据挖掘机器学习